大数据高级开发工程师——大数据相关工具之一 Sqoop
文章目录
- 大数据相关工具
- Sqoop ETL工具
- Sqoop简介
- Sqoop1与Sqoop2架构对比
- Sqoop安装部署
- Sqoop的数据导入
- 1. 列出所有数据库
- 2. 准备表数据
- 3. 导入数据库表数据到HDFS
- 4. 导入到HDFS指定目录
- 5. 导入到hdfs指定目录并指定字段之间的分隔符
- 6. 导入关系表到HIVE
- 7. 导入关系表到hive并自动创建hive表
- 8. 将mysql表数据导入到hbase当中去
- 9. 导入表数据子集
- 10. sql语句查找导入hdfs
- 11. 增量导入
- Sqoop的数据导出
- 1. 将数据从HDFS把文件导出到RDBMS数据库
- Sqoop常用命令及参数详解
- 1. 常用命令列表
- 2. 数据库连接公共参数
- 3. import 公共参数
- 4. export 公共参数
- 5. hive 公共参数
- 6. import 特有参数
- 7. export 特有参数
- 8. codegen 特有参数
- 9. create-hive-table 特有参数
- 10. eval 特有参数
- 11. import-all-tables 特有参数
- 12. job 特有参数
- 13. list-databases 特有参数
- 14. list-tables 特有参数
- 15. merge 特有参数
- 16. metastore 特有参数
- Sqoop作业
- 1. 语法
- 2. 创建作业(--create)
- 3. 验证作业 (--list)
- 4. 检查作业(--show)
- 5. 执行作业 (--exec)
大数据相关工具
Sqoop ETL工具
Sqoop简介
- 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
- 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中主要是对inputformat和outputformat进行定制
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——架构演变史
- Sqoop1 架构:
- 版本号:1.4.x
- 使用 sqoop 客户端直接提交方式,CLI 控制台进行访问
- 安全性:命令或脚本中指定用户数据库名及密码
- Sqoop2 架构:
- 版本号:1.99.x
- 引入了sqoop server,对connector实现了集中的管理,可以通过 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 集中化管理连接,以及 rest api、web ui,引入安全机制 |
部署 | 简单,使用 root 权限安装,连接器必须符合 JDBC | 架构稍复杂,配置部署更加繁琐 |
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,容易暴露密码 | 多种交互方式:命令行、WebUI、REST API,连接集中管理,完善的权限管理机制,connector仅仅负责数据的读写。 |
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
- 安装包下载&解压
wget http://archive.apache.org/dist/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
# 解压
tar -zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /bigdata/install/
- 修改配置文件:
cd /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/conf
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh# 根据自己实际的安装目录填写
#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/bigdata/install/hadoop-3.1.4
#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/bigdata/install/hadoop-3.1.4
#set the path to where bin/hbase is available
export HBASE_HOME=/bigdata/install/hbase-2.2.6
#Set the path to where bin/hive is available
export HIVE_HOME=/bigdata/install/hive-3.1.2
#Set the path for where zookeper config dir is
export ZOOCFGDIR=/usr/apps/zookeeper-3.4.14/conf
- 添加两个必要的jar包:将
java-json.jar
,mysql-connector-java-5.1.38.jar
拷贝到sqoop的lib目录下
scp java-json.jar mysql-connector-java-5.1.38.jar hadoop@node03:/bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib
- 配置 sqoop 的环境变量
sudo vim /etc/profileexport SQOOP_HOME=/bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0
export PATH=$PATH:$SQOOP_HOME/binsource /etc/profile
- 执行命令
sqoop help
命令,有warning日志
- 解决方案:
# pwd = /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0
vim bin/configure-sqoop
- 再次执行命令
sqoop help
命令,一切正常啦!
