大数据高级开发工程师——大数据相关工具之一 Sqoop

文章目录

大数据相关工具

Sqoop ETL工具

Sqoop简介

• Sqoop是apache旗下的一款 ”Hadoop和关系数据库之间传输数据”的工具 - 导入数据：将 MySQL、Oracle 导入数据到 Hadoop 的 HDFS、HIVE、HBASE 等数据存储系统- 导出数据：从 Hadoop 的文件系统中导出数据到关系数据库

• 工作机制： - 将导入和导出的命令翻译成mapreduce程序实现- 在翻译出的mapreduce中主要是对inputformat和outputformat进行定制

Sqoop1与Sqoop2架构对比

sqoop在发展中的过程中演进出来了两种不同的架构——架构演变史

• Sqoop1 架构： - 版本号：1.4.x- 使用 sqoop 客户端直接提交方式，CLI 控制台进行访问- 安全性：命令或脚本中指定用户数据库名及密码

• Sqoop2 架构： - 版本号：1.99.x- 引入了sqoop server，对connector实现了集中的管理，可以通过 REST API、 JAVA API、 WEB UI 以及CLI 控制台方式进行访问

比较Sqoop1Sqoop2架构仅仅使用一个 Sqoop 客户端引入了 Sqoop Server 集中化管理连接，以及 rest api、web ui，引入安全机制部署简单，使用 root 权限安装，连接器必须符合 JDBC架构稍复杂，配置部署更加繁琐使用命令方式容易出错，格式紧耦合，无法支持所有数据类型，安全机制不够完善，容易暴露密码多种交互方式：命令行、WebUI、REST API，连接集中管理，完善的权限管理机制，connector仅仅负责数据的读写。

Sqoop安装部署

• Sqoop安装很简单，解压好进行简单的修改就可以使用
• 安装包下载&解压

wget http://archive.apache.org/dist/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
# 解压tar -zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /bigdata/install/

• 修改配置文件：

cd /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/conf
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh

# 根据自己实际的安装目录填写#Set path to where bin/hadoop is availableexportHADOOP_COMMON_HOME=/bigdata/install/hadoop-3.1.4
#Set path to where hadoop-*-core.jar is availableexportHADOOP_MAPRED_HOME=/bigdata/install/hadoop-3.1.4
#set the path to where bin/hbase is availableexportHBASE_HOME=/bigdata/install/hbase-2.2.6
#Set the path to where bin/hive is availableexportHIVE_HOME=/bigdata/install/hive-3.1.2
#Set the path for where zookeper config dir isexportZOOCFGDIR=/usr/apps/zookeeper-3.4.14/conf

• 添加两个必要的jar包：将 java-json.jar，mysql-connector-java-5.1.38.jar 拷贝到sqoop的lib目录下

scp java-json.jar mysql-connector-java-5.1.38.jar hadoop@node03:/bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib

• 配置 sqoop 的环境变量

sudovim /etc/profile

exportSQOOP_HOME=/bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0
exportPATH=$PATH:$SQOOP_HOME/bin

source /etc/profile

• 执行命令sqoop help 命令，有warning日志

• 解决方案：

# pwd = /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0vim bin/configure-sqoop

• 再次执行命令sqoop help 命令，一切正常啦！

Sqoop的数据导入

1. 列出所有数据库

# 列出node03主机所有的数据库
sqoop list-databases --connect jdbc:mysql://node03:3306/ --username root --password 123456# 查看某一个数据库下面的所有数据表
sqoop list-tables --connect jdbc:mysql://node03:3306/mysql --username root --password 123456

