Sqoop常用命令及参数

Sqoop常用命令及参数

清泓
2022-07-06 / 0 评论 / 2,878 阅读 / 12178字 / 正在检测是否收录...

常用命令列举

序号命令说明
1importImportTool将数据导入到集群
2exportExportTool将集群数据导出
3codegenCodeGenTool获取数据库中某张表数据生成Java并打包Jar
4create-hive-tableCreateHiveTableTool创建Hive表
5evalEvalSqlTool查看SQL执行结果
6import-all-tablesImportAllTablesTool导入某个数据库下所有表到HDFS中
7jobJobTool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。
8list-databasesListDatabasesTool列出所有数据库名
9list-tablesListTablesTool列出某个数据库下所有表
10mergeMergeTool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
11metastoreMetastoreTool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。
12helpHelpTool打印sqoop帮助信息
13versionVersionTool打印sqoop版本信息

命令及参数详解

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--driverHadoop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-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
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

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。
1) 命令:
如:导入数据到hive中

$ bin/sqoop import \
--connect jdbc:mysql://master: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://master: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)

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://master: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://master: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

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)
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 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

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://master: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

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。
如:

$ bin/sqoop codegen \
--connect jdbc:mysql://master: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:
如:

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

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

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:
如:

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

参数:

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:
如:

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

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表格
3--as-textfile表格
4--direct表格
5--direct-split-size 表格
6--inline-lob-limit 表格
7--m或—num-mappers 表格
8--warehouse-dir 表格
9-z或--compress表格
10--compression-codec表格

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。
命令:
如:

$ 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

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

命令:
如:

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

参数:与公用参数一样

命令&参数:list-tables

命令:
如:

$ bin/sqoop list-tables \
--connect jdbc:mysql://master:3306/company \
--username root \
--password 000000

参数:与公用参数一样

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

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://master: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

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

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

参数:

序号参数说明
1--shutdown关闭metastore
2

打赏

评论

博主关闭了当前页面的评论