Sqoop 简介
Sqoop 是一款开源的工具，主要用于在 Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres 等）中的数据导进到 Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。Sqoop 项目开始于 2009 年，最早是作为 Hadoop 的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop 独立成为一个 Apache项目。
Sqoop2 的最新版本是 1.99.7。请注意，2 与 1 不兼容，且特征不完整，它并不打算用于
生产部署。
就是说Sqoop是一款用来在Hadoop（Hive）和关系型数据库之间传输数据的工具
Sqoop 在大数据体系位置：
Sqoop原理
将导入或导出命令翻译成 mapreduce 程序来实现。在翻译出的 mapreduce 中主要是对inputformat 和 outputformat 进行定制。
Sqoop安装
官网：http://sqoop.apache.org/
项目中一般用 Sqoop版本为：sqoop-1.4.6
- 安装 Sqoop 的前提是已经具备
Java和Hadoop的环境。 找到 对应版本安装包。 - 解压指定路径：
tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
- 重命名配置文件
mv sqoop-env-template.sh sqoop-env.sh
- 修改配置文件
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2
export HIVE_HOME=/opt/module/hive
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10
export HBASE_HOME=/opt/module/hbase
- 拷贝JDBC驱动到Sqoop lib 下
cp mysql-connector-java-5.1.27.jar /opt/module/sqoop-1.4.6/lib/
- 验证安装
sqoop help
20/06/11 10:41:00 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
usage: sqoop COMMAND [ARGS]
Available commands:
codegen Generate code to interact with database records
create-hive-table Import a table definition into Hive
eval Evaluate a SQL statement and display the results
export Export an HDFS directory to a database table
help List available commands
import Import a table from a database to HDFS
import-all-tables Import tables from a database to HDFS
import-mainframe Import datasets from a mainframe server to HDFS
job Work with saved jobs
list-databases List available databases on a server
list-tables List available tables in a database
merge Merge results of incremental imports
metastore Run a standalone Sqoop metastore
version Display version information
See 'sqoop help COMMAND' for information on a specific command.
- 测试Sqoop是否可以连接数据库
sqoop list-databases --connect jdbc:mysql://10.100.22.94:9306/ --username user --password pwd
结果：
information_schema
account
charbot
pkreg
hue
kg_ans
Sqoop 案例
导入数据：在Sqoop中，导入 概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，使用import关键字。
RDBMS到HDFS
1.开启MySQL
2. 在MySQL中创建表格跟临时数据
mysql -uroot -p000000
mysql> create database company;
mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
mysql> insert into company.staff(name, sex) values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');
导入数据到HDFS
1. 全部导入数据
bin/sqoop import \
--connect jdbc:mysql://IP地址:MySQL端口号/databaseName \
--username 账号 \
--password 密码 \
--table table名字 \
--target-dir /user/company \ (HDFS文件系统中的路径)
--delete-target-dir \ (先删除目标路径)
--num-mappers 1 \ (用几个mapper)
--fields-terminated-by "\t" (导出的数据列跟列用什么分割)
2. 查询导入
通过mysql中的query查询语句选择性导入数据
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'
提示：must contain '$CONDITIONS' in WHERE clause.
提示：如果query后使用的是双引号，则$CONDITIONS前必须加转移符，$CONDITIONS 防止shell识别为自己的变量。
$CONDITIONS 意义
- 只要有–query+sql，就需要加$CONDITIONS，哪怕只有一个maptask。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>50‘ --m 1
直接报错
ERROR ...must contain ‘$CONDITIONS‘ in WHERE clause.
