一,sqoop介紹
1.1 sqoop簡介
Sqoop是一款開源的工具,主要用於在Hadoop(Hive)與傳統的數據庫(mysql、postgresql…)間進行數據的傳遞,可以將一個關係型數據庫(例如 : MySQL ,Oracle ,Postgres等)中的數據導進到Hadoop的HDFS中,也可以將HDFS的數據導進到關係型數據庫中。
Sqoop項目開始於2009年,最早是作爲Hadoop的一個第三方模塊存在,後來爲了讓使用者能夠快速部署,也爲了讓開發人員能夠更快速的迭代開發,Sqoop獨立成爲一個Apache項目。
Sqoop2的最新版本是1.99.7。請注意,2與1不兼容,且特徵不完整,它並不打算用於生產部署。
1.2 sqoop原理
將導入或導出命令翻譯成mapreduce程序來實現。
在翻譯出的mapreduce中主要是對inputformat和outputformat進行定製。
二,Sqoop安裝
安裝Sqoop的前提是已經具備Java和Hadoop的環境。
2.1 下載並解壓
-
下載地址:http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
-
上傳安裝包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虛擬機中
-
解壓sqoop安裝包到指定目錄,如:
$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
2.2 修改配置文件
Sqoop的配置文件與大多數大數據框架類似,在sqoop根目錄下的conf目錄中。
-
重命名配置文件
$ mv sqoop-env-template.sh sqoop-env.sh
-
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
2.3 拷貝JDBC驅動
拷貝jdbc驅動到sqoop的lib目錄下,如:
$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/
2.4 驗證Sqoop
我們可以通過某一個command來驗證sqoop配置是否正確:
$ bin/sqoop help
出現一些Warning警告(警告信息已省略),並伴隨着幫助命令的輸出:
Available commands:
codegen Generate code to interact with database records
create-hive-table Import a table definition into Hive
eval Evaluate a SQL statement and display the results
export Export an HDFS directory to a database table
help List available commands
import Import a table from a database to HDFS
import-all-tables Import tables from a database to HDFS
import-mainframe Import datasets from a mainframe server to HDFS
job Work with saved jobs
list-databases List available databases on a server
list-tables List available tables in a database
merge Merge results of incremental imports
metastore Run a standalone Sqoop metastore
version Display version information
2.5 測試Sqoop是否能夠成功連接數據庫
$ bin/sqoop list-databases --connect jdbc:mysql://cm1:3306/ --username root --password 123456
出現如下輸出:
[root@cm1 conf]# sqoop list-databases --connect jdbc:mysql://cm1:3306/ --username root --password 123456
Warning: /opt/cloudera/parcels/CDH-5.16.2-1.cdh5.16.2.p0.8/bin/../lib/sqoop/../accumulo does not exist! Accumulo imports will fail.
Please set $ACCUMULO_HOME to the root of your Accumulo installation.
19/12/04 12:54:44 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6-cdh5.16.2
19/12/04 12:54:44 WARN tool.BaseSqoopTool: Setting your password on the command-line is insecure. Consider using -P instead.
19/12/04 12:54:45 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
information_schema
am
cm
company
hue
metastore
mysql
nav_as
nav_ms
oozie
performance_schema
rm
sentry
三,Sqoop的簡單使用案例
3.1 導入數據
在Sqoop中,“導入”概念指:從非大數據集羣(RDBMS)向大數據集羣(HDFS,HIVE,HBASE)中傳輸數據,叫做:導入,即使用import關鍵字。
3.1.1 RDBMS到HDFS
-
確定Mysql服務開啓正常
-
在Mysql中新建一張表並插入一些數據
$ mysql -uroot -p123456 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');
-
導入數據
1) 全部導入
$ bin/sqoop import \ --connect jdbc:mysql://cm1:3306/company \ --username root \ --password 123456 \ --table staff \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t"
2)查詢導入
$ bin/sqoop import \ --connect jdbc:mysql://cm1:3306/company \ --username root \ --password 123456 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --query 'select name,sex from staff where id <=1 and $CONDITIONS;'
提示:must contain ‘$CONDITIONS’ in WHERE clause.
