1、概述
Sqoop是apache旗下的一款 ”Hadoop和关系数据库之间传输数据”的工具
- 导入数据:将MySQL,Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统
- 导出数据:从Hadoop的文件系统中导出数据到关系数据库
2、Sqoop的工作机制
- 将导入和导出的命令翻译成MapReduce程序实现
- 在翻译出的MapReduce中主要是针对Inputformat和outputformat进行定制
3、Sqoop1与Sqoop2架构对比
Sqoop在发展中的过程中演进出来了两种不同的架构
3.1、Sqoop1架构
- 版本号为1.4.x为sqoop1
- 在架构上:sqoop1使用sqoop客户端直接提交的方式
- 访问方式:CLI控制台方式进行访问
- 安全性:命令或脚本中指定用户数据库名及密码
3.2、Sqoop2架构
- 版本号为1.99x为sqoop2
- 在架构上:sqoop2引入了sqoop server,对connector实现了集中的管理
- 访问方式:REST API、 JAVA API、 WEB UI以及CLI控制台方式进行访问
比较 | Sqoop1 | Sqoop2 |
架构 | 仅仅使用一个Sqoop客户端 | 引入了Sqoop Server集中化管理Connector,以及rest api,web UI,并引入安全机制 |
部署 | 部署简单,安装需要root权限,connector必须符合JBDC模型 | 架构稍显复杂,配置部署繁琐 |
使用 | 命令方式容易出错,格式紧耦合,无法支持所有数据类型,安全机制不够完善,例如密码暴露 | 多种交互方式,命令行、WebUI、rest API、Connector集中化管理,所有的连接安装在Sqoop Server上,完善权限管理机制,Connector规范化,仅仅负责数据的读写 |
4、Sqoop安装部署
Sqoop安装很简单,解压好进行简单的修改就可以使用
4.1、第一步:下载安装包
https://mirrors.bfsu.edu.cn/apache/sqoop/1.4.7
4.2、第二步:上传解压
将我们下载好的安装包上传到==node03==服务器的/kkb/soft路径下,然后进行解压
cd /opt/soft/
tar -xzvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /opt/install
4.3、第三步:修改配置文件
cd /opt/install/sqoop-1.4.7.bin__hadoop-2.6.0/conf/
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh
#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/kkb/install/hadoop-3.1.4
#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/kkb/install/hadoop-3.1.4
#set the path to where bin/hbase is available
export HBASE_HOME=/kkb/install/hbase-2.2.2
#Set the path to where bin/hive is available
export HIVE_HOME=/kkb/install/apache-hive-3.1.2
#Set the path for where zookeper config dir is
export ZOOCFGDIR=/kkb/install/apache-zookeeper-3.6.2-bin
4.4、第四步:添加两个必要的jar包
sqoop需要两个额外依赖的jar包,将课件资料当中两个jar包添加到sqoop的lib目录下
cd /opt/soft
cp java-json.jar mysql-connector-java-5.1.38.jar /opt/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib/
4.5、第五步:配置Sqoop环境变量
修改添加如下
sudo vim /etc/profile
export SQOOP_HOME=/kkb/install/sqoop-1.4.7.bin__hadoop-2.6.0
export PATH=:$SQOOP_HOME/bin:$PATH
让环境变量生效
source /etc/profile
4.6、Sqoop help有warning日志
执行命令`sqoop help`,有warning日志
解决方案
[hadoop@node03 bin]$ pwd
/opt/install/sqoop-1.4.7.bin__hadoop-2.6.0/bin
# 搜索HCAT_HOME,将下图红框内容注释掉
[hadoop@node03 bin]$ vim configure-sqoop
4.7、Sqoop help有错误
运行sqoop help有错误:
-
- 错误: 找不到或无法加载主类 org.apache.hadoop.hbase.util.GetJavaProperty
此错误,不影响sqoop的;可以忽略不管
-
- 如果有洁癖,可以看如下方式解决
4.7.1、解决方案一
简单的做法,直接用修改过的hbase文件,替换集群3个节点目录`/kkb/install/hbase-2.2.2/bin`中的hbase文件
重启hbase集群即可
4.7.2、解决方案二
node01修改hbase命令文件
[hadoop@node01 bin]$ cd /opt/install/hbase-2.2.2/bin/
[hadoop@node01 bin]$ vim hbase
新增第一个红框的内容;注意缩进
# Needed for GetJavaProperty check below
add_to_cp_if_exists "${HBASE_HOME}/hbase-server/target/classes"
将第二个红框的内容注释掉
继续查找hbase文件,定位到如下黄框内容
在上图322行(第一个黄色框)增加下图①的代码;==注意缩进==
temporary_cp=
for f in "${HBASE_HOME}"/lib/hbase-server*.jar; do
if [[ ! "${f}" =~ ^.*\-tests\.jar$ ]]; then
temporary_cp=":$f"