- 如果只有一个maptask，可以不加–split-by来区分数据，因为处理的是整份数据，无需切分。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>50 and $CONDITIONS‘ --m 1
日志
select * from Person where score>50 and (1 = 0)
处理后结果：
- 如果只有多个maptask，需使用
--split-by来区分数据，$CONDITIONS替换查询范围。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>1 and $CONDITIONS‘ --m 2 --split-by id
中间日志：
# 查询id范围，最大id，最小id
20/02/07 12:19:55 INFO db.DataDrivenDBInputFormat: BoundingValsQuery: SELECT MIN(id), MAX(id) FROM (select * from Person where score>1 and (1 = 1) ) AS t1
# id的范围是1-5,2个分片
20/02/07 12:19:55 INFO db.IntegerSplitter: Split size: 2; Num splits: 2 from: 1 to: 5
20/02/07 12:19:55 INFO mapreduce.JobSubmitter: number of splits:2
结果：
原理解析：
当sqoop使用
--query+sql执行多个maptask并行运行导入数据时，每个maptask将执行一部分数据的导入，原始数据需要使用--split-by某个字段‘来切分数据，不同的数据交给不同的maptask去处理。maptask执行sql副本时，需要在where条件中添加$CONDITIONS条件，这个是linux系统的变量，可以根据sqoop对边界条件的判断，来替换成不同的值，这就是说若split-by id，则sqoop会判断id的最小值和最大值判断id的整体区间，然后根据maptask的个数来进行区间拆分，每个maptask执行一定id区间范围的数值导入任务，如下为示意图。简而言之保证数据结果有序化。
3. 导入指定列
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root --password 000000 \
--target-dir /user/company --delete-target-dir \
--num-mappers 1 --fields-terminated-by "\t" \
--columns id,sex --table staff
------
指定MySQL中若干列导入到hive中
sqoop import -D mapreduce.job.queuename=hive账户 \
--connect jdbc:mysql://IP:9306/kg_db --username mysql用户 --password mysql密码 \
--table dim_risk_refuse_code --hive-import \
--hive-table dm_kg.dim_risk_refuse_code \
--columns "level,status,mreason,mreason_cn,subreason,subreaon_cn" -m 1
提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格。
4. 使用sqoop关键字筛选查询导入数据
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"
RDBMS到Hive
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table HiveTableName
提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库，第一步默认的临时目录是/user/atguigu/表名
如果 Hive 中已经有table了，此时将MySQL数据导入到hive中无非就是按照hive格式将数据从MySQL中导入到hiveTable对应的HDFS路径
sqoop export -D mapreduce.job.queuename=MR账号 --connect jdbc:mysql://MySQLIP:9306/dbName --username mysql账号 --password MySQL密码 \
-table MySQLtableName \
--export-dir "hdfs://cluster/user/hive/warehouse/dm_kg.db/dwd_intopieces/etl_date=2020-06-11"
--input-fields-terminated-by '\001' \
--lines-terminated-by '\n' \
--input-null-string '\\N' \
--input-null-non-string '\\N'
RDBMS到Hbase
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table company \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id
提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能
解决方案：手动创建HBase表
hbase> create 'hbase_company,'info'
在HBase中scan这张表得到如下内容
hbase> scan ‘hbase_company’
导出数据
在Sqoop中，导出概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用export关键字。
HIVE/HDFS到RDBMS
$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
提示：Mysql中如果表不存在，不会自动创建。需要按照hive、HDFS 中数据格式 先提前创建好MySQLTable。
脚本打包
使用opt格式的文件打包sqoop命令，然后执行
- 创建一个.opt文件
$ touch job_HDFS2RDBMS.opt
- 编写sqoop脚本
$ vi job_HDFS2RDBMS.opt
export --connect jdbc:mysql://hadoop102:3306/company --username root --password 000000
--table staff
--num-mappers 1
--export-dir /user/hive/warehouse/staff_hive
--input-fields-terminated-by "\t"
- 执行该脚本
$ bin/sqoop --options-file job_HDFS2RDBMS.opt
Sqoop一些常用命令及参数
这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码
| 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并打包Jar |
| 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 |
命令&参数详解
刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。
首先来我们来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。
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 | Hadoop根目录 |
| 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 |
公用参数：import
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –enclosed-by | 给字段值前加上指定的字符 |
| 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。 |
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 |
公用参数：hive
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –hive-delims-replacement | 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 |
sqoop import -D mapreduce.job.queuename=kg \
--connect jdbc:mysql://IP:9306/kg_db --username user --password pwd \
