N.1 常用命令
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
N.2 命令&参数详解
小总结: 1)mysql导入hdfs: 要明确mysql的哪张表的数据导入到hdfs的那个路径,使用--target-dir参数来指定目录,而这个路径接受的就是纯数据(可能是一串编号的文件),不会在进一步创建表名,所以,最好在指定hdfs的路径的时候,就指定跟mysql表名一样的路径文件名(注:每次自定义指定的路径要修改,不可以重复,) 2)mysql导入hive: 该导入一定要有--hive-import参数,如果使用--warehouse-dir参数来替代--hive-import是没有用的,只能使用--hive-impor导入才会有元数据到hive里面,如果是hdfs导入/user/hive/warehouse也是没有用,也不会同步元数据。 3)导入路径的区别: hdfs导入的话,每一次导入都要换一个路径(因为文件不可以一样)。 而导入hive的话路径只能是/user/hive/warehouse也允许同一个表导入多次,只不过表文件里面的数据会不断重复复制。 (即使写了其它的路径也没有用,产生也是空文件,而真实的表实际就在/user/hive/warehouse下面), 4)注意事项 (1)注意一:使用--hive-import参数,如果不指定,默认这个目录/user/hive/warehouse,但某些情况下可能是/user/root,所以以防万一,在添加该参数目录--warehouse-dir /user/hive/warehouse) 。 (2)注意二:一般情况下--warehouse-dir参数是使用在有--hive-import参数的情况下使用,用于导入到hive里面,而--target-dir 使用在没有--hive-import参数的情况下,用于导入hdfs中。 虽然路径某些情况下可以相互使用,不过最好不要这样使用,可能会出错。 (3)注意三:经测试发现:--warehouse-dir参数后面跟的目录只能是 /user/hive/warehouse 下,不可以在进一步指定其它的目录
N.5.1 import命令&参数
1)导入数据到hive中 $ sqoop import \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户名 \ --password 密码 \ --table 表名\ --hive-import \ --num-mappers 1 \ --fields-terminated-by "\t" 注释: --hive-import \ (如果没有指定表名,默认原表名,使用这个参数不能指定路径取表名子) 导入的表要有主键,如果没有,就必须要一个- -num-mappers 1 参数 2)增量导入数据到hdfs中,mode=append sqoop import \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户名\ --password 密码 \ --table 表名 \ --num-mappers 1 \ --fields-terminated-by "\t" \ --target-dir 路径 \ --check-column 指定某列作为偏移量 \ --last-value 偏移量起始值 \ --incremental append 注释: 如 --last-value 2 的意思id大于2行才可以进行追加,如果没有一个大于的就会创建一个空文件,什么都不添加,相当于过滤条件。 append不能与--hive-等参数同时使用。 3)增量导入数据到hdsf中,mode=lastmodified (1)创建mysql表 create table staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp default current_timestamp on update current_timestamp); (2)在插入数据,但时间是自动生成的,所以不用添加。mode=lastmodified模式可以处理时间戳的字段 sqoop import \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户名 \ --password 密码 \ --table 表名 \ --fields-terminated-by "\t" --num-mappers 1 \ --check-column 指定某列作为偏移量 \ --last-value "偏移量起始值" \ --incremental lastmodified \ --append append不能与--hive-等参数同时使用。 使用--incremental lastmodified方式导入数据还要在后面指定增量数据是要--append(追加),还是要--merge-key(合并)。这里选择--append 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
N.5.2 export命令&参数
1)数据导出 HDFS导出RDBMS 注释 $ sqoop export \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户名\ --password 密码 \ --export-dir hdfs路径 \ --table 表名 \ --num-mappers 1 \ --input-fields-terminated-by "\t" 如果导出的时候出现乱码,可以进行临时装换 地址:3306/数据库?cahracterEncoding=utf-8, 还有在导入的时候,如果mysql有主键特别注意:导出的数据不能与mysql的约束冲突。 2)尖叫提示:Mysql中如果表不存在,不会自动创建,手动根据表结构创建思考:数据是覆盖还是追加 答案:追加 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
N.5.3 codegen命令&参数
1)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://地址:3306/数据库 \ --username 用户名 \ --password 密码 \ --table 选择哪一张表名 \ --bindir 本地路径,不是集群的 \ --class-name 自定义类名\ --fields-terminated-by "\t" 序号 参数 说明 1 --bindir
N.5.4 create-hive-table命令&参数
1)生成与关系数据库表结构对应的hive表结构,作用就是创建表。 $ bin/sqoop create-hive-table \ --connect jdbc:mysql://地址:3306/test \ --username 用户 \ --password 密码 \ --table mysql表名 \ --hive-table 自定义表名 序号 参数 说明 1 --hive-home
N.5.5 eval命令&参数
1)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。 $ bin/sqoop eval \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户 \ --password 密码 \ --query "SELECT * FROM staff " 参数 说明 --query或--e 后跟查询的SQL语句
N.5.6 import-all-tables命令&参数
1)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 导入的时候,要指定map个数,不然可能报错 sqoop import-all-tables \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户\ --password 密码 \ --hive-import \ --fields-terminated-by "\t" \ --num-mappers 1 序号 参数 这些参数的含义均和import对应的含义一致 1 --as-avrodatafile 2 --as-sequencefile 3 --as-textfile 4 --direct 5 --direct-split-size
N.5.7 job命令&参数
1)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 自定义job名 \ -- \ import-all-tables \ --connect jdbc:mysql://地址:3306/company \ --username 用户 \ --password 密码 \ --hive-import \ --warehouse-dir /user/hive/warehouse/ \ --num-mappers 1 进行测试: $bin/sqoop job --list $bin/sqoop job --exec job名字 注意:-- \ 这个是要写的 而且后面是有空格的 序号 参数 说明 1 --create
N.5.8 list-tables命令&参数
$ sqoop list-tables \ --connect jdbc:mysql://地址:3306/数据库 \ --username 用户\ --password 密码 参数:与公用参数一样
N.5.9 merge命令&参数
1)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 sqoop merge \ --new-data hdfs新数据 \ --onto hdfs旧数据 \ --jar-file 合成表的jar包 \ --class-name 类名 \ --merge-key 以某个字段进行合并 \ --target-dir 合成数据存放的路径 hdfs新数据,和hdfs的旧数据可以是来自mysql导入的,也可以是hive创建的。而--jar-file是提前要产生好的(前面的codegen命令生成方法),jar的作用是用于两表要按照jar里面的结构来合并。合并后就可以查看--target-dir 下文件内容了 --merge-key id 是指两个表以哪个字段合并,两个表之间的合并,指定字段相同的就会覆盖。所以没有重复数据。 (经测试新表和旧表没有明确指定哪个表覆盖那个表) 序号 参数 说明 1 --new-data
N.5.10 metastore命令&参数
1)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。 2)启动sqoop的metastore服务 $ sqoop metastore 启动的是悬浮窗口,一般在xml文件修改即可。 序号 参数 说明 1 --shutdown 关闭metastore
N.5.11 数据库连接的公用参数
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
N.5.12 import的公用参数
序号 参数 说明 1 --enclosed-by
N.5.13 export的公用参数
序号 参数 说明 1 --input-enclosed-by
N.5.14 hive的公用参数
序号 参数 说明 1 --hive-delims-replacement
参考阅读
发表评论