Sqoop数据的导入导出与job作业
2024-04-22 06:31:13
1. Sqoop导入数据
站在hadoop的立场看：
import：数据导入。RDBMS----->Hadoop
export：数据导出。Hadoop---->RDBMS
创建表
SET FOREIGN_KEY_CHECKS=0;-- ----------------------------
-- Table structure for `emp`
-- ----------------------------
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
) ENGINE=INNODB DEFAULT CHARSET=latin1;-- ----------------------------
-- Records of emp
-- ----------------------------
INSERT INTO `emp` VALUES ('1201', 'gopal', 'manager', '50000', 'TP');
INSERT INTO `emp` VALUES ('1202', 'manisha', 'Proof reader', '50000', 'TP');
INSERT INTO `emp` VALUES ('1203', 'khalil', 'php dev', '30000', 'AC');
INSERT INTO `emp` VALUES ('1204', 'prasanth', 'php dev', '30000', 'AC');
INSERT INTO `emp` VALUES ('1205', 'kranthi', 'admin', '20000', 'TP');-- ----------------------------
-- Table structure for `emp_add`
-- ----------------------------
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
) ENGINE=INNODB DEFAULT CHARSET=latin1;-- ----------------------------
-- Records of emp_add
-- ----------------------------
INSERT INTO `emp_add` VALUES ('1201', '288A', 'vgiri', 'jublee');
INSERT INTO `emp_add` VALUES ('1202', '108I', 'aoc', 'sec-bad');
INSERT INTO `emp_add` VALUES ('1203', '144Z', 'pgutta', 'hyd');
INSERT INTO `emp_add` VALUES ('1204', '78B', 'old city', 'sec-bad');
INSERT INTO `emp_add` VALUES ('1205', '720X', 'hitec', 'sec-bad');-- ----------------------------
-- Table structure for `emp_conn`
-- ----------------------------
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
) ENGINE=INNODB DEFAULT CHARSET=latin1;-- ----------------------------
-- Records of emp_conn
-- ----------------------------
INSERT INTO `emp_conn` VALUES ('1201', '2356742', 'gopal@tp.com');
INSERT INTO `emp_conn` VALUES ('1202', '1661663', 'manisha@tp.com');
INSERT INTO `emp_conn` VALUES ('1203', '8887776', 'khalil@ac.com');
INSERT INTO `emp_conn` VALUES ('1204', '9988774', 'prasanth@ac.com');
INSERT INTO `emp_conn` VALUES ('1205', '1231231', 'kranthi@tp.com');
表创建完成，如下图所示
emp：
emp_add:
emp_conn:
1.1 全量导入mysql表数据到HDFS
启动集群
[xiaokang@node01 ~]$ zkServer.sh start
[xiaokang@node02 ~]$ zkServer.sh start
[xiaokang@node03 ~]$ zkServer.sh start
[xiaokang@node01 ~]$ start-dfs.sh
[xiaokang@node03 ~]$ start-yarn.sh
[xiaokang@node01 ~]$ mr-jobhistory-daemon.sh start historyserver
[xiaokang@node02 ~]$ yarn-daemon.sh start resourcemanager
① 要求：将userdb数据库中emp表的全部数据导入hdfs
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --delete-target-dir \
> --target-dir /sqoopresult212 \
> --table emp --m 1# 注释：
# --delete-target-dir 如果/sqoopresult212 路径已存在，则先删除
# --target-dir /sqoopresult212 在hdfs上创建/sqoopresult 路径
# --m 1 指定maptask的并行度
来到 yarn 端口，可以看到一个emp.jar的任务
来到hdfs，可以看到导入的文件。在进行导入导出的时候，是一个特殊的mr程序，只有map阶段，没有reduce阶段。因为导入导出不需要数据的聚合。mysql的默认分隔符是’,’
② 要求：将userdb数据库中emp表的全部数据导入hdfs ，指定分隔符 ‘\t’
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --target-dir /sqoopresult213 \
> --fields-terminated-by '\t' \
> --table emp --m 1# 注释
# --fields-terminated-by '\t' 指定导入内容的分隔符为'\t'
③ 要求：将userdb数据库中emp表的全部数据导入hdfs ，指定并行度为2
错误命令：
[xiaokang@node01 ~]$ sqoop import
> --connect jdbc:mysql://node01:3306/userdb
> --username root
> --password xiaokang
> --target-dir /sqoopresult214
> --fields-terminated-by '\t'
> --table emp --m 2
