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。

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。

就是说Sqoop是一款用来在Hadoop(Hive)和关系型数据库之间传输数据的工具

Sqoop 在大数据体系位置:

Sqoop看这篇文章就够了_sqoop

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

官网:​​http://sqoop.apache.org/​​​

项目中一般用 Sqoop版本为:sqoop-1.4.6


  1. 安装 Sqoop 的前提是已经具备 ​​Java​​​ 和​​Hadoop​​ 的环境。 找到 对应版本安装包。
  2. 解压指定路径:

tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
  1. 重命名配置文件
mv sqoop-env-template.sh sqoop-env.sh
  1. 修改配置文件
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
  1. 拷贝JDBC驱动到Sqoop lib 下
cp mysql-connector-java-5.1.27.jar  /opt/module/sqoop-1.4.6/lib/
  1. 验证安装​​sqoop help​
20/06/11 10:41:00 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
usage: sqoop COMMAND [ARGS]

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

See 'sqoop help COMMAND' for information on a specific command.
  1. 测试Sqoop是否可以连接数据库
sqoop list-databases --connect jdbc:mysql://10.100.22.94:9306/ --username user --password pwd
结果:
information_schema
account
charbot
pkreg
hue
kg_ans

Sqoop 案例

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,使用​​import​​关键字。

RDBMS到HDFS

1.开启MySQL

2. 在MySQL中创建表格跟临时数据

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');

导入数据到HDFS

1. 全部导入数据
bin/sqoop import \
--connect jdbc:mysql://IP地址:MySQL端口号/databaseName \
--username 账号 \
--password 密码 \
--table table名字 \
--target-dir /user/company \ (HDFS文件系统中的路径)
--delete-target-dir \ (先删除目标路径)
--num-mappers 1 \ (用几个mapper)
--fields-terminated-by "\t" (导出的数据列跟列用什么分割)
2. 查询导入

通过mysql中的query查询语句选择性导入数据

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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​​.

​提示​​:如果query后使用的是双引号,则​​$CONDITIONS​​前必须加​​转移符​​,$CONDITIONS 防止shell识别为自己的变量。

$CONDITIONS 意义

Sqoop看这篇文章就够了_hive_02

  1. 只要有–query+sql,就需要加$CONDITIONS,哪怕只有一个maptask。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>50‘ --m 1

直接报错

ERROR ...must contain ‘$CONDITIONS‘ in WHERE clause.
  1. 如果只有一个maptask,可以不加–split-by来区分数据,因为处理的是整份数据,无需切分。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>50 and $CONDITIONS‘ --m 1

日志

select * from Person where score>50 and  (1 = 0)

处理后结果:

Sqoop看这篇文章就够了_mysql_03

  1. 如果只有多个maptask,需使用​​--split-by​​来区分数据,$CONDITIONS替换查询范围。
sqoop import --connect jdbc:mysql://node01:3306/sqooptest --username root --password 123456 \
--target-dir /sqoop/conditiontest --delete-target-dir \
--query ‘select * from Person where score>1 and $CONDITIONS‘ --m 2 --split-by id

中间日志:

# 查询id范围,最大id,最小id
20/02/07 12:19:55 INFO db.DataDrivenDBInputFormat: BoundingValsQuery: SELECT MIN(id), MAX(id) FROM (select * from Person where score>1 and (1 = 1) ) AS t1
# id的范围是1-5,2个分片
20/02/07 12:19:55 INFO db.IntegerSplitter: Split size: 2; Num splits: 2 from: 1 to: 5
20/02/07 12:19:55 INFO mapreduce.JobSubmitter: number of splits:2

结果:

Sqoop看这篇文章就够了_sqoop_04

原理解析:


当sqoop使用​​--query+sql​​​执行多个maptask​​并行​​​运行导入数据时,每个maptask将执行一部分数据的导入,原始数据需要使用​​--split-by​​​某个字段‘来切分数据,不同的数据交给不同的maptask去处理。maptask执行sql副本时,需要在where条件中添加​​$CONDITIONS​​​条件,这个是linux系统的变量,可以根据sqoop对边界条件的判断,来替换成不同的值,这就是说若​​split-by id​​​,则sqoop会判断id的最小值和最大值判断id的整体区间,然后根据maptask的个数来进行区间拆分,每个maptask执行一定id区间范围的数值导入任务,如下为示意图。简而言之 ​​保证数据结果有序化​​。


Sqoop看这篇文章就够了_hive_05

3. 导入指定列
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root --password 000000 \
--target-dir /user/company --delete-target-dir \
--num-mappers 1 --fields-terminated-by "\t" \
--columns id,sex --table staff

------

指定MySQL中若干列导入到hive中
sqoop import -D mapreduce.job.queuename=hive账户 \
--connect jdbc:mysql://IP:9306/kg_db --username mysql用户 --password mysql密码 \
--table dim_risk_refuse_code --hive-import \
--hive-table dm_kg.dim_risk_refuse_code \
--columns "level,status,mreason,mreason_cn,subreason,subreaon_cn" -m 1

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
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table HiveTableName

​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

如果 Hive 中已经有table了,此时将MySQL数据导入到hive中无非就是按照hive格式将数据从MySQL中导入到hiveTable对应的HDFS路径

sqoop export -D mapreduce.job.queuename=MR账号 --connect jdbc:mysql://MySQLIP:9306/dbName --username mysql账号 --password MySQL密码 \
-table MySQLtableName \
--export-dir "hdfs://cluster/user/hive/warehouse/dm_kg.db/dwd_intopieces/etl_date=2020-06-11"
--input-fields-terminated-by '\001' \
--lines-terminated-by '\n' \
--input-null-string '\\N' \
--input-null-non-string '\\N'

RDBMS到Hbase

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/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://hadoop102:3306/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。需要按照hive、HDFS 中数据格式 先提前创建好MySQLTable。

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.opt文件
$ touch job_HDFS2RDBMS.opt
  1. 编写sqoop脚本
$ vi job_HDFS2RDBMS.opt 

export --connect jdbc:mysql://hadoop102:3306/company --username root --password 000000
--table staff
--num-mappers 1
--export-dir /user/hive/warehouse/staff_hive
--input-fields-terminated-by "\t"
  1. 执行该脚本
$ bin/sqoop --options-file job_HDFS2RDBMS.opt

Sqoop一些常用命令及参数

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

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。

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

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。

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

sqoop import -D mapreduce.job.queuename=kg \
--connect jdbc:mysql://IP:9306/kg_db --username user --password pwd \
--table kggn_addr_parsed \
--hive-overwrite -m 1 \
--hive-table db.tableName \
--autoreset-to-one-mapper \
--hive-partition-key etl_date \
--hive-partition-value $load_date \
--hive-drop-import-delims \
--fields-terminated-by "\0001" \
--target-dir /user/hive/warehouse/dm_kg.db/tablename/etl_date=2020-06-11 \
--delete-target-dir \
--null-string '\\N' \
--null-non-string '\\N'

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://hadoop102:3306/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://hadoop102:3306/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

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 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://hadoop102:3306/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

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

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 < col >

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:
$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1

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

$ 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"

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:

$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff

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:

$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

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:

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables

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

同上

6

–inline-lob-limit

同上

7

–m或—num-mappers

同上

8

–warehouse-dir

同上

9

-z或–compress

同上

10

–compression-codec

同上

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。

$ 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

​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://linux01:16000/sqoop

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

​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>
命令&参数:list-databases
$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000

参数:与公用参数一样

命令&参数:list-tables
$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000
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。

命令:

如:

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

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

序号

参数

说明

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

序号

参数

说明

1

–shutdown

关闭metastore