大數據-sqoop(六)
Sqoop一些常用命令及參數
常用命令列舉
命令 |
類 |
說明 |
import |
ImportTool |
將數據導入到集羣 |
export |
ExportTool |
將集羣數據導出 |
codegen |
CodeGenTool |
獲取數據庫中某張表數據生成Java並打包Jar |
create-hive-table |
CreateHiveTableTool |
創建Hive表 |
eval |
EvalSqlTool |
查看SQL執行結果 |
import-all-tables |
ImportAllTablesTool |
導入某個數據庫下所有表到HDFS中 |
job
|
JobTool |
用來生成一個sqoop的任務,生成後,該任務並不執行,除非使用命令執行該任務。 |
list-databases |
ListDatabasesTool |
列出所有數據庫名 |
list-tables |
ListTablesTool |
列出某個數據庫下所有表 |
merge |
MergeTool |
將HDFS中不同目錄下面的數據合在一起,並存放在指定的目錄中 |
metastore
|
MetastoreTool |
記錄sqoop job的元數據信息,如果不啓動metastore實例,則默認的元數據存儲目錄爲:~/.sqoop,如果要更改存儲目錄,可以在配置文件sqoop-site.xml中進行更改。 |
help |
HelpTool |
打印sqoop幫助信息 |
version |
VersionTool |
打印sqoop版本信息 |
命令&參數詳解
剛纔列舉了一些Sqoop的常用命令,對於不同的命令,有不同的參數,讓我們來一一列舉說明。
首先來我們來介紹一下公用的參數,所謂公用參數,就是大多數命令都支持的參數。
1、公用參數:數據庫連接
序號 |
參數 |
說明 |
1 |
--connect |
連接關係型數據庫的URL |
2 |
--connection-manager |
指定要使用的連接管理類 |
3 |
--driver |
JDBC的driver class |
4 |
--help |
打印幫助信息 |
5 |
--password |
連接數據庫的密碼 |
6 |
--username |
連接數據庫的用戶名 |
7 |
--verbose |
在控制檯打印出詳細信息 |
2、公用參數:import
序號 |
參數 |
說明 |
1 |
--enclosed-by <char> |
給字段值前後加上指定的字符 |
2 |
--escaped-by <char> |
對字段中的雙引號加轉義符 |
3 |
--fields-terminated-by <char> |
設定每個字段是以什麼符號作爲結束,默認爲逗號 |
4 |
--lines-terminated-by <char> |
設定每行記錄之間的分隔符,默認是\n |
5 |
--mysql-delimiters |
Mysql默認的分隔符設置,字段之間以逗號分隔,行之間以\n分隔,默認轉義符是\,字段值以單引號包裹。 |
6 |
--optionally-enclosed-by <char> |
給帶有雙引號或單引號的字段值前後加上指定字符。 |
3、公用參數:export
序號 |
參數 |
說明 |
1 |
--input-enclosed-by <char> |
對字段值前後加上指定字符 |
2 |
--input-escaped-by <char> |
對含有轉移符的字段做轉義處理 |
3 |
--input-fields-terminated-by <char> |
字段之間的分隔符 |
4 |
--input-lines-terminated-by <char> |
行之間的分隔符 |
5 |
--input-optionally-enclosed-by <char> |
給帶有雙引號或單引號的字段前後加上指定字符 |
4、公用參數:hive
序號 |
參數 |
說明 |
1 |
--hive-delims-replacement <arg> |
用自定義的字符串替換掉數據中的\r\n和\013 \010等字符 |
2 |
--hive-drop-import-delims |
在導入數據到hive時,去掉數據中的\r\n\013\010這樣的字符 |
3 |
--map-column-hive <map> |
生成hive表時,可以更改生成字段的數據類型 |
4 |
--hive-partition-key |
創建分區,後面直接跟分區名,分區字段的默認類型爲string |
5 |
--hive-partition-value <v> |
導入數據時,指定某個分區的值 |
6 |
--hive-home <dir> |
hive的安裝目錄,可以通過該參數覆蓋之前默認配置的目錄 |
7 |
--hive-import |
將數據從關係數據庫中導入到hive表中 |
8 |
--hive-overwrite |
覆蓋掉在hive表中已經存在的數據 |
9 |
--create-hive-table |
默認是false,即,如果目標表已經存在了,那麼創建任務失敗。 |
10 |
--hive-table |
後面接要創建的hive表,默認使用MySQL的表名 |
11 |
--table |
指定關係數據庫的表名 |
公用參數介紹完之後,我們來按照命令介紹命令對應的特有參數。
5、命令&參數:import
將關係型數據庫中的數據導入到HDFS(包括Hive,HBase)中,如果導入的是Hive,那麼當Hive中沒有對應表時,則自動創建。
1) 命令:
如:導入數據到hive中
$ bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--hive-import
如:增量導入數據到hive中,mode=append
append導入:
$ 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
易錯提醒:append不能與--hive-等參數同時使用(Append mode for hive imports is not yet supported. Please remove the parameter --append-mode)
如:增量導入數據到hdfs中,mode=lastmodified
先在mysql中建表並插入幾條數據:
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');
先導入一部分數據:
$ bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_conn \