报错如下：emp表没有主键，用 split-by 指明根据哪个字段来分
正确写法：
[xiaokang@node01 ~]$ sqoop import
> --connect jdbc:mysql://node01:3306/userdb
> --username root
> --password xiaokang
> --target-dir /sqoopresult214
> --fields-terminated-by '\t'
> --split-by id
> --table emp --m 2# 注释
# --split-by id --table emp --m 2 指定根据id字段进行划分并启动2个maptask
看到输出的日志，读数据组件已经变成了DBInputFormat。一个边界范围的查询：查询emp表id字段的最大值，最小值。hdfs上有两个文件。
1.2 全量导入mysql表数据到HIVE
1.2.1 先复制表结构，再导入文件
① 将MySQL的表结构复制到hive中
0: jdbc:hive2://node01:11240> create database test;
0: jdbc:hive2://node01:11240> use test;# 执行以下操作可能会出现 缺少环境变量配置问题，jdk配置问题，jar包不兼容问题，自行解决即可
[xiaokang@node01 ~]$ sqoop create-hive-table \
> --connect jdbc:mysql://node01:3306/userdb \
> --table emp_add \
> --username root \
> --password xiaokang \
> --hive-table test.emp_add_sp0: jdbc:hive2://node01:11240> show tables;
+-------------+
| tab_name |
+-------------+
| emp_add_sp |
+-------------+
1 row selected (0.196 seconds)
0: jdbc:hive2://node01:11240> select * from emp_add_sp;
# 表中并没有数据，说明只复制了表结构
+------------------+-----------------+----------------+--------------------+
| emp_add_sp.city | emp_add_sp.hno | emp_add_sp.id | emp_add_sp.street |
+------------------+-----------------+----------------+--------------------+
+------------------+-----------------+----------------+--------------------+0: jdbc:hive2://node01:11240> desc formatted emp_add_sp;
# 查看表结构
② 从MySQL中导入文件到hive中
来到hdfs,我们看到路径下现在并没有相关文件
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table emp_add \
> --hive-table test.emp_add_sp \
> --hive-import \
> --m 1
看到输出的日志，接收了5条记录：
查看一下表中是否已经有数据：
0: jdbc:hive2://node01:11240> select * from emp_add_sp;
+------------------+-----------------+----------------+--------------------+
| emp_add_sp.city | emp_add_sp.hno | emp_add_sp.id | emp_add_sp.street |
+------------------+-----------------+----------------+--------------------+
| jublee | 288A | 1201 | vgiri |
| sec-bad | 108I | 1202 | aoc |
| hyd | 144Z | 1203 | pgutta |
| sec-bad | 78B | 1204 | old city |
| sec-bad | 720X | 1205 | hitec |
+------------------+-----------------+----------------+--------------------+
来到hdfs相应的表目录下：
可以看到，在hive中默认分隔符是不可见分隔符，叫做’\001’。
1.2.2 直接复制表结构数据到hive中
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table emp_conn \
> --hive-import \
> --m 1 \
> --hive-database test0: jdbc:hive2://node01:11240> show tables;
+-------------+
| tab_name |
+-------------+
| emp_add_sp |
| emp_conn |
+-------------+
2 rows selected (0.161 seconds)
0: jdbc:hive2://node01:11240> select * from emp_conn;
+------------------+--------------+----------------+
| emp_conn.email | emp_conn.id | emp_conn.phno |
+------------------+--------------+----------------+
| gopal@tp.com | 1201 | 2356742 |
| manisha@tp.com | 1202 | 1661663 |
| khalil@ac.com | 1203 | 8887776 |
| prasanth@ac.com | 1204 | 9988774 |
| kranthi@tp.com | 1205 | 1231231 |
+------------------+--------------+----------------+
1.3 导入表数据子集(where过滤)
将MySQL中的emp_add表的字段 city=‘sec-bad’ 的记录导入hive
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --where "city='sec-bad'" \
> --target-dir /wherequery \
> --table emp_add --m 1
查看输出的日志，接收了三条记录
1.4 导入表数据子集(query查询)
使用 query sql 语句来进行查找不能加参数 --table
并且必须要添加 where 条件
并且 where 条件后面必须带一个 $CONDITIONS 这个字符串
并且这个 sql 语句必须用单引号，不能用双引号
