2022-03-16

BigData

Sqoop 常用命令

一、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。

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。

二、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，一一列举说明。
所谓公用参数，就是大多数命令都支持的参数。

2.1、公用参数：数据库连接

--connect 连接关系型数据库的URL。
--connection-manager 指定要使用的连接管理类。
--driver Hadoop根目录。
--help 打印帮助信息。
--password 连接数据库的密码。
--username 连接数据库的用户名。
--verbose 在控制台打印出详细信息。

2.2、公用参数：import

--enclosed-by <char> 给字段值前加上指定的字符。
--escaped-by <char> 对字段中的双引号加转义符。
--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。
--lines-terminated-by <char> 设定每行记录之间的分隔符，默认是 \n。
--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。
--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。

2.3、公用参数：export

--input-enclosed-by <char> 对字段值前后加上指定字符。
--input-escaped-by <char> 对含有转移符的字段做转义处理。
--input-fields-terminated-by <char> 字段之间的分隔符。
--input-lines-terminated-by <char> 行之间的分隔符。
--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。

2.4、公用参数：hive

--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。
--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。
--map-column-hive <arg> 生成hive表时，可以更改生成字段的数据类型。
--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。
--hive-partition-value <v> 导入数据时，指定某个分区的值。
--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。
--hive-import 将数据从关系数据库中导入到hive表中。
--hive-overwrite 覆盖掉在hive表中已经存在的数据。
--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。
--hive-table 后面接要创建的hive表,默认使用MySQL的表名。
--table 指定关系数据库的表名。

公用参数介绍完之后，下面按照命令介绍命令对应的特有参数。

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。

2.5.1、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

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

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）。
提示：last-value指定的值是会包含于增量导入的数据中。

2.5.2、参数：

--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。
--as-avrodatafile 将数据导入到一个Avro数据文件中。
--as-sequencefile 将数据导入到一个sequence文件中。
--as-textfile 将数据导入到一个普通文本文件中。
--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。
--columns <col1, col2, col3> 指定要导入的字段。
--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。
--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
--inline-lob-limit 设定大对象数据类型的最大值。
--m或–num-mappers 启动N个map来并行导入数据，默认4个。
--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。
--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）。
--table <table-name> 关系数据库的表名。
--target-dir <dir> 指定HDFS路径。
--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。
--where 从关系数据库导入数据时的查询条件。
--z或--compress 允许压缩。
--compression-codec 指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)。
--null-string <null-string> string类型的列如果null，替换为指定字符串。
--null-non-string <null-string> 非string类型的列如果null，替换为指定字符串。
--check-column <col> 作为增量导入判断的列名。
--incremental <mode> mode：append或lastmodified。
--last-value <value> 指定某一个值，用于标记增量导入的位置。

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。

2.6.1、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

2.6.2、参数：

--direct 利用数据库自带的导入导出工具，以便于提高效率。
--export-dir <dir> 存放数据的HDFS的源目录。
-m或--num-mappers <n> 启动N个map来并行导入数据，默认4个。
--table <table-name> 指定导出到哪个RDBMS中的表。
--update-key <col-name> 对某一列的字段进行更新操作。
--update-mode <mode> updateonly allowinsert(默认)。
--input-null-string <null-string> 请参考import该类似参数说明。
--input-null-non-string <null-string> 请参考import该类似参数说明。
--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。
--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。

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：

--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。
--class-name <name> 设定生成的Java文件指定的名称。
--outdir <dir> 生成Java文件存放的路径。
--package-name <name> 包名，如com.z，就会生成com和z两级目录。
--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）。
--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）。
--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。
--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。
--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）。
--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。

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：

--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。
--hive-overwrite 覆盖掉在Hive表中已经存在的数据。
--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。
--hive-table 后面接要创建的hive表。
--table 指定关系数据库的表名。

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：

--query或--e 后跟查询的SQL语句

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：

--as-avrodatafile 这些参数的含义均和import对应的含义一致
--as-sequencefile
--as-textfile
--direct
--direct-split-size <n>
--inline-lob-limit <n>
--m或—num-mappers <n>
--warehouse-dir <dir>
-z或--compress
--compression-codec

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

提示：注意import-all-tables和它左边的--之间有一个空格
提示：如果需要连接 metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
参数：

--create <job-id> 创建job参数。
--delete <job-id> 删除一个job。
--exec <job-id> 执行一个job。
--help 显示job帮助。
--list 显示job列表。
--meta-connect <jdbc-uri> 用来连接metastore服务。
--show <job-id> 显示一个job的信息。
--verbose 打印命令运行时的详细信息。

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>

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。

2.13、命令&参数：list-tables

命令：

$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000