专栏首页不温卜火Sqoop快速入门系列(3) | Sqoop常用命令及参数解析(建议收藏!!!)

Sqoop快速入门系列(3) | Sqoop常用命令及参数解析(建议收藏!!!)

一. 常用命令列举

  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

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

二. 公用参数

  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。

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

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

2. 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。

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

–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。

4. 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

三. 命令&参数

  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。

3.1 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。

1. 命令

  • 1. 导入数据到hive中
// 密码我就用000000代替了
$ bin/sqoop import \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-import
  • 2. 增量导入数据到hive中,mode=append
// append导入:
$ bin/sqoop import \
--connect jdbc:mysql://hadoop002:3306/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

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)

  • 3. 增量导入数据到hdfs中,mode=lastmodified
// 1 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, 'buwen', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'buhuo', 'female');
先导入一部分数据:
$ bin/sqoop import \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--m 1

// 2 再增量导入一部分数据:
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'buwenbuhuo', 'female');
$ bin/sqoop import \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2020-05-15 22:20:38" \
--m 1 \
--append

提示1: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) 提示2:last-value指定的值是会包含于增量导入的数据中

2. 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

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

3.2 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。

1. 命令

$ bin/sqoop export \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1

2. 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

3.3 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。

1. 命令

$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

2. 参数

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

3.4 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。

1. 命令

$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff

2. 参数

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

3.5 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。

1. 命令

$ bin/sqoop eval \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

2. 参数

序号

参数

说明

1

–query或–e

后跟查询的SQL语句

3.6 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

1. 命令

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop002:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables

2. 参数

序号

参数

说明

1

–as-avrodatafile

2

–as-sequencefile

3

–as-textfile

4

–direct

5

–direct-split-size

这些参数的含义均和import对应的含义一致

6

–inline-lob-limit

7

–m或—num-mappers

8

–warehouse-dir

9

-z或–compress

10

–compression-codec

3.7 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。

1. 命令

$ bin/sqoop job \
 --create myjob -- import-all-tables \
 --connect jdbc:mysql://hadoop002:3306/company \
 --username root \
 --password 000000
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob

提示1:注意import-all-tables和它左边的–之间有一个空格 提示2:如果需要连接metastore,则–meta-connect jdbc:hsqldb:hsql://hadoop002:16000/sqoop

2. 参数

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

提示3: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>

3.8 命令&参数:list-databases

1. 命令

$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop002:3306/ \
--username root \
--password 000000

参数:与公用参数一样

3.9 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

1. 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

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。

2. 命令

// 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

3. 参数

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

3.10 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。

1. 命令

// 启动sqoop的metastore服务
$ bin/sqoop metastore

2. 参数

序号

参数

说明

1

–shutdown

关闭metastore

  本次的分享就到这里了

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 只需一行正则即可爬取某高校就业处通知公告,速进(超简单-。-)

    说要爬取高校,那肯定要爬高校的,要不然就显的本博主言而无信!但是问题来了,要爬取哪个高校呢?不仅能够成功爬取到信息并且只需要一行正则表达式即可提取到相关信息。这...

    不温卜火
  • Spark SQL 快速入门系列(8) | | Hive与Spark SQL的读写操作

      包含 Hive 支持的 Spark SQL 可以支持 Hive 表访问、UDF (用户自定义函数)以及 Hive 查询语言(HiveQL/HQL)等。需要强...

    不温卜火
  • Flume快速入门系列(1) | Flume的简单介绍

      在一个完整的离线大数据处理系统中,除了HDFS+MapReduce+Hive组成分析系统的核心之外,还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系...

    不温卜火
  • 未关闭的文件流会引起内存泄露么?

    最近接触了一些面试者,在面试过程中有涉及到内存泄露的问题,其中有不少人回答说,如果文件打开后,没有关闭会导致内存泄露。当被继续追问,为什么会导致内存泄露时,大部...

    技术小黑屋
  • 外文文献翻译,秒否?文献阅读,知否?

    打个比方,我们常说的SCI论文,其实就是发表在被SCI数据库收录的杂志期刊上的论文,那么,这就有两个主要的基本事件:

    百味科研芝士
  • python中的import

    python中的import操作有点类似于C语言中的#include,但又有很大的不同。在c语言中,#include是编译前将另一个文件包含进当前文件中。在py...

    py3study
  • Swift4.0 KVO监听不回调问题

    Swift Version:4.0 Xcode:10.1 (10B61) iphoneOS:12.1

    ZY_FlyWay
  • 【Rust日报】 2019-07-29:关于创建「更小的」Rust的思考

    官方核心团队成员无船大佬新博文,针对社区中有些人喜欢Rust但还没有真正热爱Rust的人提出的看法「能否创造一个更小化更简单的更易于使用的Rust呢」所做的回应...

    MikeLoveRust
  • Oracle参数解析(nls_length_semantics)

    前面介绍了Oracle的基本参数,从这节开始讲其他的参数,参数从v$parameter中提取

    bsbforever
  • numpy.log

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    于小勇

扫码关注云+社区

领取腾讯云代金券