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --target-dir /wherequery12 \
> --query 'select id,name,deg from emp where id>1203 and $CONDITIONS' \
> --split-by id \
> --fields-terminated-by '\001' \
> --m 2
1.5 增量导入
增量导入：仅导入新添加的表中的行
1.5.1 append模式增量导入
先将emp表的数据全量导入hdfs：
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --target-dir /appendresult \
> --table emp --m 1
然后向MySQL的emp表中插入2条数据：
insert into `userdb`.`emp` (`id`, `name`, `deg`, `salary`, `dept`) values ('1206', 'allen', 'admin', '30000', 'tp');
insert into `userdb`.`emp` (`id`, `name`, `deg`, `salary`, `dept`) values ('1207', 'woon', 'admin', '40000', 'tp');
将新增的两条记录导入hdfs:
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table emp --m 1 \
> --target-dir /appendresult \
> --incremental append \
> --check-column id \
> --last-value 1205# --incremental append 追加模式
# --check-column id 检测字段id
# --last-value 1205 上次导入的最后一条记录的id是1205
看到打印的日志信息，上次导入的最后一条记录的id已经变成了1207:
1.5.2 lastmodified模式增量导入
append
首先创建一个customertest表，指定一个时间戳字段，并插入值:
create table customertest(id int,name varchar(20),last_mod timestamp default current_timestamp on update current_timestamp);# 一条一条的执行
insert into customertest(id,name) values(1,'neil');
insert into customertest(id,name) values(2,'jack');
insert into customertest(id,name) values(3,'martin');
insert into customertest(id,name) values(4,'tony');
insert into customertest(id,name) values(5,'eric');
将数据全量导入hdfs:
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --target-dir /lastmodifiedresult \
> --table customertest --m 1
再向customertest表中插入一条记录:
insert into customertest(id,name) values(6,'james')
进行增量导入：
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table customertest \
> --target-dir /lastmodifiedresult \
> --check-column last_mod \
> --incremental lastmodified \
> --last-value "2021-06-07 20:54:25" \
> --m 1 \
> --append# --check-column last_mod 检查last_mod字段
# --incremental lastmodified 追加模式
# --上次导入的最后一条记录的last_mod字段为"2021-06-07 20:54:25"
# --append 追加模式
日志显示，导入了两条记录
可以看到，第5条记录又导入了进来。说明在lastmodified这种情况下，进行数据增量导入，不是大于"2021-06-07 20:54:25"，而是将大于等于"2021-06-07 20:54:25"的记录都给导入进来。
小结：
sqoop支持两种模式的增量导入
– append追加 根据数值类型字段进行追加导入大于指定的last-value的记录
– lastmodified 根据时间戳类型的字段进行追加大于等于指定的last-value的记录。在lastmodified模式下分为两种形式：append(追加)，merge-key(根据key合并)
merge-key
修改customertest 表数据：
update customertest set name = 'NEIL' where id = 1;
修改之后如图所示：
[xiaokang@node01 ~]$ sqoop import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table customertest \
> --target-dir /lastmodifiedresult \
> --check-column last_mod \
> --incremental lastmodified \
> --last-value "2021-06-07 20:54:25" \
> --m 1 \
> --merge-key id
如果有变化数据，会把变化的数据同步过来。如果有新增数据，会把新增数据同步过来。merge-key模式进行了一次完整的MapReduce操作，避免了数据重复的情况。
2. Sqoop导出数据
Hadoop --> RDBMS , 数据导出前，目标表必须存在。
export有三种模式：
1. 默认操作是将数据使用insert语句插入到表中。
2. 更新模式：Sqoop生成update替换数据库中现有的语句
3. 调用模式：Sqoop为每一条记录创建一个存储过程调用。
2.1 默认模式
此模式主要用于将记录导出到空表中。
要求：将HDFS数据导出到mysql
① 准备hdfs数据
在hdfs的/emp_data路径下创建一个文件emp_data.txt
[xiaokang@node01 ~]$ vim emp_data.txt
# 插入以下内容：
1201,gopal,manager,50000,TP
1202,manisha,preader,50000,TP
1203,kalil,php dev,30000,AC
1204,prasanth,php dev,30000,AC
1205,kranthi,admin,20000,TP
1206,satishp,grpdes,20000,GR
在hdfs上创建路径，并上传数据文件
[xiaokang@node01 ~]$ hadoop fs -mkdir /emp_data/