Sqoop的数据导入
1. 列出所有数据库
# 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
sqoop list-tables --connect jdbc:mysql://node03:3306/mysql --username root --password 123456
2. 准备表数据
- 初始化数据:
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','gopal@tp.com'),(1202,'1661663','manisha@tp.com'),(1203,'8887776','khalil@ac.com'),(1204,'9988774','prasanth@ac.com'),(1205,'1231231','kranthi@tp.com');
- 查看数据:
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
# 参数`--m 1`,表示只启动一个map task进行数据的导入
- 为了验证在HDFS导入的数据,可以使用以下命令查看导入的数据
hdfs dfs -ls /user/hadoop/empFound 2 items
-rw-r--r-- 3 hadoop supergroup 0 2022-01-01 21:35 /user/hadoop/emp/_SUCCESS
-rw-r--r-- 3 hadoop supergroup 381 2022-01-01 21:35 /user/hadoop/emp/part-m-00000
- 也可以到 hadoop web 页面查看:
- 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
4. 导入到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
- 查看导出数据
hdfs dfs -text /sqoop/emp/part-m-00000# 它会用逗号(,)分隔emp表的数据和字段
1201,gopal,manager,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
5. 导入到hdfs指定目录并指定字段之间的分隔符
- 使用参数
--fields-terminated-by
指定分隔符
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'
- 再查看数据
hdfs dfs -text /sqoop/emp2/part-m-00000# 它会用(\t)分隔emp表的数据和字段
1201 gopal manager 50000 TP 2022-01-01 21:30:39.0 2022-01-01 21:30:39.0 1
1202 manisha Proof reader 50000 TP 2022-01-01 21:30:39.0 2022-01-01 21:30:39.0 1
1203 khalil php dev 30000 AC 2022-01-01 21:30:39.0 2022-01-01 21:30:39.0 1
1204 prasanth php dev 30000 AC 2022-01-01 21:30:39.0 2022-01-01 21:30:39.0 1
1205 kranthi admin 20000 TP 2022-01-01 21:30:39.0 2022-01-01 21:30:39.0 1
6. 导入关系表到HIVE
- 将我们 mysql 表当中的数据直接导入到 hive 表中的话,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
cp /bigdata/install/hive-3.1.2/lib/hive-exec-3.1.2.jar /bigdata/install/sqoop-1.4.7.bin__hadoop-2.6.0/lib/
- 准备 hive 表数据,进入 hive 客户端执行以下命令初始化数据
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';
- 开始使用 sqoop 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
- 在 hive 中查询数据:
select * from emp_hive;
7. 导入关系表到hive并自动创建hive表
- 可以通过命令来将我们的 mysql 的表直接导入到 hive 表当中去
# 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
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive
- 导入完成后,到 hive 查询数据:
select * from emp_conn;
8. 将mysql表数据导入到hbase当中去
sqoop1的最新版本1.4.7只与hbase 1.x相兼容,因此这里修改 sqoop 的配置文件 sqoop-env.sh,指定 hbase-2.2.2 版本的 HBase
初始化 mysql 表数据
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');
- 执行如下命令将 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
- HBase当中查看表数据
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
9. 导入表数据子集
可以使用Sqoop工具导入表的“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。
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
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'"
- hdfs 查看数据
hdfs dfs -text /sqoop/emp_add/part-*1202,108I,aoc,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,78B,old city,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,720X,hitec,sec-bad,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
10. sql语句查找导入hdfs
- 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
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 $CONDITIONS' --target-dir /sqoop/emp_conn
- hdfs 查看数据
hdfs dfs -text /sqoop/emp_conn/part-*2356742
1661663
8887776
9988774
1231231
注意:使用sql语句来进行查找是不能加参数–table,并且必须要添加where条件,并且where条件后面必须带一个$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。
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。全部导入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。语法如下:
--incremental <Append> //基于递增列的增量导入
--check-column <column name> //递增列
--last-value <last check column value> //阈值
- 方式一:使用上面的选项来实现
- 注意:增量导入的时候,一定不能加参数
--delete-target-dir
否则会报错
- 注意:增量导入的时候,一定不能加参数
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
hdfs dfs -text /sqoop/increment/part*1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
- 方式二:通过
--where
条件来实现
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --incremental append --where "create_time > '2021-12-30 00:00:00' and is_delete='1' and create_time < '2022-01-02 23:59:59'" --target-dir /sqoop/increment2 --check-column id --m 1# 查看
hdfs dfs -text /sqoop/increment2/part*1201,gopal,manager,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
Sqoop的数据导出
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,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1202,manisha,Proof reader,50000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1203,khalil,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1204,prasanth,php dev,30000,AC,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