如果query後使用的是雙引號,則$CONDITIONS前必須加轉移符,防止shell識別爲自己的變量。
3)導入指定列
$ bin/sqoop import \ --connect jdbc:mysql://cm1:3306/company \ --username root \ --password 123456 \ --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,用逗號分隔,分隔時不要添加空格
4)使用sqoop關鍵字篩選查詢導入數據
$ bin/sqoop import \ --connect jdbc:mysql://cm1:3306/company \ --username root \ --password 123456 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --table staff \ --where "id=1"
3.1.2 RDBMS到Hive
$ bin/sqoop import \
--connect jdbc:mysql://cm1:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
提示:該過程分爲兩步:
- 第一步將數據導入到HDFS
- 第二步將導入到HDFS的數據遷移到Hive倉庫,第一步默認的臨時目錄是/user/atguigu/表名
3.1.3 RDBMS到Hbase
$ bin/sqoop import \
--connect jdbc:mysql://cm1:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id
提示:sqoop1.4.6只支持HBase1.0.1之前的版本的自動創建HBase表的功能
解決方案:手動創建HBase表
hbase> create 'hbase_company','info'
在HBase中scan這張表得到如下內容
hbase> scan 'hbase_company'
3.2 導出數據
在Sqoop中,“導出”概念指:從大數據集羣(HDFS,HIVE,HBASE)向非大數據集羣(RDBMS)中傳輸數據,叫做:導出,即使用export關鍵字。
3.2.1 HIVE/HDFS到RDBMS
sqoop export \
--connect jdbc:mysql://cm1:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
提示:Mysql中如果表不存在,不會自動創建
3.3 腳本打包
使用opt格式的文件打包sqoop命令,然後執行
1) 創建一個.opt文件
$ mkdir opt
$ touch opt/job_HDFS2RDBMS.opt
2) 編寫sqoop腳本
$ vi opt/job_HDFS2RDBMS.opt
export
--connect
jdbc:mysql://cm1:3306/company
--username
root
--password
123456
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"
3) 執行該腳本
$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
四,Sqoop一些常用命令及參數
4.1 常用命令列舉
這裏給大家列出來了一部分Sqoop操作時的常用參數,以供參考,需要深入學習的可以參看對應類的源代碼。
序號 | 命令 | 類 | 說明 |
---|---|---|---|
1 | import | ImportTool | 將數據導入到集羣 |
2 | export | ExportTool | 將集羣數據導出 |
3 | codegen | CodeGenTool | 獲取數據庫中某張表數據生成Java並打包Jar |
4 | create-hive-table | CreateHiveTableTool | 創建Hive表 |
5 | eval | EvalSqlTool | 查看SQL執行結果 |
6 | import-all-tables | ImportAllTablesTool | 導入某個數據庫下所有表到HDFS中 |
7 | 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。 |
8 | list-databases | ListDatabasesTool | 列出所有數據庫名 |
9 | list-tables | ListTablesTool | 列出某個數據庫下所有表 |
10 | 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 |
11 | 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。 |
12 | help | HelpTool | 打印sqoop幫助信息 |
13 | version | VersionTool | 打印sqoop版本信息 |
4.2 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。
4.2.1 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 | Hadoop根目錄 |
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 |
4.2.2 公用參數:import
序號 | 參數 | 說明 |
---|---|---|
1 | –enclosed-by <char> | 給字段值前加上指定的字符 |
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。 |
4.2.3 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 |
4.2.4 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 <arg> | 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。
4.2.5 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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-import
如:增量導入數據到hive中,mode=append
append導入:
$ 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
提示: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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--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://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
提示: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)
提示:last-value
指定的值是會包含於增量導入的數據中
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 |
4.2.6 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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--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> | updateonlyallowinsert(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 |
4.2.7 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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--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 |
4.2.8 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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff
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 |
4.2.9 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://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"
參數:
序號 | 參數 | 說明 |
---|---|---|
1 | –query或–e | 後跟查詢的SQL語句 |
4.2.10 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://hadoop102:3306/company \
--username root \
--password 000000 \
--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 | 這些參數的含義均和import對應的含義一致 |
3 | –as-textfile | 這些參數的含義均和import對應的含義一致 |
4 | –direct | 這些參數的含義均和import對應的含義一致 |
5 | –direct-split-size <n> | 這些參數的含義均和import對應的含義一致 |
6 | –inline-lob-limit <n> | 這些參數的含義均和import對應的含義一致 |
7 | –m或—num-mappers <n> | 這些參數的含義均和import對應的含義一致 |
8 | –warehouse-dir <dir> | 這些參數的含義均和import對應的含義一致 |
9 | -z或–compress | 這些參數的含義均和import對應的含義一致 |
10 | –compression-codec | 這些參數的含義均和import對應的含義一致 |
4.2.11 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://hadoop102:3306/company \
--username root \
--password 000000
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
提示:注意import-all-tables和它左邊的–之間有一個空格
提示:如果需要連接metastore,則–meta-connect jdbc:hsqldb:hsql://linux01:16000/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 |
提示: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>
4.2.12 命令&參數:list-databases
命令:
$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000
**參數:**與公用參數一樣
4.2.13 命令&參數:list-tables
命令:
$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000
**參數:**與公用參數一樣
4.2.14 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
提示: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:
# 創建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"
# 開始合併:
$ 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
# 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 |
4.2.15 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 |