[xiaokang@node01 ~]$ hadoop fs -put emp_data.txt /emp_data/
② 在MySQL中创建目标表
USE userdb;
CREATE TABLE employee (
id INT NOT NULL PRIMARY KEY,
NAME VARCHAR(20),
deg VARCHAR(20),
salary INT,
dept VARCHAR(10))
DEFAULT CHARSET=utf8;
③ 执行导出命令
[xiaokang@node01 ~]$ sqoop export --connect jdbc:mysql://node01:3306/userdb --username root --password xiaokang --table employee --export-dir /emp_data/
# --export-dir 指定导出路径，导出路径是hdfs上的/emp_data/
看到日志信息，导出了6条记录，如下图：
看一下employee表中的数据：
说明：导出的目标表需要自己提前手动创建，Sqoop不会帮我们创建
2.2 常用语法
① --columns
# 创建表employee1
CREATE TABLE employee1 (
id INT NOT NULL PRIMARY KEY,
salary INT,
deg VARCHAR(20),
NAME VARCHAR(20),
dept VARCHAR(10));
employee表的属性与hdfs上emp_data.txt文件的字段不对应，此时导出数据需要指定emp_data.txt的字段名。
# 导出数据
[xiaokang@node01 ~]$ sqoop export \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table employee1 \
> --columns id,name,deg,salary,dept \
> --export-dir /emp_data/
结果如下：
② --input-fields-terminated-by ‘\t’ 指定文件中的字段分隔符，默认",“分隔。
③ --export-dir 指定hdfs上的导出目录或导出文件名
④ --input-null-string “\N” 空的字符串以”\N"来替代，–input-null-non-string “\N” 空的非字符串以"\N"来替代。
2.3 更新导出(updateonly模式)
① --update-key 指定更新的标识字段，标识字段可以是一个或多个
② --update-mode 指定更新模式
# 在hdfs上创建一个新路径并上传文件
[xiaokang@node01 ~]$ hdfs dfs -mkdir /updateonly_1/
[xiaokang@node01 ~]$ cat updateonly_1.txt
1201,gopal,manager,50000
1202,manisha,preader,50000
1203,kalil,php dev,30000
[xiaokang@node01 ~]$ hdfs dfs -put updateonly_1.txt /updateonly_1
# 创建表
USE userdb;
CREATE TABLE updateonly (
id INT NOT NULL PRIMARY KEY,
NAME VARCHAR(20),
deg VARCHAR(20),
salary INT);
# 将updateonly_1.txt 全量导出到updateonly表
[xiaokang@node01 ~]$ sqoop export \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table updateonly \
> --export-dir /updateonly_1/
# 再准备一个文件并上传到hdfs
# 说明：updateonly_2.txt文件既对updateonly_1.txt文件的记录做了修改，又新增了记录
[xiaokang@node01 ~]$ cat updateonly_2.txt
1201,gopal,manager,1212
1202,manisha,preader,1313
1203,kalil,php dev,1414
1204,allen,java,1515
[xiaokang@node01 ~]$ hdfs dfs -mkdir /updateonly_2
[xiaokang@node01 ~]$ hdfs dfs -put updateonly_2.txt /updateonly_2
执行更新导出
[xiaokang@node01 ~]$ sqoop export \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table updateonly \
> --export-dir /updateonly_2 \
> --update-key id \
> --update-mode updateonly
# --update-mode updateonly 指定更新模式为只更新, updateonly只更新已存在的记录，不会执行增加新的数据。
2.4 更新导出(allowinsert模式)
# 创建allowinsert.txt文件并上传至hdfs的/allowinsert_1/路径下
[xiaokang@node01 ~]$ cat allowinsert_1.txt
1201,gopal,manager,50000
1202,manisha,preader,50000
1203,kalil,php dev,30000
[xiaokang@node01 ~]$ hdfs dfs -mkdir /allowinsert_1
[xiaokang@node01 ~]$ hdfs dfs -put allowinsert_1.txt /allowinsert_1
# 创建表
USE userdb;
CREATE TABLE allowinsert (
id INT NOT NULL PRIMARY KEY,
NAME VARCHAR(20),
deg VARCHAR(20),
salary INT);
# 全量导出
[xiaokang@node01 ~]$ sqoop export \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table allowinsert \
> --export-dir /allowinsert_1/
# 创建allowinsert_2.txt文件并上传至hdfs的/allowinsert_2/路径下
[xiaokang@node01 ~]$ cat allowinsert_2.txt
1201,gopal,manager,1212
1202,manisha,preader,1313
1203,kalil,php dev,1414
1204,allen,java,1515
[xiaokang@node01 ~]$ hdfs dfs -mkdir /allowinsert_2
[xiaokang@node01 ~]$ hdfs dfs -put allowinsert_2.txt /allowinsert_2