1205,kranthi,admin,20000,TP,2022-01-01 21:30:39.0,2022-01-01 21:30:39.0,1
- 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;
- 执行导出命令:
sqoop export --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_out --export-dir /sqoop/emp --input-fields-terminated-by ","
- 验证:去 mysql 表查询数据
Sqoop常用命令及参数详解
1. 常用命令列表
命令 | 类 | 说明 |
---|---|---|
import | ImportTool | 将数据导入到集群 |
export | ExportTool | 将集群数据导出 |
codegen | CodeGenTool | 获取数据库中某张表数据生成Java并打包Jar |
create-hive-table | CreateHiveTableTool | 创建Hive表 |
eval | EvalSqlTool | 查看SQL执行结果 |
import-all-tables | ImportAllTablesTool | 导入某个数据库下所有表到HDFS中 |
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。 |
list-databases | ListDatabasesTool | 列出所有数据库名 |
list-tables | ListTablesTool | 列出某个数据库下所有表 |
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 |
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。 |
help | HelpTool | 打印sqoop帮助信息 |
version | VersionTool | 打印sqoop版本信息 |
2. 数据库连接公共参数
参数 | 说明 |
---|---|
–connect | 连接关系型数据库的URL |
–connection-manager | 指定要使用的连接管理类 |
–driver | JDBC的driver class |
–help | 打印帮助信息 |
–password | 连接数据库的密码 |
–username | 连接数据库的用户名 |
–verbose | 在控制台打印出详细信息 |
3. import 公共参数
参数 | 说明 |
---|---|
–enclosed-by <char> | 给字段值前后加上指定的字符 |
–escaped-by <char> | 对字段中的双引号加转义符 |
–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 |
–lines-terminated-by <char> | 设定每行记录之间的分隔符,默认是\n |
–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。 |
–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。 |
4. export 公共参数
参数 | 说明 |
---|---|
–input-enclosed-by <char> | 对字段值前后加上指定字符 |
–input-escaped-by <char> | 对含有转移符的字段做转义处理 |
–input-fields-terminated-by <char> | 字段之间的分隔符 |
–input-lines-terminated-by <char> | 行之间的分隔符 |
–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. hive 公共参数
参数 | 说明 |
---|---|
–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 |
–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 |
–map-column-hive <map> | 生成hive表时,可以更改生成字段的数据类型 |
–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 |
–hive-partition-value <v> | 导入数据时,指定某个分区的值 |
–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 |
–hive-import | 将数据从关系数据库中导入到hive表中 |
–hive-overwrite | 覆盖掉在hive表中已经存在的数据 |
–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。 |
–hive-table | 后面接要创建的hive表,默认使用MySQL的表名 |
–table | 指定关系数据库的表名 |
6. import 特有参数
- 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、导入数据到hive中:
sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--hive-import
- 2、增量导入到hive中
mode=append
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
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)
- 3、增量导入数据到hdfs中,
mode=lastmodified
# 先在mysql中建表并插入几条数据
create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');# 先导入一部分数据
sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --delete-target-dir --m 1insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');# 再增量导入一部分数据
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
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)
–incremental lastmodified模式下,last-value指定的值是会包含于增量导入的数据中。
参数 | 说明 |
---|---|
–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。 |
–as-avrodatafile | 将数据导入到一个Avro数据文件中 |
–as-sequencefile | 将数据导入到一个sequence文件中 |
–as-textfile | 将数据导入到一个普通文本文件中 |
–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。 |
–columns <col1, col2, col3> | 指定要导入的字段 |
–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。 |
–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 |
–inline-lob-limit | 设定大对象数据类型的最大值 |
–m或–num-mappers | 启动N个map来并行导入数据,默认4个。 |
–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 |
–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) |
–table <table-name> | 关系数据库的表名 |
–target-dir <dir> | 指定HDFS路径 |
–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 |
–where | 从关系数据库导入数据时的查询条件 |
–z或–compress | 允许压缩 |
–compression-codec | 指定hadoop压缩编码类,默认为gzip(Use Hadoop codec default gzip) |
–null-string <null-string> | string类型的列如果null,替换为指定字符串 |
–null-non-string <null-string> | 非string类型的列如果null,替换为指定字符串 |
–check-column <col> | 作为增量导入判断的列名 |
–incremental <mode> | mode:append或lastmodified |
–last-value <value> | 指定某一个值,用于标记增量导入的位置 |
7. export 特有参数
- 从HDFS(包括Hive和HBase)中将数据导出到关系型数据库中
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
参数 | 说明 |
---|---|
–direct | 利用数据库自带的导入导出工具,以便于提高效率 |