2. 准备表数据

• 初始化数据：

CREATEDATABASE/*!32312 IF NOT EXISTS*/`userdb`/*!40100 DEFAULT CHARACTER SET utf8 */;USE`userdb`;DROPTABLEIFEXISTS`emp`;CREATETABLE`emp`(`id`INT(11)DEFAULTNULL,`name`VARCHAR(100)DEFAULTNULL,`deg`VARCHAR(100)DEFAULTNULL,`salary`INT(11)DEFAULTNULL,`dept`VARCHAR(10)DEFAULTNULL,`create_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMP,`update_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,`is_delete`BIGINT(20)DEFAULT'1')ENGINE=INNODBDEFAULTCHARSET=latin1;INSERTINTO`emp`(`id`,`name`,`deg`,`salary`,`dept`)VALUES(1201,'gopal','manager',50000,'TP'),(1202,'manisha','Proof reader',50000,'TP'),(1203,'khalil','php dev',30000,'AC'),(1204,'prasanth','php dev',30000,'AC'),(1205,'kranthi','admin',20000,'TP');DROPTABLEIFEXISTS`emp_add`;CREATETABLE`emp_add`(`id`INT(11)DEFAULTNULL,`hno`VARCHAR(100)DEFAULTNULL,`street`VARCHAR(100)DEFAULTNULL,`city`VARCHAR(100)DEFAULTNULL,`create_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMP,`update_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,`is_delete`BIGINT(20)DEFAULT'1')ENGINE=INNODBDEFAULTCHARSET=latin1;INSERTINTO`emp_add`(`id`,`hno`,`street`,`city`)VALUES(1201,'288A','vgiri','jublee'),(1202,'108I','aoc','sec-bad'),(1203,'144Z','pgutta','hyd'),(1204,'78B','old city','sec-bad'),(1205,'720X','hitec','sec-bad');DROPTABLEIFEXISTS`emp_conn`;CREATETABLE`emp_conn`(`id`INT(100)DEFAULTNULL,`phno`VARCHAR(100)DEFAULTNULL,`email`VARCHAR(100)DEFAULTNULL,`create_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMP,`update_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,`is_delete`BIGINT(20)DEFAULT'1')ENGINE=INNODBDEFAULTCHARSET=latin1;INSERTINTO`emp_conn`(`id`,`phno`,`email`)VALUES(1201,'2356742','[email protected]'),(1202,'1661663','[email protected]'),(1203,'8887776','[email protected]'),(1204,'9988774','[email protected]'),(1205,'1231231','[email protected]');

• 查看数据：

3. 导入数据库表数据到HDFS

• 使用sqoop命令导入、导出数据前，要先启动hadoop集群。下面的命令用于从MySQL数据库服务器中的emp表导入HDFS：

sqoop import --connect jdbc:mysql://node03:3306/userdb --password 123456 --username root --table emp -m 1# 参数`--m 1`，表示只启动一个map task进行数据的导入

• 为了验证在HDFS导入的数据，可以使用以下命令查看导入的数据

hdfs dfs -ls /user/hadoop/emp

Found 2 items
-rw-r--r--   3 hadoop supergroup          02022-01-01 21:35 /user/hadoop/emp/_SUCCESS
-rw-r--r--   3 hadoop supergroup        3812022-01-01 21:35 /user/hadoop/emp/part-m-00000

• 也可以到 hadoop web 页面查看：

• 如果要开启多个map task的话，需要在命令中添加--split-by column-name，如下，其中map个数为4

sqoop import --connect jdbc:mysql://node03:3306/userdb --password 123456 --username root --table emp -m 4 --split-by id

4. 导入到HDFS指定目录

• 在导入表数据到HDFS使用Sqoop导入工具，我们可以指定目标目录。
• 使用参数 --target-dir 来指定导出目的地，使用参数 --delete-target-dir 来判断导出目录是否存在，如果存在就删掉

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp -m 1

• 查看导出数据

hdfs dfs -text /sqoop/emp/part-m-00000

# 它会用逗号（，）分隔emp表的数据和字段1201,gopal,manager,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1

5. 导入到hdfs指定目录并指定字段之间的分隔符

• 使用参数 --fields-terminated-by 指定分隔符

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 -m 1 --fields-terminated-by '\t'

• 再查看数据

hdfs dfs -text /sqoop/emp2/part-m-00000

# 它会用（\t）分隔emp表的数据和字段1201    gopal    manager    50000    TP    2022-01-01 21:30:39.0    2022-01-01 21:30:39.0    11202    manisha    Proof reader    50000    TP    2022-01-01 21:30:39.0    2022-01-01 21:30:39.0    11203    khalil    php dev    30000    AC    2022-01-01 21:30:39.0    2022-01-01 21:30:39.0    11204    prasanth    php dev    30000    AC    2022-01-01 21:30:39.0    2022-01-01 21:30:39.0    11205    kranthi    admin    20000    TP    2022-01-01 21:30:39.0    2022-01-01 21:30:39.0    1

6. 导入关系表到HIVE

• 将我们 mysql 表当中的数据直接导入到 hive 表中的话，需要将 hive 的一个叫做 hive-exec-3.1.2.jar 的 jar 包拷贝到 sqoop 的 lib 目录下

cp /bigdata/install/hive-3.1.2/lib/hive-exec-3.1.2.jar /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib/

• 准备 hive 表数据，进入 hive 客户端执行以下命令初始化数据

hive (default)> create database sqooptohive;
hive (default)> use sqooptohive;
hive (sqooptohive)> create external table emp_hive(id int,name string,deg string,salary int ,dept string) row format delimited fields terminated by '\001';