# 更新导出
[xiaokang@node01 ~]$ sqoop export \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --table allowinsert \
> --export-dir /allowinsert_2/ \
> --update-key id \
> --update-mode allowinsert
# --update-mode allowinsert 指定更新模式为既更新又插入
allowinsert 更新已有的数据，插入新的数据，相当于update+insert
3. Sqoop job 作业
① 创建作业(–create)
[xiaokang@node01 ~]$ sqoop job --create youyoujob01 -- import --connect jdbc:mysql://node01:3306/userdb --username root --password xiaokang --target-dir /sqoopresult333 --table emp --m 1
遇到了一些小问题，参考这篇博客就可以解决
21/06/20 11:22:10 ERROR sqoop.Sqoop: Got exception running Sqoop: java.lang.NullPointerException
java.lang.NullPointerExceptionat org.json.JSONObject.<init>(JSONObject.java:144)at org.apache.sqoop.util.SqoopJsonUtil.getJsonStringforMap(SqoopJsonUtil.java:43)at org.apache.sqoop.SqoopOptions.writeProperties(SqoopOptions.java:785)at org.apache.sqoop.metastore.hsqldb.HsqldbJobStorage.createInternal(HsqldbJobStorage.java:399)at org.apache.sqoop.metastore.hsqldb.HsqldbJobStorage.create(HsqldbJobStorage.java:379)at org.apache.sqoop.tool.JobTool.createJob(JobTool.java:181)at org.apache.sqoop.tool.JobTool.run(JobTool.java:294)at org.apache.sqoop.Sqoop.run(Sqoop.java:147)at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)at org.apache.sqoop.Sqoop.runSqoop(Sqoop.java:183)at org.apache.sqoop.Sqoop.runTool(Sqoop.java:234)at org.apache.sqoop.Sqoop.runTool(Sqoop.java:243)at org.apache.sqoop.Sqoop.main(Sqoop.java:252)
[xiaokang@node01 ~]$ sqoop job \
> --create youyoujob02 \
> -- import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password xiaokang \
> --target-dir /sqoopresult333 \
> --table emp --m 1
② 验证作业(–list)
# 显示系统当下所保存的job
[xiaokang@node01 ~]$ sqoop job --list
Available jobs:youyoujob01youyoujob02
③ 检查作业(–show)
[xiaokang@node01 ~]$ sqoop job --show youyoujob02
Enter password: #输入MySQL密码
④ 执行作业(–exec)
[xiaokang@node01 ~]$ sqoop job --exec youyoujob02
Enter password: # MySQL密码
⑤ 删除作业
[xiaokang@node01 ~]$ sqoop job --delete youyoujob01
[xiaokang@node01 ~]$ sqoop job --list
Available jobs:youyoujob02
⑥ 免密执行job
sqoop在创建job时，使用 --password-file 参数，可以避免输入mysql密码。sqoop规定密码文件必须存放在hdfs上，权限必须为400。
# 将MySQL的密码添加到youyoumysql.pwd文件中
[xiaokang@node01 ~]$ echo -n "xiaokang" > youyoumysql.pwd
# 在hdfs上创建youyoumysql.pwd文件的存放路径
[xiaokang@node01 ~]$ hdfs dfs -mkdir -p /input/sqoop/pwd/
# 上传youyoumysql.pwd至hdfs
[xiaokang@node01 ~]$ hdfs dfs -put youyoumysql.pwd /input/sqoop/pwd/
# 修改youyoumysql.pwd的权限为400
[xiaokang@node01 ~]$ hdfs dfs -chmod 400 /input/sqoop/pwd/youyoumysql.pwd
# 进入sqoop-site.xml，添加以下配置内容：
[xiaokang@node01 ~]$ vim /opt/software/sqoop-1.4.7/conf/sqoop-site.xml
<property><name>sqoop.metastore.client.record.password</name><value>true</value><description>If true, allow saved passwords in the metastore.</description>
</property>
# 创建sqoop job
[xiaokang@node01 ~]$ sqoop job --create youyoujob03 -- import \
> --connect jdbc:mysql://node01:3306/userdb \
> --username root \
> --password-file /input/sqoop/pwd/youyoumysql.pwd \
> --target-dir /sqoopresult999 \
> --table emp --m 1# 执行任务
# 这次就不用输入密码了
[xiaokang@node01 ~]$ sqoop job --exec youyoujob03
视频链接：大数据Sqoop教程丨从零开始讲解大数据业务及数据采集和迁移需求–传智教育
Sqoop数据的导入导出与job作业相关推荐
- 如何将mysql导出数据泵_Oracle数据库之ORACLE 数据泵导入导出数据
本文主要向大家介绍了Oracle数据库之ORACLE 数据泵导入导出数据,通过具体的内容向大家展现,希望对大家学习Oracle数据库有所帮助. 一.摘要 在平常备库和数据库迁移的时候,当遇到大的数据库 ...