fi
done
将上图的第二个黄色框的内容修改成下图②的代码;==注意缩进==
HADOOP_JAVA_LIBRARY_PATH=$(HADOOP_CLASSPATH="$CLASSPATH${temporary_cp}" "${ HADOOP_IN_PATH}" \
保存退出
将hbase分发到另外两个节点
[hadoop@node01 bin]$ pwd
/opt/install/hbase-2.2.2/bin
[hadoop@node01 bin]$ scp hbase node02:$PWD
[hadoop@node01 bin]$ scp hbase node03:$PWD
重启hbase
5、Sqoop的数据导入
5.1、列举出所有的数据库
- 命令行查看帮助
sqoop help
sqoop list-databases --help
列出node03主机所有的数据库
sqoop list-databases --connect jdbc:mysql://node03:3306/ --username root --password 123456
查看某一个数据库下面的所有数据表(将数据库名称hive替换成自己的某个数据库名)
sqoop list-tables --connect jdbc:mysql://node03:3306/hive --username root --password 123456
5.2、准备表数据
在mysql中有一个库userdb中三个表:emp, emp_add和emp_conn
- 表emp:
id | name | deg | salary | dept |
1201 | gopal | manager | 50,000 | TP |
1202 | manisha | Proof reader | 50,000 | TP |
1203 | khalil | php dev | 30,000 | AC |
1204 | prasanth | php dev | 30,000 | AC |
1205 | kranthi | admin | 20,000 | TP |
- 表emp_add:
id | hno | street | city |
1201 | 288A | vgiri | jublee |
1202 | 108I | aoc | sec-bad |
1203 | 144Z | pgutta | hyd |
1204 | 78B | old city | sec-bad |
1205 | 720X | hitec | sec-bad |
- 表emp_conn:
id | phno | |
1201 | 2356742 | [email protected] |
1202 | 1661663 | [email protected] |
1203 | 8887776 | [email protected] |
1204 | 9988774 | [email protected] |
1205 | 1231231 | [email protected] |
- 建表语句如下:
CREATE DATABASE /*!32312 IF NOT EXISTS*/`userdb` /*!40100 DEFAULT CHARACTER SET utf8 */;
USE `userdb`;
DROP TABLE IF EXISTS `emp`;
CREATE TABLE `emp` (
`id` INT(11) DEFAULT NULL,
`name` VARCHAR(100) DEFAULT NULL,
`deg` VARCHAR(100) DEFAULT NULL,
`salary` INT(11) DEFAULT NULL,
`dept` VARCHAR(10) DEFAULT NULL,
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
`update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;
INSERT INTO `emp`(`id`,`name`,`deg`,`salary`,`dept`) VALUES (1201,'gopal','manager',50000,'TP'),(1202,'manisha','Proof reader',50000,'TP'),(1203,'khalil','php dev',30000,'AC'),(1204,'prasanth','php dev',30000,'AC'),(1205,'kranthi','admin',20000,'TP');
DROP TABLE IF EXISTS `emp_add`;
CREATE TABLE `emp_add` (
`id` INT(11) DEFAULT NULL,
`hno` VARCHAR(100) DEFAULT NULL,
`street` VARCHAR(100) DEFAULT NULL,
`city` VARCHAR(100) DEFAULT NULL,
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
`update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;
INSERT INTO `emp_add`(`id`,`hno`,`street`,`city`) VALUES (1201,'288A','vgiri','jublee'),(1202,'108I','aoc','sec-bad'),(1203,'144Z','pgutta','hyd'),(1204,'78B','old city','sec-bad'),(1205,'720X','hitec','sec-bad');
DROP TABLE IF EXISTS `emp_conn`;
CREATE TABLE `emp_conn` (
`id` INT(100) DEFAULT NULL,
`phno` VARCHAR(100) DEFAULT NULL,
`email` VARCHAR(100) DEFAULT NULL,
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
`update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;
