五、Sqoop常用命令
5.1、常用命令列举
这里列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。
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
5.2、命令&参数详解
上述列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。
首先来来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。
5.2.1、公用参数：数据库连接
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
5.2.2、公用参数：import
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。
5.2.3、公用参数：export
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
5.2.4、公用参数：hive
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
公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。
5.2.5、命令&参数：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。
- 命令：
如：导入数据到hive中
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-import
如：增量导入数据到hive中，mode=append
append导入：
$ 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
尖叫提示：append不能与--hive-等参数同时使用（Append mode for hive imports is not yet supported. Please remove the parameter --append-mode）
如：增量导入数据到hdfs中，mode=lastmodified
先在mysql中建表并插入几条数据：
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');
先导入一部分数据：
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--m 1
再增量导入一部分数据：
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
尖叫提示：使用lastmodified方式导入数据要指定增量数据是要--append（追加）还是要--merge-key（合并）
尖叫提示：last-value指定的值是会包含于增量导入的数据中
- 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
5.2.6、命令&参数：export
从HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。
- 命令：
$ 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
- 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
5.2.7、命令&参数：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。
$ 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"
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
5.2.8、命令&参数：create-hive-table
生成与关系数据库表结构对应的hive表结构。
命令：
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff
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
5.2.9、命令&参数：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。
命令：
$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"
参数：
序号 参数 说明
1 --query或--e 后跟查询的SQL语句
5.2.10、命令&参数：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。
命令：
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables
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
5.2.11、命令&参数：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。
命令：
$ 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
尖叫提示：注意import-all-tables和它左边的--之间有一个空格
尖叫提示：如果需要连接metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
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
尖叫提示：在执行一个job时，如果需要手动输入数据库密码，可以做如下优化
<property>
<name>sqoop.metastore.client.record.password</name>
<value>true</value>
<description>If true, allow saved passwords in the metastore.</description>
</property>
5.2.12、命令&参数：list-databases
命令：
$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000
参数：与公用参数一样
5.2.13、命令&参数：list-tables
命令：
$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000
参数：与公用参数一样
5.2.14、命令&参数：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。
数据环境：
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
尖叫提示：上边数据的列之间的分隔符应该为\t，行与行之间的分割符为\n，如果直接复制，请检查之。
命令：
创建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"
开始合并：
$ 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
结果：
1 AAA MALE
2 BBB MALE
3 CCC MALE
4 DDD MALE
6 DDD FEMALE
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
5.2.15、命令&参数：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。
命令：
如：启动sqoop的metastore服务
$ bin/sqoop metastore
参数：
序号 参数 说明
1 --shutdown 关闭metastore
评论