--table kggn_addr_parsed \
--hive-overwrite -m 1 \
--hive-table db.tableName \
--autoreset-to-one-mapper \
--hive-partition-key etl_date \
--hive-partition-value $load_date \
--hive-drop-import-delims \
--fields-terminated-by "\0001" \
--target-dir /user/hive/warehouse/dm_kg.db/tablename/etl_date=2020-06-11 \
--delete-target-dir \
--null-string '\\N' \
--null-non-string '\\N'
公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。
命令&参数：import
将关系型数据库中的数据导入到HDFS（包括Hive，HBase）中，如果导入的是Hive，那么当Hive中没有对应表时，则自动创建。
- 命令：
如：导入数据到hive中
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-import
如：增量导入数据到hive中，mode=append
append导入：
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3
尖叫提示：append不能与–hive-等参数同时使用（Append mode for hive imports is not yet supported. Please remove the parameter --append-mode）
如：增量导入数据到hdfs中，mode=lastmodified
先在mysql中建表并插入几条数据：
mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');
先导入一部分数据：
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--m 1
再增量导入一部分数据：
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append
尖叫提示：使用lastmodified方式导入数据要指定增量数据是要–append（追加）还是要–merge-key（合并）
尖叫提示：last-value指定的值是会包含于增量导入的数据中
参数：
| 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 <col1, col2, col3> | 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（请参考官方文档） |
| 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(Use Hadoop codec default 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 < col > | 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 |
命令&参数：export
从HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。
- 命令：
$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1
参数：
| 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,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 |
命令&参数：codegen
将关系型数据库中的表映射为一个Java类，在该类中有各列对应的各个字段
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
| 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 |
命令&参数：create-hive-table
生成与关系数据库表结构对应的hive表结构。
命令：
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff
| 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 |
命令&参数：eval
可以快速的使用SQL语句对关系型数据库进行操作，经常用于在import数据之前，了解一下SQL语句是否正确，数据是否正常，并可以将结果显示在控制台。
命令：
$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –query或–e | 后跟查询的SQL语句 |
命令&参数：import-all-tables
可以将RDBMS中的所有表导入到HDFS中，每一个表都对应一个HDFS目录
命令：
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –as-avrodatafile | 这些参数的含义均和import对应的含义一致 |
| 2 | –as-sequencefile | 同上 |
| 3 | –as-textfile | 同上 |
| 4 | –direct | 同上 |
| 5 | –direct-split-size | 同上 |
| 6 | –inline-lob-limit | 同上 |
| 7 | –m或—num-mappers | 同上 |
| 8 | –warehouse-dir
|
同上 |
| 9 | -z或–compress | 同上 |
| 10 | –compression-codec | 同上 |
命令&参数：job
用来生成一个sqoop任务，生成后不会立即执行，需要手动执行。
$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
尖叫提示：注意import-all-tables和它左边的–之间有一个空格
尖叫提示：如果需要连接metastore，则–meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –create | 创建job参数 |
| 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 |
尖叫提示：在执行一个job时，如果需要手动输入数据库密码，可以做如下优化
<property>
<name>sqoop.metastore.client.record.password</name>
<value>true</value>
<description>If true, allow saved passwords in the metastore.</description>
</property>
命令&参数：list-databases
$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000
参数：与公用参数一样
命令&参数：list-tables
$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000
命令&参数：merge
将HDFS中不同目录下面的数据合并在一起并放入指定目录中
数据环境
new_staff
1 AAA male
2 BBB male
3 CCC male
4 DDD male
old_staff
1 AAA female
2 CCC female
3 BBB female
6 DDD female
尖叫提示：上边数据的列之间的分隔符应该为\t，行与行之间的分割符为\n，如果直接复制，请检查之。
命令：
如：
创建JavaBean：
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
开始合并：
$ bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id
结果：
1 AAA MALE
2 BBB MALE
3 CCC MALE
4 DDD MALE
6 DDD FEMALE
| 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 |
命令&参数：metastore
记录了Sqoop job的元数据信息，如果不启动该服务，那么默认job元数据的存储目录为~/.sqoop，可在sqoop-site.xml中修改。
命令：
如：启动sqoop的metastore服务
bin/sqoop metastore
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –shutdown | 关闭metastore |