INSERT INTO `emp_conn`(`id`,`phno`,`email`) VALUES (1201,'2356742','[email protected]'),(1202,'1661663','[email protected]'),(1203,'8887776','[email protected]'),(1204,'9988774','[email protected]'),(1205,'1231231','[email protected]');
5.3、导入数据库表数据到HDFS
- 使用sqoop命令导入、导出数据前,要先启动hadoop集群
- 下面的命令用于从MySQL数据库服务器中的emp表导入HDFS。
sqoop import --connect jdbc:mysql://node03:3306/userdb --password 123456 --username root --table emp -m 1
- 如果成功执行,那么会得到下面的输出。
- 为了验证在HDFS导入的数据,请使用以下命令查看导入的数据
hdfs dfs -ls /user/hadoop/emp
- 以上有参数
--m 1
,表示只启动一个map task进行数据的导入 - 如果要开启多个map task的话,需要在命令中添加
--split-by column-name
,如下,其中map个数为4
sqoop import --connect jdbc:mysql://node03:3306/userdb --password 123456 --username root --table emp -m 4 --split-by id
5.4、导入HDFS指定目录
- 在导入表数据到HDFS使用Sqoop导入工具,我们可以指定目标目录。
- 使用参数 --target-dir来指定导出目的地,
- 使用参数--delete-target-dir来判断导出目录是否存在,如果存在就删掉
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp -m 1
- 查看导出的数据
hdfs dfs -text /sqoop/emp/part-m-00000
- 它会用逗号(,)分隔emp_add表的数据和字段。
1201,gopal,manager,50000,TP
1202,manisha,Proof reader,50000,TP
1203,khalil,php dev,30000,AC
1204,prasanth,php dev,30000,AC
1205,kranthi,admin,20000,TP
5.5、导入到hdfs指定目录并指定字段之间的分隔符
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 -m 1 --fields-terminated-by '\t'
- 查看文件内容
hdfs dfs -text /sqoop/emp2/part-m-00000
5.6、导入关系表到Hive
1)第一步:拷贝jar包
将我们mysql表当中的数据直接导入到hive表中的话,我们需要将hive的一个叫做hive-exec-3.1.2.jar的jar包拷贝到sqoop的lib目录下
cd /kkb/install/apache-hive-3.1.2/lib/
cp hive-exec-3.1.2.jar /kkb/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib/
2)第二步:准备hive数据库与表
- 将我们mysql当中的数据导入到hive表当中来
hive (default)> create database sqooptohive;
hive (default)> use sqooptohive;
hive (sqooptohive)> create external table emp_hive(id int,name string,deg string,salary int ,dept string) row format delimited fields terminated by '\001';
3)第三步:开始导入
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --fields-terminated-by '\001' --hive-import --hive-table sqooptohive.emp_hive --hive-overwrite --delete-target-dir --m 1
4)第四步:hive表数据查看
select * from emp_hive;
5.7、导入关系表到hive并自动创建hive表
- 我们也可以通过命令来将我们的mysql的表直接导入到hive表当中去
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive
通过这个命令,我们可以直接将我们mysql表当中的数据以及表结构一起倒入到hive当中去。
5.8、将mysql表数据导入到hbase当中去
特殊说明:目前sqoop1的最新版本1.4.7只与hbase 1.x相兼容
- 先要开启hbase集群
1)第一步:修改sqoop配置文件
- sqoop导入导出HBase的数据,需要修改sqoop的配置文件sqoop-env.sh
cd /opt/install/sqoop-1.4.7.bin__hadoop-2.6.0/conf
vim sqoop-env.sh
修改HBASE_HOME值,内容如下
#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/kkb/install/hadoop-3.1.4
#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/kkb/install/hadoop-3.1.4
#set the path to where bin/hbase is available
export HBASE_HOME=/kkb/install/hbase-2.2.2
#Set the path to where bin/hive is available
export HIVE_HOME=/kkb/install/apache-hive-3.1.2
#Set the path for where zookeper config dir is
export ZOOCFGDIR=/kkb/install/apache-zookeeper-3.6.2-bin
2)第二步:在mysql当中创建数据库以及数据库表并插入数据