–export-dir <dir> | 存放数据的HDFS的源目录 |
-m或–num-mappers <n> | 启动N个map来并行导入数据,默认4个 |
–table <table-name> | 指定导出到哪个RDBMS中的表 |
–update-key <col-name> | 对某一列的字段进行更新操作 |
–update-mode <mode> | updateonly allowinsert(默认) |
–input-null-string <null-string> | 请参考import该类似参数说明 |
–input-null-non-string <null-string> | 请参考import该类似参数说明 |
–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。 |
–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 |
8. codegen 特有参数
- 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
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"
参数 | 说明 |
---|---|
–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 |
–class-name <name> | 设定生成的Java文件指定的名称 |
–outdir <dir> | 生成Java文件存放的路径 |
–package-name <name> | 包名,如com.z,就会生成com和z两级目录 |
–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) |
–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) |
–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 |
–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 |
–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) |
–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 |
9. create-hive-table 特有参数
- 生成与关系数据库表结构对应的hive表结构
sqoop create-hive-table \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_add \
--hive-table emp_add
参数 | 说明 |
---|---|
–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 |
–hive-overwrite | 覆盖掉在Hive表中已经存在的数据 |
–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 |
–hive-table | 后面接要创建的hive表 |
–table | 指定关系数据库的表名 |
10. eval 特有参数
- 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。
sqoop eval \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--query "SELECT * FROM emp"
参数 | 说明 |
---|---|
–query或–e | 后跟查询的SQL语句 |
11. import-all-tables 特有参数
- 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
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--warehouse-dir /all_tables
参数 | 说明 |
---|---|
–as-avrodatafile | 这些参数的含义均和import对应的含义一致 |
–as-sequencefile | |
–as-textfile | |
–direct | |
–direct-split-size <n> | |
–inline-lob-limit <n> | |
–m或—num-mappers <n> | |
–warehouse-dir <dir> | |
-z或–compress | |
–compression-codec |
12. job 特有参数
- 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://node03:3306/userdb \--username root \--password 123456
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
注意 import-all-tables 和它左边的–之间有一个空格
如果需要连接metastore,则–meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop
参数 | 说明 |
---|---|
–create <job-id> | 创建job参数 |
–delete <job-id> | 删除一个job |
–exec \ | 执行一个job |
–help | 显示job帮助 |
–list | 显示job列表 |
–meta-connect <jdbc-uri> | 用来连接metastore服务 |
–show <job-id> | 显示一个job的信息 |
–verbose | 打印命令运行时的详细信息 |
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>
13. list-databases 特有参数
- 列出所有数据库名称
sqoop list-databases \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
- 参数与公用参数一样
14. list-tables 特有参数
- 列出某个数据库下所有表
$ bin/sqoop list-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
**参数:**与公用参数一样
15. merge 特有参数
- 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
# 数据准备
# 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
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# 创建JavaBean
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:
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 | 说明 |
---|---|
–new-data <path> | HDFS 待合并的数据目录,合并后在新的数据集中保留 |
–onto <path> | HDFS合并后,重复的部分在新的数据集中被覆盖 |
–merge-key <col> | 合并键,一般是主键ID |
–jar-file \ | 合并时引入的jar包,该jar包是通过Codegen工具生成的jar包 |
–class-name <class> | 对应的表名或对象名,该class类是包含在jar包中的 |
–target-dir <path> | 合并后的数据在HDFS里存放的目录 |
16. metastore 特有参数
- 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。
# 启动sqoop的metastore服务
sqoop metastore
参数 | 说明 |
---|---|
–shutdown | 关闭metastore |
Sqoop作业
- 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
1. 语法
$ sqoop job (generic-args) (job-args) [-- [subtool-name] (subtool-args)]
$ sqoop-job (generic-args) (job-args) [-- [subtool-name] (subtool-args)]
2. 创建作业(–create)
- 创建一个名为 myjob,可以从 RDBMS 表的数据导入到 HDFS 的作业。
sqoop job --create myjob -- import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --delete-target-dir
3. 验证作业 (–list)
- –list 参数用来验证保存的作业
sqoop job --list
4. 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
sqoop job --show myjob
5. 执行作业 (–exec)
- –exec 选项用于执行保存的作业
sqoop job --exec myjob
大数据高级开发工程师——大数据相关工具之一 Sqoop相关推荐
- 大数据高级开发工程师——Spark学习笔记(9)
文章目录 Spark内存计算框架 Spark Streaming Spark Streaming简介 Spark Streaming架构流程 什么是DStream DStream算子操作 1. Tra ...