• 开始使用 sqoop 导入：

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --fields-terminated-by '\001' --hive-import --hive-table sqooptohive.emp_hive --hive-overwrite --delete-target-dir --m 1

• 在 hive 中查询数据：

select * from emp_hive;

7. 导入关系表到hive并自动创建hive表

• 可以通过命令来将我们的 mysql 的表直接导入到 hive 表当中去

# 通过这个命令，我们可以直接将我们mysql表当中的数据以及表结构一起倒入到hive当中去
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive

• 导入完成后，到 hive 查询数据：

select * from emp_conn;

8. 将mysql表数据导入到hbase当中去

• sqoop1的最新版本1.4.7只与hbase 1.x相兼容，因此这里修改 sqoop 的配置文件 sqoop-env.sh，指定 hbase-2.2.2 版本的 HBase
• 初始化 mysql 表数据

CREATEDATABASEIFNOTEXISTS library;USE library;CREATETABLE book(
id INT(4)PRIMARYKEYNOTNULLAUTO_INCREMENT, 
NAME VARCHAR(255)NOTNULL, 
price VARCHAR(255)NOTNULL);-- 插入数据INSERTINTO book(NAME, price)VALUES('Lie Sporting','30');INSERTINTO book (NAME, price)VALUES('Pride & Prejudice','70');INSERTINTO book (NAME, price)VALUES('Fall of Giants','50');

• 执行如下命令将 mysql 表当中的数据导入到HBase当中去

sqoop import --connect jdbc:mysql://node03:3306/library --username root --password 123456 --table book --columns "id,name,price" --column-family "info" --hbase-create-table --hbase-row-key "id" --hbase-table "hbase_book" --num-mappers 1 --split-by id

• HBase当中查看表数据

hbase(main):057:0> scan 'hbase_book'
ROW           COLUMN+CELL                            
 1column=info:name, timestamp=1550634017823, value=Lie Sporting   
 1column=info:price, timestamp=1550634017823, value=302column=info:name, timestamp=1550634017823, value=Pride & Prejudice 
 2column=info:price, timestamp=1550634017823, value=703column=info:name, timestamp=1550634017823, value=Fall of Giants  
 3column=info:price, timestamp=1550634017823, value=50

9. 导入表数据子集

• 可以使用Sqoop工具导入表的“where”子句的一个子集，它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。
• 通过--where 参数来查找表 emp_add 当中 city 字段的值为 sec-bad 的所有数据导入到 hdfs 上面去

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_add --target-dir /sqoop/emp_add -m 1 --delete-target-dir --where "city = 'sec-bad'"

• hdfs 查看数据

hdfs dfs -text /sqoop/emp_add/part-*

1202,108I,aoc,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,78B,old city,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,720X,hitec,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1

10. sql语句查找导入hdfs

• 还可以通过 --query 参数来指定我们的 sql 语句，通过 sql 语句来过滤我们的数据进行导入

import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir -m 1 --query 'select phno from emp_conn where 1=1 and  $CONDITIONS' --target-dir /sqoop/emp_conn

• hdfs 查看数据

hdfs dfs -text /sqoop/emp_conn/part-*

23567421661663888777699887741231231

注意：使用sql语句来进行查找是不能加参数–table，并且必须要添加where条件，并且where条件后面必须带一个$CONDITIONS 这个字符串，并且这个sql语句必须用单引号，不能用双引号。

11. 增量导入

• 在实际工作当中，数据的导入，很多时候都是只需要导入增量数据即可，并不需要将表中的数据全部导入到hive或者hdfs当中去。全部导入会出现重复的数据的状况，所以我们一般都是选用一些字段进行增量的导入，为了支持增量的导入，sqoop也给我们考虑到了这种情况并且支持增量的导入数据。
• 增量导入是仅导入新添加的表中的行的技术。
• 它需要添加 incremental，check-column 和 last-value 选项来执行增量导入。语法如下：

--incremental <Append>                   //基于递增列的增量导入           
--check-column <column name>             //递增列
--last-value <last check column value>     //阈值

• 方式一：使用上面的选项来实现 - 注意：增量导入的时候，一定不能加参数 --delete-target-dir 否则会报错

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --incremental append --check-column id --last-value 1202 -m 1 --target-dir /sqoop/increment

# 查看
hdfs dfs -text /sqoop/increment/part*

1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1

• 方式二：通过 --where 条件来实现

sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --incremental append --where "create_time > '2021-12-30 00:00:00' and is_delete='1' and create_time < '2022-01-02 23:59:59'" --target-dir /sqoop/increment2 --check-column id --m 1# 查看
hdfs dfs -text /sqoop/increment2/part*