- 创建数据库表
CREATE DATABASE IF NOT EXISTS library;
USE library;
CREATE TABLE book(
id INT(4) PRIMARY KEY NOT NULL AUTO_INCREMENT,
NAME VARCHAR(255) NOT NULL,
price VARCHAR(255) NOT NULL);
- 插入数据
INSERT INTO book(NAME, price) VALUES('Lie Sporting', '30');
INSERT INTO book (NAME, price) VALUES('Pride & Prejudice', '70');
INSERT INTO book (NAME, price) VALUES('Fall of Giants', '50');
3)第三步:将mysql表当中的数据导入HBase表当中去
- 执行以下命令,将mysql表当中的数据导入到HBase当中去
sqoop import \
--connect jdbc:mysql://node03:3306/library \
--username root \
--password 123456 \
--table book \
--columns "id,name,price" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_book" \
--num-mappers 1 \
--split-by id
4)第四步:HBase当中查看表数据
- 进入hbase的shell客户端,通过scan查看数据
hbase(main):057:0> scan 'hbase_book'
ROW COLUMN+CELL
1 column=info:name, timestamp=1550634017823, value=Lie Sporting
1 column=info:price, timestamp=1550634017823, value=30
2 column=info:name, timestamp=1550634017823, value=Pride & Prejudice
2 column=info:price, timestamp=1550634017823, value=70
3 column=info:name, timestamp=1550634017823, value=Fall of Giants
3 column=info:price, timestamp=1550634017823, value=50
5.9、导入表数据子集
- 我们可以导入表的使用Sqoop导入工具,"where"子句的一个子集。它执行在各自的数据库服务器相应的SQL查询,并将结果存储在HDFS的目标目录。
- where子句的语法如下。
--where <condition>
- 按照条件进行查找,通过--where参数来查找表emp_add当中city字段的值为sec-bad的所有数据导入到hdfs上面去
bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root --password 123456 --table emp_add \
--target-dir /sqoop/emp_add -m 1 --delete-target-dir \
--where "city = 'sec-bad'"
5.10、sql语句查找导入hdfs
- 我们还可以通过 –query参数来指定我们的sql语句,通过sql语句来过滤我们的数据进行导入
bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb --username root --password 123456 \
--delete-target-dir -m 1 \
--query 'select phno from emp_conn where 1=1 and $CONDITIONS' \
--target-dir /sqoop/emp_conn
- 查看hdfs数据内容
hdfs dfs -text /sqoop/emp_conn/part*
注意:
-
- 使用sql语句来进行查找是不能加参数--table
- 并且必须要添加where条件,
- 并且where条件后面必须带一个$CONDITIONS 这个字符串,
- 并且这个sql语句必须用单引号,不能用双引号
5.11、增量导入
- 在实际工作当中,数据的导入,很多时候都是只需要导入增量数据即可,并不需要将表中的数据全部导入到hive或者hdfs当中去,肯定会出现重复的数据的状况,所以我们一般都是选用一些字段进行增量的导入,为了支持增量的导入,sqoop也给我们考虑到了这种情况并且支持增量的导入数据
- 增量导入是仅导入新添加的表中的行的技术。
- 它需要添加‘incremental’, ‘check-column’, 和 ‘last-value’选项来执行增量导入。
- 下面的语法用于Sqoop导入命令增量选项。
--incremental <mode>
--check-column <column name>
--last-value <last check column value>
1)第一种增量导入使用上面的选项来实现
- 导入emp表当中id大于1202的所有数据
- 注意:增量导入的时候,一定不能加参数--delete-target-dir否则会报错
bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--check-column id \
--last-value 1202 \
-m 1 \
--target-dir /sqoop/increment
- 查看数据内容
hdfs dfs -text /sqoop/increment/part*
2)第二种增量导入通过--where条件来实现
- 或者我们使用--where来进行控制数据的选取会更加精准
bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--where "create_time > '2018-06-17 00:00:00' and is_delete='1' and create_time < '2018-06-17 23:59:59'" \
--target-dir /sqoop/incement2 \
--check-column id \
--m 1
- 作业:增量导入hive表中该如何实现???
