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,...) 间进行数据的高校传递，可以将一个关系型数据库（例如：MySQL,Oracle,Postgres等）中的数据导入到 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 顶级项目。 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。

第2章 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。

第3章 Sqoop 安装

安装 Sqoop 的前提是已经具备 Java 和 Hadoop 的环境。

3.1 下载并解压

1) 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/ 2) 上传安装包 sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz 到虚拟机中 3) 解压 sqoop 安装包到指定目录，如：

$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/

4) 重命名 sqoop 安装目录，如：

[atguigu@hadoop102 module]$ mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop

3.2 修改配置文件

Sqoop 的配置文件与大多数大数据框架类似，在 sqoop 根目录下的 conf 目录中。 1) 重命名配置文件

$ mv sqoop-env-template.sh sqoop-env.sh

2) 修改配置文件

[atguigu@hadoop102 conf]$ pwd
/opt/module/sqoop/conf
[atguigu@hadoop102 conf]$ vim sqoop-env.sh

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

3.3 拷贝 JDBC 驱动

拷贝 jdbc 驱动到 sqoop 的 lib 目录下，如：

[atguigu@hadoop102 sqoop]$ cp /opt/software/mysql-libs/mysql-connector-java-5.1.27/mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop/lib/

3.4 验证 Sqoop

我们可以通过某一个 command 来验证 sqoop 配置是否正确：

[atguigu@hadoop102 sqoop]$ bin/sqoop help

出现一些 Warning 警告（警告信息已省略），并伴随着帮助命令的输出：

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

3.5 测试 Sqoop 是否能够成功连接数据库

[atguigu@hadoop102 sqoop]$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 123456

出现如下输出：

information_schema
metastore
mysql
performance_schema
test

第4章 Sqoop 的简单使用案例

4.1 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，叫做：导入，即使用 import 关键字。

4.1.1 从 RDBMS 到 HDFS

1) 确定 Mysql 服务开启正常查询监控端口或者查询进程来确定，以下两种办法可以确认mysql是否在启动运行状态： 办法一：查询端口

$ netstat -tulpn

MySQL监控的是TCP的3306端口，如下图，说明MySQL服务在运行中。

办法二：查询进程

ps -ef | grep mysqld

可以看见mysql的进程

2) 在 Mysql 中新建一张表并插入一些数据

$ mysql -uroot -p123456
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');

3) 导入数据（1）全部导入

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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;'

等价于

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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;"

提示：must contain '$CONDITIONS' in WHERE clause. $CONDITIONS：传递作用。如果 query 后使用的是双引号，则 $CONDITIONS 前必须加转义符，防止 shell 识别为自己的变量。（3）导入指定列

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

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

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

4.1.2 从 RDBMS 到 Hive

（1）全部导入

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--hive-import \
--hive-overwrite \
--hive-table staff_hive

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。

4.1.3 从 RDBMS 到 HBase

（1）导入数据

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--num-mappers 1 \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_staff" \
--split-by id

会报错，如下图所示：

原因：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_staff','info'

(5) 在 HBase 中 scan 这张表得到如下内容

hbase> scan ‘hbase_staff’

4.2 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。

4.2.1 从 HIVE/HDFS 到 RDBMS

（1）导出数据

[atguigu@hadoop102 sqoop]$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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。

4.3 脚本打包

使用opt格式的文件打包 sqoop 命令，然后执行。 1) 创建一个 xxx.opt 文件

[atguigu@hadoop102 sqoop]$ pwd
/opt/module/sqoop
[atguigu@hadoop102 sqoop]$ mkdir opt
[atguigu@hadoop102 sqoop]$ touch opt/job_HDFS2RDBMS.opt

2) 编写 sqoop 脚本

[atguigu@hadoop102 sqoop]$ cd opt/
[atguigu@hadoop102 opt]$ vim job_HDFS2RDBMS.opt 

export
--connect
jdbc:mysql://hadoop102:3306/company
--username
root
--password
123456
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"

3) 执行该脚本

[atguigu@hadoop102 sqoop]$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt

尖叫提示：Mysql 中如果表不存在，不会自动创建，所以我们要先创建表 staff，如果表 staff 存在，我们应该清除掉 staff 表的数据，不然会出现主键冲突！如下图所示：通过查看日志历史服务器，可知：

第5章 Sqoop 一些常用命令及参数

5.1 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。

如下表所示：

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并在一起，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

5.2 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。

5.2.1 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

5.2.2 公用参数：import

序号	参数	说明
1	--enclosed-by < char>	给字段值前加上指定的字符
2	--escaped-by < char>	对字段中的双引号加转义符
3	--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
4	--lines-terminated-by < char>	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 < char>	给带有双引号或单引号的字段值前后加上指定字符

