Sqoop基本操作 #sqoop#

一、MySql到HDFS

1.初始化MySql数据

create database company;
create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');

2.导入数据

(1)全部导入

sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

(2)查询导入

sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

(3)导入指定列

sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff

(4)使用sqoop关键字筛选查询导入数据

sqoop import \
--connect jdbc:mysql://hadoop:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"

二、MySql到Hive

sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive

三、HIVE/HDFS到Mysql

sqoop export \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"

四、常用命令

序号	命令	类	说明
1	import	ImportTool	将数据导入到集群
2	export	ExportTool	将集群数据导出
3	codegen	CodeGenTool	获取数据库中某张表数据生成Java并打Jar包
4	create-hive-table	CreateHiveTableTool	创建Hive表
5	eval	EvalSqlTool	查看SQL执行结果
6	import-all-tables	ImportAllTablesTool	导入某个数据库下所有表到HDFS中
7	job	JobTool	用来生成一个sqoop的任务，生成后，该任务并不执行，除非使用命令执行该任务。
8	list-databases	ListDatabasesTool	列出所有数据库名
9	list-tables	ListTablesTool	列出某个数据库下所有表
10	merge	MergeTool	将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中。
11	metastore	MetastoreTool	记录sqoop job的元数据信息，如果不启动metastore实例，则默认的元数据存储目录为:~/.sqoop，如果要更改存储目录，可以在配置文件sqoop-site.xml中进行更改。
12	help	HelpTool	打印sqoop帮助信息
13	version	VersionTool	打印sqoop版本信息

五、命令&参数

1.公用参数:数据库连接

序号	参数	说明
1	--connect	连接关系型数据库的URL
2	--connection-manager	指定要使用的连接管理类
3	--driver	连接数据库的驱动类
4	--help	打印帮助信息
5	--password	连接数据库的密码
6	--username	连接数据库的用户名
7	--verbose	在控制台打印出详细信息

2.公用参数:import

序号	参数	说明
1	--enclosed-by	给字段值前后加上指定的字符
2	--escaped-by	对字段中的双引号加转义符
3	--fields-terminated-by	设定每个字段是以什么符号作为结束，默认为逗号。
4	--lines-terminated-by	设定每行记录之间的分隔符，默认是\n
5	--mysql-delimiters	Mysql 默认的分隔符设置，字段之间以逗号分隔，行之间以\n 分隔，默认转义符是\，字段值以单引号包裹。
6	--optionally-enclosed-by	给带有双引号或单引号的字段值前后加上指定字符

3.公用参数:export

序号	参数	说明
1	--input-enclosed-by	对字段值前后加上指定字符
2	--input-escaped-by	对含有转移符的字段做转义处理
3	--input-fields-terminated-by	字段之间的分隔符
4	--input-lines-terminated-by	行之间的分隔符
5	--input-optionally-enclosed-by	给带有双引号或单引号的字段前后加上指定字符

4.公用参数:hive

序号	参数	说明
1	--input-enclosed-by	用自定义的字符串替换掉数据中的\r\n和\013\010等字符
2	--hive-drop-import-delims	在导入数据到hive时，去掉数据中的\r\n\013\010这样的字符
3	--map-column-hive	生成hive表时，可以更改生成字段的数据类型
4	--hive-partition-key	创建分区，后面直接跟分区名，分区字段的默认类型为string
5	--hive-partition-value	导入数据时，指定某个分区的值
6	--hive-home	hive的安装目录，可以通过该参数覆盖之前默认配置的目录
7	--hive-import	将数据从关系数据库中导入到hive表中
8	--hive-overwrite	覆盖掉在hive表中已经存在的数据
9	--create-hive-table	默认是false，即：如果目标表已经存在了，那么创建任务失败。
10	--hive-table	后面接要创建的 hive 表,默认使用MySQL的表名
11	--table	指定关系数据库的表名

