Sqoop常用命令及参数 常用命令列举序号命令类说明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Jar4create-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URL2--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\n5--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string5--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=appendappend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$CONDITIONS关键字12--split-by 按照某一列来切分表的工作单元，不能与--autoreset-to-one-mapper连用（请参考官方文档）13--table 关系数据库的表名14--target-dir 指定HDFS路径15--warehouse-dir 与14参数不能同时使用，导入数据到HDFS时指定的目录16--where从关系数据库导入数据时的查询条件17--z或--compress允许压缩18--compression-codec指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)19--null-string string类型的列如果null，替换为指定字符串20--null-non-string 非string类型的列如果null，替换为指定字符串21--check-column 作为增量导入判断的列名22--incremental mode：append或lastmodified23--last-value 指定某一个值，用于标记增量导入的位置命令&参数：export从HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。1) 命令：如：$ 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 12) 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=String8--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job3--exec 执行一个job4--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ID4--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

sqoop导入、导出数据 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RDBMS到HDFS(1)确定Mysql服务开启正常(2)在Mysql中新建一张表并插入一些数据$ 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');(3)导入数据全部导入$ bin/sqoop import \ --connect jdbc:mysql://master:3306/company \ --username root \ --password 000000 \ --table staff \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t"查询导入$ bin/sqoop import \ --connect jdbc:mysql://master: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.如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。导入指定列$ bin/sqoop import \ --connect jdbc:mysql://master: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使用sqoop关键字筛选查询导入数据$ bin/sqoop import \ --connect jdbc:mysql://master: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://master:3306/company \ --username root \ --password 000000 \ --table staff \ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --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/master/表名RDBMS到Hbase$ bin/sqoop import \ --connect jdbc:mysql://master: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://master: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$ mkdir opt $ touch opt/job_HDFS2RDBMS.opt编写sqoop脚本$ vi opt/job_HDFS2RDBMS.opt export --connect jdbc:mysql://master: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 opt/job_HDFS2RDBMS.opt

Sqoop安装与配置 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。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安装配置安装Sqoop的前提是已经具备Java和Hadoop的环境。下载并解压下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中解压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/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。重命名配置文件$ mv sqoop-env-template.sh sqoop-env.sh修改配置文件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拷贝JDBC驱动拷贝jdbc驱动到sqoop的lib目录下，如：$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/验证Sqoop我们可以通过某一个command来验证sqoop配置是否正确：$ 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测试Sqoop是否能够成功连接数据库$ bin/sqoop list-databases --connect jdbc:mysql://master:3306/ --username root --password 000000 出现如下输出： information_schema metastore mysql performance_schema