--delete-target-dir \
--m 1
再增量導入一部分數據:
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');
$ bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
易錯提醒:--incremental lastmodified模式下,last-value指定的值是會包含於增量導入的數據中。易錯提醒:使用lastmodified方式導入數據要指定增量數據是要--append(追加)還是要--merge-key(合併)
2) 參數:
序號 |
參數 |
說明 |
1 |
--append |
將數據追加到HDFS中已經存在的DataSet中,如果使用該參數,sqoop會把數據先導入到臨時文件目錄,再合併。 |
2 |
--as-avrodatafile |
將數據導入到一個Avro數據文件中 |
3 |
--as-sequencefile |
將數據導入到一個sequence文件中 |
4 |
--as-textfile |
將數據導入到一個普通文本文件中 |
5 |
--boundary-query <statement> |
邊界查詢,導入的數據爲該參數的值(一條sql語句)所執行的結果區間內的數據。 |
6 |
--columns <col1, col2, col3> |
指定要導入的字段 |
7 |
--direct |
直接導入模式,使用的是關係數據庫自帶的導入導出工具,以便加快導入導出過程。 |
8 |
--direct-split-size |
在使用上面direct直接導入的基礎上,對導入的流按字節分塊,即達到該閾值就產生一個新的文件 |
9 |
--inline-lob-limit |
設定大對象數據類型的最大值 |
10 |
--m或–num-mappers |
啓動N個map來並行導入數據,默認4個。 |
11 |
--query或--e <statement> |
將查詢結果的數據導入,使用時必須伴隨參--target-dir,--hive-table,如果查詢中有where條件,則條件後必須加上$CONDITIONS關鍵字 |
12 |
--split-by <column-name> |
按照某一列來切分表的工作單元,不能與--autoreset-to-one-mapper連用(請參考官方文檔) |
13 |
--table <table-name> |
關係數據庫的表名 |
14 |
--target-dir <dir> |
指定HDFS路徑 |
15 |
--warehouse-dir <dir> |
與14參數不能同時使用,導入數據到HDFS時指定的目錄 |
16 |
--where |
從關係數據庫導入數據時的查詢條件 |
17 |
--z或--compress |
允許壓縮 |
18 |
--compression-codec |
指定hadoop壓縮編碼類,默認爲gzip(Use Hadoop codec default gzip) |
19 |
--null-string <null-string> |
string類型的列如果null,替換爲指定字符串 |
20 |
--null-non-string <null-string> |
非string類型的列如果null,替換爲指定字符串 |
21 |
--check-column <col> |
作爲增量導入判斷的列名 |
22 |
--incremental <mode> |
mode:append或lastmodified |
23 |
--last-value <value> |
指定某一個值,用於標記增量導入的位置 |
6、命令&參數:export
從HDFS(包括Hive和HBase)中獎數據導出到關係型數據庫中。
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) 參數:
序號 |
參數 |
說明 |
1 |
--direct |
利用數據庫自帶的導入導出工具,以便於提高效率 |
2 |
--export-dir <dir> |
存放數據的HDFS的源目錄 |
3 |
-m或--num-mappers <n> |
啓動N個map來並行導入數據,默認4個 |
4 |
--table <table-name> |
指定導出到哪個RDBMS中的表 |
5 |
--update-key <col-name> |
對某一列的字段進行更新操作 |
6 |
--update-mode <mode> |
updateonly allowinsert(默認) |
7 |
--input-null-string <null-string> |
請參考import該類似參數說明 |
8 |
--input-null-non-string <null-string> |
請參考import該類似參數說明 |
9 |
--staging-table <staging-table-name> |
創建一張臨時表,用於存放所有事務的結果,然後將所有事務結果一次性導入到目標表中,防止錯誤。 |
10 |
--clear-staging-table |
如果第9個參數非空,則可以在導出操作執行前,清空臨時事務結果表 |
7、命令&參數:codegen
將關係型數據庫中的表映射爲一個Java類,在該類中有各列對應的各個字段。
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"
序號 |
參數 |
說明 |
1 |
--bindir <dir> |
指定生成的Java文件、編譯成的class文件及將生成文件打包爲jar的文件輸出路徑 |
2 |
--class-name <name> |
設定生成的Java文件指定的名稱 |
3 |
--outdir <dir> |
生成Java文件存放的路徑 |
4 |
--package-name <name> |
包名,如com.z,就會生成com和z兩級目錄 |
5 |
--input-null-non-string <null-str> |
在生成的Java文件中,可以將null字符串或者不存在的字符串設置爲想要設定的值(例如空字符串) |
6 |
--input-null-string <null-str> |
將null字符串替換成想要替換的值(一般與5同時使用) |
7 |
--map-column-java <arg> |
數據庫字段在生成的Java文件中會映射成各種屬性,且默認的數據類型與數據庫類型保持對應關係。該參數可以改變默認類型,例如:--map-column-java id=long, name=String |
8 |