1201,gopal,manager,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1

Sqoop的数据导出

1. 将数据从HDFS把文件导出到RDBMS数据库

• 导出前，目标表必须存在于目标数据库中。
• 默认操作是将文件中的数据使用 INSERT 语句插入到表中，更新模式下，是生成 UPDATE 语句更新表数据。
• 数据是在HDFS当中的如下目录/sqoop/emp，数据内容如下：

1201,gopal,manager,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1

• 创建 mysql 表

use userdb;CREATETABLE`emp_out`(`id`INT(11)DEFAULTNULL,`name`VARCHAR(100)DEFAULTNULL,`deg`VARCHAR(100)DEFAULTNULL,`salary`INT(11)DEFAULTNULL,`dept`VARCHAR(10)DEFAULTNULL,`create_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMP,`update_time`TIMESTAMPNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP,`is_delete`BIGINT(20)DEFAULT'1')ENGINE=INNODBDEFAULTCHARSET=utf8;

• 执行导出命令：

sqoop export --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_out --export-dir /sqoop/emp --input-fields-terminated-by ","

• 验证：去 mysql 表查询数据

Sqoop常用命令及参数详解

1. 常用命令列表

命令类说明importImportTool将数据导入到集群exportExportTool将集群数据导出codegenCodeGenTool获取数据库中某张表数据生成Java并打包Jarcreate-hive-tableCreateHiveTableTool创建Hive表evalEvalSqlTool查看SQL执行结果import-all-tablesImportAllTablesTool导入某个数据库下所有表到HDFS中jobJobTool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。list-databasesListDatabasesTool列出所有数据库名list-tablesListTablesTool列出某个数据库下所有表mergeMergeTool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metastoreMetastoreTool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。helpHelpTool打印sqoop帮助信息versionVersionTool打印sqoop版本信息

2. 数据库连接公共参数

参数****说明–connect连接关系型数据库的URL–connection-manager指定要使用的连接管理类–driverJDBC的driver class–help打印帮助信息–password连接数据库的密码–username连接数据库的用户名–verbose在控制台打印出详细信息

3. import 公共参数

参数****说明–enclosed-by <char>给字段值前后加上指定的字符–escaped-by <char>对字段中的双引号加转义符–fields-terminated-by <char>设定每个字段是以什么符号作为结束，默认为逗号–lines-terminated-by <char>设定每行记录之间的分隔符，默认是\n–mysql-delimitersMysql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。–optionally-enclosed-by <char>给带有双引号或单引号的字段值前后加上指定字符。

4. export 公共参数

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

5. hive 公共参数

参数****说明–hive-delims-replacement <arg>用自定义的字符串替换掉数据中的\r\n和\013 \010等字符–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–map-column-hive <map>生成hive表时，可以更改生成字段的数据类型–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–hive-partition-value <v>导入数据时，指定某个分区的值–hive-home <dir>hive的安装目录，可以通过该参数覆盖之前默认配置的目录–hive-import将数据从关系数据库中导入到hive表中–hive-overwrite覆盖掉在hive表中已经存在的数据–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。–hive-table后面接要创建的hive表,默认使用MySQL的表名–table指定关系数据库的表名

6. import 特有参数

• 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。
• 1、导入数据到hive中：

sqoop import\
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp \
--hive-import

• 2、增量导入到hive中 mode=append

sqoop import\
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp \
--num-mappers 1\
--fields-terminated-by "\t"\
--target-dir /user/hive/warehouse/emp \
--check-column id\
--incremental append \
--last-value 3

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）

• 3、增量导入数据到hdfs中，mode=lastmodified

# 先在mysql中建表并插入几条数据
create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);

insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');# 先导入一部分数据
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --delete-target-dir --m 1

insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');# 再增量导入一部分数据
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --check-column last_modified --incremental lastmodified --last-value "2018-0-28 22:20:38" -m 1 --append

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）

–incremental lastmodified模式下，last-value指定的值是会包含于增量导入的数据中。

参数****说明–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。–as-avrodatafile将数据导入到一个Avro数据文件中–as-sequencefile将数据导入到一个sequence文件中–as-textfile将数据导入到一个普通文本文件中–boundary-query <statement>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。–columns <col1, col2, col3>指定要导入的字段–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。–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–inline-lob-limit设定大对象数据类型的最大值–m或–num-mappers启动N个map来并行导入数据，默认4个。–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–split-by <column-name>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）–table <table-name>关系数据库的表名–target-dir <dir>指定HDFS路径–warehouse-dir <dir>与14参数不能同时使用，导入数据到HDFS时指定的目录–where从关系数据库导入数据时的查询条件–z或–compress允许压缩–compression-codec指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)–null-string <null-string>string类型的列如果null，替换为指定字符串–null-non-string <null-string>非string类型的列如果null，替换为指定字符串–check-column 作为增量导入判断的列名–incremental <mode>mode：append或lastmodified–last-value <value>指定某一个值，用于标记增量导入的位置