5.命令&参数:import

序号	参数	说明
1	--append	将数据追加到HDFS中已经存在的DataSet中，如果使用该参数，sqoop 会把数据先导入到临时文件目录，再合并。
2	--as-avrodatafile	将数据导入到一个avro数据文件中
3	--as-sequencefile	将数据导入到一个sequence文件中
4	--as-textfile	将数据导入到一个普通文本文件中
5	--boundary-query	边界查询，导入的数据为该参数的值(一条sql语句)所执行的结果区间内的数据。
6	--columns	指定要导入的字段
7	--direct	直接导入模式，使用的是关系数据库自带的导入导出工具，以便加快导入导出过程。
8	--direct-split-size	在使用上面direct直接导入的基础上，对导入的流按字节分块，即达到该阈值就产生一个新的文件。
9	--inline-lob-limit	设定大对象数据类型的最大值
10	--m 或--num-mappers	启动N个map来并行导入数据，默认4个。
11	--query 或--e	将查询结果的数据导入，使用时必须伴随参--target-dir，--hive-table，如果查询中有where 条件，则条件后必须加上$CONDITIONS关键字。
12	--split-by	按照某一列来切分表的工作单元，不能与--autoreset-to-one-mapper连用。
13	--table	关系数据库的表名
14	--target-dir	指定HDFS路径
15	--warehouse-dir	与14参数不能同时使用，导入数据到HDFS时指定的目录。
16	--where	从关系数据库导入数据时的查询条件
17	--z或--compress	允许压缩
18	--compression-codec	指定hadoop压缩编码类，默认为gzip
19	--null-string	string类型的列如果null，替换为指定字符串。
20	--null-non-string	非string类型的列如果null，替换为指定字符串。
21	--check-column
作为增量导入判断的列名
22	--incremental	mode:append或lastmodified
23	--last-value	指定某一个值，用于标记增量导入的位置。

6.命令&参数:export

序号	参数	说明
1	--direct	利用数据库自带的导入导出工具，以便于提高效率。
2	--export-dir	存放数据的 HDFS 的源目录
3	--m 或--num-mappers	启动N个map来并行导入数据，默认4个。
4	--table	指定导出到哪个RDBMS中的表
5	--update-key	对某一列的字段进行更新操作
6	--update-mode	updateonly或allowinsert(默认)
7	--input-null-string	请参考import该类似参数说明
8	--input-null-non-string	请参考import该类似参数说明
9	--staging-table	创建一张临时表，用于存放所有事务的结果，然后将所有事务结果一次性导入到目标表中，防止错误。
10	--clear-staging-table	如果第 9 个参数非空，则可以在导出操作执行前，清空临时事务结果表。

7.命令&参数:codegen

序号	参数	说明
1	--bindir	指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径。
2	--class-name	设定生成的Java文件指定的名称
3	--outdir	生成Java文件存放的路径
4	--package-name	包名，如 com.z，就会生成com和z两级目录。
5	--input-null-non-string	在生成的Java文件中，可以将 null 字符串或者不存在的字符串设置为想要设定的值(例如空字符串)。
6	--input-null-string	将null字符串替换成想要替换的值(一般与5同时使用)。
7	--map-column-java	数据库字段在生成的Java文件中会映射成各种属性，且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型，例如:--map-column-java id=long,name=String。
8	--null-non-string	在生成Java文件时，可以将不存在或者null的字符串设置为其他值。
9	--null-string	在生成Java文件时，将null字符串设置为其他值(一般与8 同时使用)。
10	--table	对应关系数据库中的表名，生成的Java文件中的各个属性与该表的各个字段一一对应。

8.命令&参数:create-hive-table

序号	参数	说明
1	--hive-home	Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录。
2	--hive-overwrite	覆盖掉在Hive表中已经存在的数据
3	--create-hive-table	默认是false，如果目标表已经存在了，那么创建任务会失败。
4	--hive-table	后面接要创建的hive表
5	--table	指定关系数据库的表名

9.命令&参数:eval

序号	参数	说明
1	--query或--e	后跟查询的SQL语句

10.命令&参数:job

序号	参数	说明
1	--create	创建一个job
2	--delete	删除一个job
3	--exec	执行一个job
4	--help	显示job帮助
5	--list	显示job列表
6	--meta-connect	用来连接metastore服务
7	--show	显示一个 job 的信息
8	--verbose	打印命令运行时的详细信息

11.命令&参数:merge

序号	参数	说明
1	--new-data	HDFS待合并的数据目录，合并后在新的数据集中保留。
2	--onto	HDFS合并后，重复的部分在新的数据集中被覆盖。
3	--merge-key
合并键，一般是主键ID。
4	--jar-file	合并时引入的jar包，该jar包是通过Codegen工具生成的jar包。
5	--class-name	对应的表名或对象名，该class 类是包含在 jar 包中的。
6	--target-dir	合并后的数据在HDFS里存放的目录

12.命令&参数:metastore

序号	参数	说明
1	--shutdown	关闭metastore