5.2.3 公用参数：export

序号	参数	说明
1	--input-enclosed-by < char>	对字段值前后加上指定字符
2	--input-escaped-by < char>	对含有转移符的字段做转义处理
3	--input-fields-terminated-by < char>	字段之间的分隔符
4	--input-lines-terminated-by < char>	行之间的分隔符
5	--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

5.2.4 公用参数：hive

序号	参数	说明
1	--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
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 < arg>	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 < v>	导入数据时，指定某个分区的值
6	--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
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

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。

5.2.5 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：如：导入数据到 hive 中

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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 123456 \
--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 123456 \
--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 123456 \
--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。

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 < 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。
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 < statement>	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 < 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）
13	--table < table-name>	关系数据库的表名
14	--target-dir < dir>	指定 HDFS 路径
15	--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
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 < null-string>	string 类型的列如果 null，替换为指定字符串
20	--null-non-string < null-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>	mode：append 或 lastmodified
23	--last-value < value>	指定某一个值，用于标记增量导入的位置

5.2.6 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：如：

$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--export-dir /user/staff \
--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 < dir>	存放数据的HDFS的源目录
3	-m或--num-mappers < n>	启动N个map来并行导入数据，默认4个
4	--table < table-name>	指定导出到哪个RDBMS中的表
5	--update-key < col-name>	对某一列的字段进行更新操作
6	--update-mode < mode>	updateonly，allowinsert(默认)
7	--input-null-string < null-string>	请参考import该类似参数说明
8	--input-null-non-string < null-string>	请参考import该类似参数说明
9	--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
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

5.2.7 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：如：

$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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 < 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
2	--class-name < name>	设定生成的 Java 文件指定的名称
3	--outdir < dir>	生成 Java 文件存放的路径
4	--package-name < name>	包名，如 com.z，就会生成 com 和 z 两级目录
5	--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）
6	--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）
7	--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
8	--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
9	--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）
10	--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

5.2.8 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：如：

$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-table hive_staff

2) 参数：

序号	参数	说明
1	--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
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

5.2.9 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：如：

$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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

5.2.10 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：如：

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--warehouse-dir /all_tables

2) 参数：

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 < n>	同上
6	--inline-lob-limit < n>	同上
7	--m或—num-mappers < n>	同上
8	--warehouse-dir < dir>	同上
9	-z或--compress	同上
10	--compression-codec	同上

5.2.11 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：如：

$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456
$ 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://hadoop102:16000/sqoop

2) 参数：

序号	参数	说明
1	--create < job-id>	创建 job 参数
2	--delete < job-id>	删除一个 job
3	--exec < job-id>	执行一个 job
4	--help	显示 job 帮助
5	--list	显示 job 列表
6	--meta-connect < jdbc-uri>	用来连接 metastore 服务
7	--show < job-id>	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>

5.2.12 命令&参数：list-databases

1) 命令：如：

$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 123456

2) 参数：与公用参数一样

5.2.13 命令&参数：list-tables

1) 命令：如：

$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456

2) 参数：与公用参数一样

5.2.14 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。

1) 命令：如：

创建JavaBean：
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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

2) 参数：

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

5.2.15 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：如：启动 sqoop 的 metastore 服务

$ bin/sqoop metastore

2) 参数：

序号	参数	说明
1	--shutdown	关闭 metastore

hadoop

大数据技术之_12_Sqoop学习_Sqoop 简介+Sqoop 原理+Sqoop 安装+Sqoop 的简单使用案例+Sqoop 一些常用命令及参数

第1章 Sqoop 简介

第2章 Sqoop 原理

第3章 Sqoop 安装

3.1 下载并解压

3.2 修改配置文件

3.3 拷贝 JDBC 驱动

3.4 验证 Sqoop

3.5 测试 Sqoop 是否能够成功连接数据库

第4章 Sqoop 的简单使用案例

4.1 导入数据

4.1.1 从 RDBMS 到 HDFS

4.1.2 从 RDBMS 到 Hive

4.1.3 从 RDBMS 到 HBase

4.2 导出数据

4.2.1 从 HIVE/HDFS 到 RDBMS

4.3 脚本打包

第5章 Sqoop 一些常用命令及参数

5.1 常用命令列举

5.2 命令&参数详解

5.2.1 公用参数：数据库连接

5.2.2 公用参数：import

5.2.3 公用参数：export

5.2.4 公用参数：hive

5.2.5 命令&参数：import

5.2.6 命令&参数：export

5.2.7 命令&参数：codegen

5.2.8 命令&参数：create-hive-table

5.2.9 命令&参数：eval

5.2.10 命令&参数：import-all-tables

5.2.11 命令&参数：job

5.2.12 命令&参数：list-databases

5.2.13 命令&参数：list-tables

5.2.14 命令&参数：merge

5.2.15 命令&参数：metastore

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