- 大数据高级开发工程师——Spark学习笔记(10)
文章目录 Spark内存计算框架 Spark Streaming Checkpoint 1. checkpoint的基本介绍 2. 什么时候需要使用checkpoint 3. 如何使用checkpoi ...
- 大数据高级开发工程师——Spark学习笔记(6)
文章目录 Spark内存计算框架 Spark SQL SparkSQL概述 1. SparkSQL的前世今生 2. 什么是 SparkSQL SparkSQL的四大特性 1. 易整合 2. 统一的数据 ...
- 大数据高级开发工程师——Spark学习笔记(7)
文章目录 Spark内存计算框架 Spark SQL SparkSQL架构设计 1. SparkSQL的架构设计实现 2. Catalyst执行过程 SQL 解析阶段 Parser 绑定逻辑计划 An ...
- 大数据高级开发工程师——Hive学习笔记(2)
文章目录 Hive提高篇 Hive的使用 Hive的分桶表 1. 分桶表的原理 2. 分桶表的作用 3. 案例演示 Hive数据导入 1. 直接向表中插入数据(强烈不推荐使用) 2. 通过load加载 ...
- 大数据高级开发工程师——HBase学习笔记(2)
文章目录 大数据数据库之HBase HBase架构原理 HBase的数据存储原理 HBase读数据流程 HBase写数据流程 HBase的flush.compact机制 Flush触发条件 1. Me ...
- 大数据高级开发工程师——HBase学习笔记(3)
文章目录 Phoenix Phoenix介绍 什么是Phoenix Phoenix底层原理 安装部署 下载安装 配置环境变量 重启hbase集群 验证是否成功 Phoenix使用 批处理方式 命令行方 ...
- 大数据高级开发工程师——Spark学习笔记(4)
文章目录 Spark内存计算框架 Spark Core Spark的shuffle过程 1. HashShuffleManager 未经优化的HashShuffleManager 经过优化的HashS ...
- 大数据高级开发工程师——Spark学习笔记(8)
文章目录 Spark内存计算框架 Spark SQL Spark的动态资源划分 1. Executor动态调整范围? 2. 超时被杀的Executor中持久化数据如何处理? 3. 如何开启Spark的 ...
- 大数据高级开发工程师——Hadoop学习笔记(3)
文章目录 Hadoop进阶篇 HDFS:Hadoop分布式文件系统 NameNode和SecondaryNameNode功能剖析 1. NameNode和SecondaryNameNode解析 2. ...
最新文章
- python中的object是什么意思_Python object类中的特殊方法代码讲解
- linux bootstrap,Bootstrap示例
- Android TextView中设定个别文字字体显示格式
- 7.16 T1 礼物
- laravel在wamp中输入地址后总是无法访问
- JAVASE内测试题
- [转]Bing Maps Tile System 学习
- 提高代码的运行效率(2)
- 浅入深出Vue:事件处理
- 使用js切割URL的参数
- hp服务器装vm系统,服务器虚拟化ESXi 5.5安装过程(HP)
- 模拟电路 - 半导体基本知识
- 【愚公系列】2022年04月 微信小程序-实时音视频播放
- 【嵌入式C语言系列】关键字详解【const】
- 电子板书:Word,PPT,PDF手写批注很轻松
- Ubuntu系统各种文件的颜色代表的意义
- Pytorch官方文档个人阅读总结
- 国家药品监督管理局药品审评中心—重点功能介绍
- 六张图片形成立方体并旋转
- Pomelo Gate
热门文章
- 搜索引擎Bing必应高级搜索使用技巧荟萃
- 计算机组成原理第三部: 总线与IO系统
- [How To]在Linux下设置无线网络桥接
- MySQL添加新用户、创建数据库、为新用户分配权限、收回权限
- 建站百科|网站Banner风格、样式大解析
- 一文搞懂WiFi的所有知识点
- 置信区间的置信区间_什么是置信区间,为什么人们使用它们?
- mysqld: [ERROR] Found option without preceding group in config file D:\MySql\MyS ql\my.ini at line 1
- Semantic Parsing on Freebase from Question-Answer Pairs【论文笔记】
- NYOJ-234-DP(吃土豆)