- 面试题:如何解决减量数据???
6、Sqoop的数据导出
6.1、将数据从HDFS把文件导出到RDBMS数据库
- 导出前,目标表必须存在于目标数据库中。
- 默认操作是从将文件中的数据使用INSERT语句插入到表中
- 更新模式下,是生成UPDATE语句更新表数据
- 数据是在HDFS当中的如下目录/sqoop/emp,数据内容如下
1201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1202,manisha,Proof reader,50000,TP,2018-06-15 18:54:32.0,2018-06-17 20:26:08.0,1
1203,khalil,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1204,prasanth,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 21:05:52.0,0
1205,kranthi,admin,20000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
6.1.1、第一步:创建mysql表
use userdb;
CREATE TABLE `emp_out` (
`id` INT(11) DEFAULT NULL,
`name` VARCHAR(100) DEFAULT NULL,
`deg` VARCHAR(100) DEFAULT NULL,
`salary` INT(11) DEFAULT NULL,
`dept` VARCHAR(10) DEFAULT NULL,
`create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
`update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=utf8;
6.1.2、第二步:执行导出命令
通过kkb来实现数据的导出,将hdfs的数据导出到mysql当中去
bin/sqoop export \
--connect jdbc:mysql://node03:3306/userdb \
--username root --password 123456 \
--table emp_out \
--export-dir /sqoop/emp \
--input-fields-terminated-by ","
6.1.3、第三步:验证mysql表数据
6.2、将数据从Hbase导出到mysql
- 将hbase_book这张表当中的数据导出到mysql当中来
- 注意:sqoop不支持我们直接将HBase当中的数据导出,所以我们可以通过以下的转换进行导出Hbase→hive外部表→hive内部表→通过sqoop→mysql
6.2.1、第一步:创建hive外部表
- 进入hive客户端,创建hive外部表,映射hbase当中的hbase_book表
CREATE EXTERNAL TABLE course.hbase2mysql (id int,name string,price int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" =
":key,info:name, info:price"
)
TBLPROPERTIES( "hbase.table.name" = "hbase_book",
"hbase.mapred.output.outputtable" = "hbase2mysql");
6.2.2、第二步:创建hive内部表并将外部表数据插入到内部表当中来
- 进入hive客户端,执行以下命令,创建hive内部表,并将外部表的数据插入到hive的内部表当中来
CREATE TABLE course.hbase2mysqlin(id int,name string,price int);
6.2.3、第三步:外部表数据插入内部表
- 进入hive客户端执行以下命令,将hive外部表数据插入到hive内部表当中来
insert overwrite table course.hbase2mysqlin select * from course.hbase2mysql;
6.2.4、第四步:清空mysql表数据
- 进入mysql客户端,执行以下命令,将mysql表数据清空
use library;
TRUNCATE TABLE book;
6.2.5、第五步:执行sqoop导出hive内部表数据到
bin/sqoop export --connect jdbc:mysql://node03:3306/library --username root --password 123456 --table book --export-dir /user/hive/warehouse/course.db/hbase2mysqlin --input-fields-terminated-by '\001' --input-null-string '\\N' --input-null-non-string '\\N';
然后再查询mysql的book表数据
mysql> select * from book;
7、Sqoop常用命令及参数
7.1、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。
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 |
7.2、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。
7.2.1、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 | JDBC的driver class |
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 |
7.2.2、公用参数:import
序号 | 参数 | 说明 |
1 | --enclosed-by <char> | 给字段值前后加上指定的字符 |
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。 |
7.2.3、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 |
7.2.4、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 <map> | 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。
7.2.5、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://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--hive-import
如:增量导入数据到hive中,mode=append
append导入:
$ bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/emp \
--check-column id \
--incremental append \
--last-value 3
易错提醒: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://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_conn \
--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://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_conn \
--check-column last_modified \