--null-non-string <null-str> |
在生成Java文件時,可以將不存在或者null的字符串設置爲其他值 |
9 |
--null-string <null-str> |
在生成Java文件時,將null字符串設置爲其他值(一般與8同時使用) |
10 |
--table <table-name> |
對應關係數據庫中的表名,生成的Java文件中的各個屬性與該表的各個字段一一對應 |
8、命令&參數:create-hive-table
生成與關係數據庫表結構對應的hive表結構。
命令:
如:
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp_add \
--hive-table emp_add
參數:
序號 |
參數 |
說明 |
1 |
--hive-home <dir> |
Hive的安裝目錄,可以通過該參數覆蓋掉默認的Hive目錄 |
2 |
--hive-overwrite |
覆蓋掉在Hive表中已經存在的數據 |
3 |
--create-hive-table |
默認是false,如果目標表已經存在了,那麼創建任務會失敗 |
4 |
--hive-table |
後面接要創建的hive表 |
5 |
--table |
指定關係數據庫的表名 |
9、命令&參數:eval
可以快速的使用SQL語句對關係型數據庫進行操作,經常用於在import數據之前,瞭解一下SQL語句是否正確,數據是否正常,並可以將結果顯示在控制檯。
命令:
如:
$ bin/sqoop eval \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--query "SELECT * FROM emp"
參數:
序號 |
參數 |
說明 |
1 |
--query或--e |
後跟查詢的SQL語句 |
10、命令&參數:import-all-tables
可以將RDBMS中的所有表導入到HDFS中,每一個表都對應一個HDFS目錄。
命令:
如:
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--warehouse-dir /all_tables
參數:
序號 |
參數 |
說明 |
1 |
--as-avrodatafile |
這些參數的含義均和import對應的含義一致 |
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 |
11、命令&參數:job
用來生成一個sqoop任務,生成後不會立即執行,需要手動執行。
命令:
如:
$ 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
易錯提醒:注意import-all-tables和它左邊的--之間有一個空格
易錯提醒:如果需要連接metastore,則--meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop
參數:
序號 |
參數 |
說明 |
1 |
--create <job-id> |
創建job參數 |
2 |
--delete <job-id> |
刪除一個job |
3 |
--exec <job-id> |
執行一個job |
4 |
--help |
顯示job幫助 |
5 |
--list |
顯示job列表 |
6 |
--meta-connect <jdbc-uri> |
用來連接metastore服務 |
7 |
--show <job-id> |
顯示一個job的信息 |
8 |
--verbose |
打印命令運行時的詳細信息 |
錯提醒:在執行一個job時,如果需要手動輸入數據庫密碼,可以做如下優化
<property>
<name>sqoop.metastore.client.record.password</name>
<value>true</value>
<description>If true, allow saved passwords in the metastore.</description>
</property>
12、命令&參數:list-databases
命令:
如:
$ bin/sqoop list-databases \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
參數:與公用參數一樣
13、命令&參數:list-tables
命令:
如:
$ bin/sqoop list-tables \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456
參數:與公用參數一樣
14、命令&參數:merge
將HDFS中不同目錄下面的數據合併在一起並放入指定目錄中。
數據環境:
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
易錯提醒:上邊數據的列之間的分隔符應該爲\t,行與行之間的分割符爲\n,如果直接複製,請檢查之。
命令:
如:
創建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"
開始合併:
$ 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
結果:
1 AAA MALE
2 BBB MALE
3 CCC MALE
4 DDD MALE
6 DDD FEMALE
參數:
序號 |
參數 |
說明 |
1 |
--new-data <path> |
HDFS 待合併的數據目錄,合併後在新的數據集中保留 |
2 |
--onto <path> |
HDFS合併後,重複的部分在新的數據集中被覆蓋 |
3 |
--merge-key <col> |
合併鍵,一般是主鍵ID |
4 |
--jar-file <file> |
合併時引入的jar包,該jar包是通過Codegen工具生成的jar包 |
5 |
--class-name <class> |
對應的表名或對象名,該class類是包含在jar包中的 |
6 |
--target-dir <path> |
合併後的數據在HDFS裏存放的目錄 |
15、命令&參數:metastore
記錄了Sqoop job的元數據信息,如果不啓動該服務,那麼默認job元數據的存儲目錄爲~/.sqoop,可在sqoop-site.xml中修改。
命令:
如:啓動sqoop的metastore服務
$ bin/sqoop metastore
參數:
序號 |
參數 |
說明 |
1 |
--shutdown |
關閉metastore |