五十八、Sqoop的常用参数及命令
上一篇文章我们讲述了Sqoop的安装已经一些基本操作,本文我们主要来看看它常用的一些参数和命令。Sqoop是一个非常简单的传输工具,我们进行简单的讲述,不在这上面浪费过多的时间,本文是Sqoop部分的最后一篇文章。关注专栏《破茧成蝶——大数据篇》,查看更多相关的内容~
目录
一、Sqoop常用的命令
二、Sqoop的公用参数
2.1 数据库连接参数
2.2 import参数
2.3 export参数
2.4 hive参数
三、Sqoop的特有参数
3.1 import
3.2 export
3.3 codegen
3.4 create-hive-table
3.5 eval
3.6 import-all-tables
3.7 job
3.8 list-databases
3.9 list-tables
3.10 merge
3.11 metastore
一、Sqoop常用的命令
下面列举出了Sqoop常用的命令参数:
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 |
二、Sqoop的公用参数
2.1 数据库连接参数
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 |
2.2 import参数
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。 |
2.3 export参数
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 |
2.4 hive参数
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 |
三、Sqoop的特有参数
3.1 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
例如:
bin/sqoop import \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--hive-import
加入需要增量导入Hive,则需要配置mode=append,如下:
bin/sqoop import \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/tab_hive \
--check-column id \
--incremental append \
--last-value 3
这里需要注意的是,append不能与--hive-等参数同时使用。当mode=lastmodified时,要指定增量数据是要--append(追加)还是要--merge-key(合并),last-value指定的值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 |
3.2 export
从HDFS(包括Hive和HBase)中将数据导出到关系型数据库中。
1、命令
$ bin/sqoop export \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--export-dir /user/tab \
--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 |
3.3 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
bin/sqoop codegen \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--bindir /home/admin/Desktop/tab \
--class-name tab \
--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 |
3.4 create-hive-table
生成与关系数据库表结构对应的hive表结构。
1、命令
bin/sqoop create-hive-table \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--hive-table hive_tab
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 |
3.5 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
bin/sqoop eval \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--query "SELECT * FROM tab"
2、参数
序号 |
参数 |
说明 |
1 |
--query或--e |
后跟查询的SQL语句 |
3.6 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
bin/sqoop import-all-tables \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--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 |
|
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 |
3.7 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
$ bin/sqoop job \--create myjob -- import-all-tables \--connect jdbc:mysql://master:3306/xzw \--username root \--password pwd$ bin/sqoop job \
--list$ bin/sqoop job \
--exec myjob
这里需要注意的是,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://master:16000/xzw。
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 |
在执行一个job时,如果需要手动输入数据库密码,可以做如下处理:
<property><name>sqoop.metastore.client.record.password</name><value>true</value><description>If true, allow saved passwords in the metastore.</description>
</property>
3.8 list-databases
1、命令
bin/sqoop list-databases \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd
3.9 list-tables
1、命令
bin/sqoop list-tables \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd
3.10 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。
1、命令
1、创建JavaBean:
$ bin/sqoop codegen \
--connect jdbc:mysql://master:3306/xzw \
--username root \
--password pwd \
--table tab \
--bindir /home/admin/Desktop/tab \
--class-name tab \
--fields-terminated-by "\t"2、开始合并:
$ bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/tab/tab.jar \
--class-name tab \
--merge-key id
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 |
3.11 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:启动sqoop的metastore服务
bin/sqoop metastore
2、参数
序号 |
参数 |
说明 |
1 |
--shutdown |
关闭metastore |
以上就是本文的所有内容,比较简单。你们在此过程中遇到了什么问题,欢迎留言,让我看看你们都遇到了哪些问题~
五十八、Sqoop的常用参数及命令相关推荐
- OpenCV学习笔记(五十六)——InputArray和OutputArray的那些事core OpenCV学习笔记(五十七)——在同一窗口显示多幅图片 OpenCV学习笔记(五十八)——读《Mast
OpenCV学习笔记(五十六)--InputArray和OutputArray的那些事core 看过OpenCV源代码的朋友,肯定都知道很多函数的接口都是InputArray或者OutputArray ...
- [Python从零到壹] 五十八.图像增强及运算篇之图像锐化Sobel、Laplacian算子实现边缘检测
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- 五十八、深入了解 Java 中的注解和自定义注解
@Author:Runsen @Date:2020/7/9 人生最重要的不是所站的位置,而是内心所朝的方向.只要我在每篇博文中写得自己体会,修炼身心:在每天的不断重复学习中,耐住寂寞,练就真功,不畏艰 ...
- JavaScript学习(五十八)—作用域链
JavaScript学习(五十八)-作用域链 一.作用域链 在每个作用域中都有一个对象,这个对象被称为变量对象. 变量对象的作用就是用来管理该作用域下面定义的变量和函数的,也就是在该作用域下面定义的变 ...
- 十八个最常用的学术搜索引擎【转载】
十八个最常用的学术搜索引擎 1.http://scholar.google.com/4 虽然还是Beta版,但个人已觉得现在已经是很好很强大了,Google学术搜索滤掉了普通搜索结果中大量的垃圾信息, ...
- 电脑高手必知八个最常用的cmd命令
作为一个网络管理员或者黑客来说,ping命令是第一个必须掌握DOS命令,所利用的原理是这样:网络上的机器都有唯一的IP地址,我们给目标IP地址发送一个数据包,对方就要返回一个同样大小的数据包, 根据返 ...
- 王佩丰excel学习笔记(五):第十五——十八讲
目录 第十五讲 第十六讲 第十七讲 第十八讲 第十五讲 根据某些条件突出显示单元格:开始-条件格式-突出显示单元格规则 制作数据范围趋势:开始-条件格式-数据条 用于分组统计:插入-切片器 多重条件格 ...
- OpenCV系列之图像去噪 | 五十八
目标 在本章中, 你将学习用于去除图像中噪声的非局部均值去噪算法. 你将看到不同的函数,例如cv.fastNlMeansDenoising(),cv.fastNlMeansDenoisingColor ...
- MySQL客户端工具mysqladmin常用参数和命令总结
文章目录 1.1 mysqladmin工具如何安装 1.2 mysqladmin工具有何作用 1.3 mysqladmin工具语法说明 1.4 mysqladmin读取文件获取连接信息 1.5 mys ...
最新文章
- Hibernate **关于hibernate4.3版本之后org.hibernate.service.ServiceRegistryBuilder被弃用**
- Python编程基础:第三节 字符串方法String Methods
- C# 调用cmd执行指令
- 6.LibSVM核函数
- 机器学习(二十一)——Optimizer, 单分类SVM多分类SVM, 时间序列分析
- nssl1195-健美猫【???】
- 如何使ArrayList 线程安全
- JDK 10:从Java访问Java应用程序的进程ID
- 工作401-普通编译模式
- 借力阿里云存储产品 延锋彼欧加速数字化重塑
- linux basename学习
- 阶段1 语言基础+高级_1-3-Java语言高级_09-基础加强_第1节 基础加强_2_Junit_测试概述...
- C++ 对象的内存布局【转】
- Ajax:异步JavaScript和XML的笔记略解,不作为知识参考
- axure rp9安装教程,axurerp9安装步骤
- Android 获取屏幕高度、宽度
- 推荐几本大学生必看的书单
- 【Matlab水果识别】RGB+HSV水果成熟度分级系统【含GUI源码 825期】
- android手机如何截屏,安卓手机怎么截屏(教你华为手机5种截图技巧)
- 安卓如何实现图文混排