大数据技术之Sqoop
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。
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/
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
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:
$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/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:
$ 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 recordscreate-hive-table Import a table definition into Hiveeval Evaluate a SQL statement and display the resultsexport Export an HDFS directory to a database tablehelp List available commandsimport Import a table from a database to HDFSimport-all-tables Import tables from a database to HDFSimport-mainframe Import datasets from a mainframe server to HDFSjob Work with saved jobslist-databases List available databases on a serverlist-tables List available tables in a databasemerge Merge results of incremental importsmetastore Run a standalone Sqoop metastoreversion Display version information
3.5 测试Sqoop是否能够成功连接数据库
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 000000
出现如下输出:
information_schema
metastore
mysql
oozie
performance_schema
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 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
(1)全部导入
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
骚戴理解:全部导入就是关系型数据库整个表导入到hdfs中,上面每一行尾\是用来换行的,如果没有这个按回车就会当做命令执行,上面的主要分为两大块,第一块是mysql的配置,第二块是hdfs的配置,其中delete-target-dir的意思是如果有target-dir配置的目录就删除这个目录,这个慎用!fields-terminated-by指定分隔符。
--num-mappers 是在使用 Hadoop MapReduce 进行数据处理时的一个参数,它表示要启动几个 Map 任务来处理输入数据。具体来说,--num-mappers 参数用于指定 MapReduce 作业中 Mapper 的数量。这个参数的设置会影响作业的并行度和运行时间。通常情况下,建议将该参数设置为输入文的总大小除以 Hadoop 集群中可用的计算资源数量,以实现最优的并行处理效果。
(2)查询导入
$ 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;'
骚戴理解:注意上面最后一句where后面拼接了and $CONDITIONS,必须要拼接and $CONDITIONS;不然会报错:must contain '$CONDITIONS' in WHERE clause.
sqoop的查询导入为什么要 $CONDITIONS?
$CONDITIONS是一个占位符,在使用Sqoop进行查询导入时,可以使用 $CONDITIONS 来指定查询的条件。这个参数的作用是动态地生成一个 WHERE 子句,并将其添加到 SELECT 语句中。
$CONDITIONS 可以让我们在每次调用 Sqoop 命令时传递不同的查询条件,而不必修改 Sqoop 命令本身。这种灵活性使得在数据源发生变化时能够轻松地更新导入命令。
例如,假设我们希望从数据库中导入销售额大于 1000 的数据。使用 $CONDITIONS 就可以很容易地实现这一点,只需在 Sqoop 命令中指定 --where 参数并设置为 "$CONDITIONS AND sales > 1000" 即可。每次运行 Sqoop 命令时,$CONDITIONS 将被替换为适当的查询条件,从而过滤出我们需要的数据。
如果query后使用的是双引号,则$CONDITIONS前必须加转移符,防止shell识别为自己的变量。
(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
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"
骚戴理解:这个跟上面查询导入的--query 'select name,sex from staff where id <=1 and $CONDITIONS;'的区别就是查询导入可以指定字段和条件,而这个where只能指定条件,但是可以和
--columns一起使用,注意--query和--where不能一起使用!
4.1.2 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 staff_hive
骚戴理解: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中没有--hive-table参数指定的表就会自动新建一个
--hive-overwrite 是在使用 Apache Hive 进行数据导入时的一个参数,它表示当向 Hive 表中导入数据时,如果表中已经存在同名的数据,是否覆盖已有数据。具体来说,--hive-overwrite 参数用于指定将新数据覆盖原有数据的方式进行数据导入。如果不使用该参数,则默认是将新数据追加到原有数据之后。
4.1.3 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
骚戴理解:sqoop的--split-by用于指定一个列作为数据分割的依据,将大型数据集拆分成多个小块进行并行处理。这有助于提高数据传输和导入的效率。--hbase-create-table参数指的如果hbase没有表就自动创建hbase中的表,但是由于版本不兼容,会报错(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’
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 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"
骚戴理解:sqoop的--export-dir参数用于将数据从Hadoop分布式文件系统(如HDFS)导出到关系型数据库中。它指定了包含要导出数据的HDFS目录路径。sqoop的--input-fields-terminated-by参数用于指定输入数据文件中字段之间的分隔符。它可以是一个字符或一个字符串,并且默认为逗号“,”。这个参数在导入数据时非常有用,因为它告诉sqoop如何解析源数据文件。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.opt文件
$ mkdir opt
$ touch opt/job_HDFS2RDBMS.opt
2) 编写sqoop脚本
$ vi opt/job_HDFS2RDBMS.optexport
--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"
3) 执行该脚本
$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
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。
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 |
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 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
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 000000 \ --table staff \ --export-dir /user/company \ --input-fields-terminated-by "\t" \ --num-mappers 1 |
2) 参数:
序号 |
参数 |
说明 |
1 |
--direct |
利用数据库自带的导入导出工具,以便于提高效率 |
2 |
--export-dir <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。
如:
$ 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 <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。
命令:
如:
$ bin/sqoop create-hive-table \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --hive-table hive_staff |
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。
命令:
如:
$ bin/sqoop eval \ --connect jdbc:mysql://hadoop102:3306/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 |
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
命令:
如:
$ bin/sqoop import-all-tables \ --connect jdbc:mysql://hadoop102:3306/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 |
|
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 |
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。
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 |
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
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
命令:
如:
$ bin/sqoop list-databases \ --connect jdbc:mysql://hadoop102:3306/ \ --username root \ --password 000000 |
参数:与公用参数一样
5.2.13 命令&参数:list-tables
命令:
如:
$ bin/sqoop list-tables \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 |
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。
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 |
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 |
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。
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 |
大数据技术之Sqoop相关推荐
- cdh mysql sqoop 驱动_大数据技术之Sqoop学习——原理、安装、使用案例、常用命令...