7. export 特有参数

• 从HDFS（包括Hive和HBase）中将数据导出到关系型数据库中

sqoop export\
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp_add \
--export-dir /user/company \
--input-fields-terminated-by "\t"\
--num-mappers 1

参数****说明–direct利用数据库自带的导入导出工具，以便于提高效率–export-dir <dir>存放数据的HDFS的源目录-m或–num-mappers <n>启动N个map来并行导入数据，默认4个–table <table-name>指定导出到哪个RDBMS中的表–update-key <col-name>对某一列的字段进行更新操作–update-mode <mode>updateonly allowinsert(默认)–input-null-string <null-string>请参考import该类似参数说明–input-null-non-string <null-string>请参考import该类似参数说明–staging-table <staging-table-name>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。–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

8. codegen 特有参数

• 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

sqoop codegen \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp_add \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

参数****说明–bindir <dir>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–class-name <name>设定生成的Java文件指定的名称–outdir <dir>生成Java文件存放的路径–package-name <name>包名，如com.z，就会生成com和z两级目录–input-null-non-string <null-str>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）–input-null-string <null-str>将null字符串替换成想要替换的值（一般与5同时使用）–map-column-java <arg>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–null-non-string <null-str>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–null-string <null-str>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）–table <table-name>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

9. create-hive-table 特有参数

• 生成与关系数据库表结构对应的hive表结构

sqoop create-hive-table \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp_add \
--hive-table emp_add

参数****说明–hive-home <dir>Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录–hive-overwrite覆盖掉在Hive表中已经存在的数据–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–hive-table后面接要创建的hive表–table指定关系数据库的表名

10. eval 特有参数

• 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。

sqoop eval\
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--query "SELECT * FROM emp"

参数****说明–query或–e后跟查询的SQL语句

11. import-all-tables 特有参数

• 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

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--warehouse-dir /all_tables

参数****说明–as-avrodatafile这些参数的含义均和import对应的含义一致–as-sequencefile–as-textfile–direct–direct-split-size <n>–inline-lob-limit <n>–m或—num-mappers <n>–warehouse-dir <dir>-z或–compress–compression-codec

12. job 特有参数

• 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://node03:3306/userdb \
 --username root \
 --password 123456
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob

注意 import-all-tables 和它左边的–之间有一个空格

如果需要连接metastore，则–meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop

参数****说明–create <job-id>创建job参数–delete <job-id>删除一个job–exec \ 执行一个job–help显示job帮助–list显示job列表–meta-connect <jdbc-uri>用来连接metastore服务–show <job-id>显示一个job的信息–verbose打印命令运行时的详细信息

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>

13. list-databases 特有参数

• 列出所有数据库名称

sqoop list-databases \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456

• 参数与公用参数一样

14. list-tables 特有参数

• 列出某个数据库下所有表

$ bin/sqoop list-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456

参数：与公用参数一样

15. merge 特有参数

• 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

# 数据准备# 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
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

# 创建JavaBean
sqoop codegen \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456\
--table emp_conn \
--bindir /home/admin/Desktop/staff \
--class-name EmpConn \
--fields-terminated-by "\t"

• 开始合并：

sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/EmpConn.jar \
--class-name Staff \
--merge-key id

• 结果：

1    AAA    MALE
2    BBB    MALE
3    CCC    MALE
4    DDD    MALE
6    DDD    FEMALE

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

16. metastore 特有参数

• 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。

# 启动sqoop的metastore服务
sqoop metastore

参数****说明–shutdown关闭metastore

Sqoop作业

• Sqoop作业：将事先定义好的数据导入导出任务按照指定流程运行

1. 语法

$ sqoop job (generic-args)(job-args)[-- [subtool-name](subtool-args)]    
$ sqoop-job (generic-args)(job-args)[-- [subtool-name](subtool-args)]

2. 创建作业(–create)

• 创建一个名为 myjob，可以从 RDBMS 表的数据导入到 HDFS 的作业。

sqoop job --create myjob -- import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --delete-target-dir

3. 验证作业 (–list)

• –list 参数用来验证保存的作业

sqoop job --list

4. 检查作业(–show)

• –show 参数用于检查或验证特定的工作，及其详细信息

sqoop job --show myjob

5. 执行作业 (–exec)

• –exec 选项用于执行保存的作业

sqoop job --exec myjob