--incremental lastmodified \
--last-value "2018-0-28 22:20:38" \
-m 1 \
--append
易错提醒: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)
易错提醒:--incremental lastmodified模式下,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 |
7.2.6、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://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_add \
--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 <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 |
7.2.7、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。如:
$ bin/sqoop codegen \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_add \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
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 |
7.2.8、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。
命令:
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_add \
--hive-table emp_add
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 |
7.2.9、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。
命令:
$ bin/sqoop eval \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--query "SELECT * FROM emp"
参数:
序号 | 参数 | 说明 |
1 | --query或--e |
7.2.10、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
命令:
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--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 | |
3 | --as-textfile | |
4 | --direct | |
5 | --direct-split-size <n> | |
6 | --inline-lob-limit <n> | |
7 | --m或—num-mappers <n> | |
8 | --warehouse-dir <dir> | |
9 | -z或--compress | |
10 | --compression-codec |
7.2.11、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。
命令:
$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
易错提醒:注意import-all-tables和它左边的--之间有一个空格
易错提醒:如果需要连接metastore,则--meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop
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 |
易错提醒: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>
7.2.12、命令&参数:list-databases
命令:
$ bin/sqoop list-databases \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
参数:与公用参数一样
7.2.13、命令&参数:list-tables
命令:
$ bin/sqoop list-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
参数:与公用参数一样
7.2.14、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
易错提醒: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:
创建JavaBean:
$ bin/sqoop codegen \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_conn \
--bindir /home/admin/Desktop/staff \
--class-name EmpConn \
--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/EmpConn.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 <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jar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 |
7.2.15、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。
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 |
8、Sqoop作业
- 注:Sqoop作业——将事先定义好的数据导入导出任务按照指定流程运行
8.1、语法
- 以下是创建Sqoop作业的语法。
$ sqoop job (generic-args) (job-args) [-- [subtool-name] (subtool-args)]
$ sqoop-job (generic-args) (job-args) [-- [subtool-name] (subtool-args)]
8.2、创建作业(--create)
- 在这里,我们创建一个名为myjob,这可以从RDBMS表的数据导入到HDFS作业。
bin/sqoop job --create myjob2 -- import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --delete-target-dir
- 该命令创建了一个从db库的employee表导入到HDFS文件的作业。
8.3、验证作业 (--list)
- ‘--list’ 参数是用来验证保存的作业。下面的命令用来验证保存Sqoop作业的列表。
bin/sqoop job --list
- 它显示了保存作业列表。
- 检查作业(--show)‘--show’
参数用于检查或验证特定的工作,及其详细信息。以下命令和样本输出用来验证一个名为myjob的作业。
$ sqoop job --show myjob
- 它显示了工具和它们的选择,这是使用在myjob中作业情况。
8.4、 执行作业 (--exec)
- ‘--exec’ 选项用于执行保存的作业。下面的命令用于执行保存的作业称为myjob。
bin/sqoop job --exec myjob2
文章转自:1、Sqoop简介 - 知乎