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 ...
- 大数据技术之 Sqoop
文章目录 1. Sqoop 简介 2. Sqoop 原理 3. Sqoop 安装 3.1 下载并解压 3.2 修改配置文件 3.3 拷贝JDBC驱动 3.4 验证 Sqoop 3.5 测试 Sqoop ...
- 百分点大数据技术团队:乘风破浪 海外数据中台项目实践
编者按 踏上一带一路的新丝路,北京百分点信息科技有限公司从2016年开拓海外业务,以大数据技术为基础,结合中国先进的数据治国理念,用数据智能推动社会进步.三年时间,百分点海外团队在非洲某国实施大数据项 ...
- 百分点大数据技术团队:数据治理“PAI”实施方法论
数据作为第五大生产要素,已逐渐成为政府和企业决策的重要手段与依据.面对数据多样化.数据需求个性化.数据应用智能化的需求,以及在2B和2G行业中数据质量参差不齐.数据应用难以发挥价值.数据资产难以沉淀等 ...
- 大数据技术基础_【基础】大数据技术栈介绍
大数据技术的体系庞大且复杂,基础的技术包含数据的采集.数据预处理.分布式存储.NoSQL数据库.数据仓库.机器学习.并行计算.可视化等各种技术范畴和不同的技术层面. 首先给出一个通用化的大数据处理框架 ...
- 【大数据】企业级大数据技术体系概述
目录 产生背景 常见应用场景 企业级大数据技术框架 数据收集层 数据存储层 资源管理与服务协调层 计算引擎层 数据分析层 数据可视层 企业级大数据技术实现方案 Google 大数据技术栈 Hadoop ...
- 解决方案和项目的区别_沃尔玛用大数据提高销售额,云计算和大数据技术之间的区别汇总...
自从<纽约时报>发表有关沃尔玛如何利用大数据分析来最大化其销售额的文章以来,人们就对大数据充满了狂热.零售商发现飓风期间流行的糖果品牌Pop-Tarts的销量激增,并利用此知识增加了利润. ...
- Google大数据技术架构探秘
Google是大数据时代的奠基者,其大数据技术架构一直是互联网公司争相学习和 研究的重点,也是行业大数据技术架构的标杆和示范. 1.谷歌的数据中心 谷歌已经建立了世界上最快.最强大.最高质量的数据中心 ...
- 一篇文章详解大数据技术和应用场景
" 本文作者 陈睿 ,优知学院创始人 新技术.新趋势往往趋之若鹜却又很难说的透彻,希望这篇文章能让大家完整的理解什么是大数据:该篇包含:大数据.技术.场景应用以及大数据的岗位. 什么是大数据 ...
最新文章
- 万字总结,知识蒸馏如何在推荐系统中大显身手?
- Tor 出口节点将运行在图书馆的电脑上
- jQuery选择器案例之——index.js
- mediamind SyncAds
- idea 安装热部署插件
- 如何有效的进行项目文档管理
- 国内物联网平台初探(八):中移物联网开放平台OneNet
- R语言与数据分析练习:K-Means聚类
- 安卓集成facebook_设计和编码集成的Facebook应用程序:理论
- Wxpython pannel切换
- swoole开发多人在线游戏新手教程
- 模糊视频帧插值:CVPR2020论文点评
- 杭州中学2021高考成绩查询,2020年杭州各高中高考成绩排名及放榜最新消息
- 帝企鹅日记(史上第二受欢迎记录片 老少皆宜的冰雪童话)
- linux下不解包查看tar包文件内容
- 鲍尔默:Windows 8需求远超Windows 7
- 服务器问题-服务器可以远程登录,本地登录不了
- 洋娃娃埋没了多少天才
- ubuntu使用uTorrent,Google,ANGRYsearch,有道词典,Opera,pdf编辑器
- linux内存故障排查
热门文章
- 51单片机的智能窗帘设计
- ubuntu赋予当前用户root权限
- 单相半波可控整流电路仿真设计(任务书+lunwen+MATLAB仿真源文件)
- 深度学习理论解析与实战应用
- python eel vue_VU - OSCHINA
- c语言输入算术运算符,运算符算术运算符 - C语言教程
- uniapp接入微信客服聊天流程(企业微信)
- Spring Boot修改启动神图
- 麦当劳中国推出全新平台“麦麦夜市”;美联航订购5000万加仑可持续航空燃料 | 美通企业日报...
- svn在本地搭建服务器,自己可以访问,局域网的其他电脑不可以访问