- 使用Oracle 的 imp ,exp 命令实现数据的导入导出
本文对Oracle数据的导入导出 imp ,exp 两个命令进行了介绍, 并对其相应的参数进行了说明,然后通过一些示例进行演练,加深理解. 文章最后对运用这两个命令可能出现的问题(如权限不够,不同or ...
- MATLAB中文件的读写和数据的导入导出
http://blog.163.com/tawney_daylily/blog/static/13614643620111117853933/ 在编写一个程序时,经常需要从外部读入数据,或者将程序运行 ...
- oracle导出对象和数据,浅析Oracle对象和数据的导入导出
对于Oracle对象和数据的导入导出,我们会用到一些小工具.以前我们一般都是使用PL/SQL Developer来实现,但是PL/SQL Developer在导出.导入数据时有两个问题: 1.要把表数 ...
- docker导入MySQL文件_Docker容器中Mysql数据的导入/导出详解
前言 Mysql数据的导入导出我们都知道一个mysqldump命令就能够解决,但如果是运行在docker环境下的mysql呢? 解决办法其实还是用mysqldump命令,但是我们需要进入docker的 ...
- MySQL数据库基础（三）数据的导入导出、管理表记录、匹配条件
数据的导入导出 搜索路径 查看搜索路径 安装时已经自动创建 命令:mysql > show variables like "secure_file_priv"; mysql& ...
- MySQL通过存储过程使用循环结构循环创建数据，以及批量数据的导入导出
1. 创建数据 为了实现批量数据的导入导出,首先需要创建大量的数据,通过循环结构搭配存储过程实现循环插入,但是这种方式相当慢,博主插入1万条数据,花费了5分钟54秒的时间. 需要注意的两点:①不管是循 ...
- 循序渐进开发WinForm项目（5)--Excel数据的导入导出操作
随笔背景:在很多时候,很多入门不久的朋友都会问我:我是从其他语言转到C#开发的,有没有一些基础性的资料给我们学习学习呢,你的框架感觉一下太大了,希望有个循序渐进的教程或者视频来学习就好了. 其实也许我 ...
- 分组后分页_SQL(约束、视图、分页、序列、索引、同义词、创建用户,为用户授权、执行计划的使用 数据的导入导出)...
学习主题:SQL 学习目标: 掌握约束 掌握视图 修改表名与删除表 删除表中的列语句的语法结构是什么? 答:delete 表名from table where ; 删除表中的列语句的语法结构是什么? ...
最新文章
- Excel中条件格式应用的探讨之突出显示！
- 郑州轻工业学院第八届玲珑杯校赛题解
- [分享]天轰穿VS2005视频教程
- kafka ConsumerConfig: The configuration max.poll.records = 1 was supplied but isn't a known config
- Windows 2000服务器安全配置精华技巧
- 上传文件到sftp服务器
- Redis之案例：省份列表(下)
- C++之文件批量改名
- web标准是html5推出的标准,HTML5 标准规范完成了
- 的欧美HTML游戏,国外十大HTML5、JavaScript 3D游戏引擎和框架
- AAAI2020论文列表（中英对照）
- 《一代大商孟洛川》经典台词
- 后端 php mysql_搭建并部署PHP + MySQL后端环境
- 让docsify-katex支持化学公式mhchem扩展
- 电压放大器的作用原理是什么
- 第一阶段团队冲刺值分析
- PythonOCC封装：2.重新封装pythonocc
- SpringBoot参数校验
- Delphi Tmail2000
- 口袋取球的取法问题（C++实现）