第1章 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 |
第1章 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 |
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
