sqoop数据抽取同步工具

概述

Sqoop是apache旗下的一款 ”Hadoop和关系数据库之间传输数据”的工具。
导入数据：将MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统
导出数据：从Hadoop的文件系统中导出数据到关系数据库

sqoop数据抽取同步工具

Sqoop的工作机制

将导入和导出的命令翻译成mapreduce程序实现
在翻译出的mapreduce中主要是对inputformat和outputformat进行定制

Sqoop1与Sqoop2架构对比

sqoop在发展中的过程中演进出来了两种不同的架构.架构演变史

Sqoop1架构

sqoop数据抽取同步工具

版本号为1.4.x为sqoop1
在架构上：sqoop1使用sqoop客户端直接提交的方式
访问方式：CLI控制台方式进行访问
安全性：命令或脚本中指定用户数据库名及密码

Sqoop2架构

sqoop数据抽取同步工具

版本号为1.99x为sqoop2
在架构上：sqoop2引入了sqoop server，对connector实现了集中的管理
访问方式：REST API、 JAVA API、 WEB UI以及CLI控制台方式进行访问

sqoop1与sqoop2比较

sqoop数据抽取同步工具

Sqoop安装部署

Sqoop安装很简单，解压好进行简单的修改就可以使用

第一步：下载安装包

http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.14.2.tar.gz

第二步：上传并解压

1 2	cd /opt/software/ tar -zxf sqoop-1.4.6-cdh5.14.2.tar.gz -C /opt/module/

第三步：修改配置文件

1
2
3

cd /opt/module/sqoop-1.4.6-cdh5.14.2/conf
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh

#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.6.0-cdh5.14.2

#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.6.0-cdh5.14.2

#set the path to where bin/hbase is available
export HBASE_HOME=/opt/module/hbase-1.2.0-cdh5.14.2

#Set the path to where bin/hive is available
export HIVE_HOME=/opt/module//hive-1.1.0-cdh5.14.2

第四步：添加两个必要的jar包

sqoop需要两个额外依赖的jar包，将课件资料当中两个jar包添加到sqoop的lib目录下
sqoop数据抽取同步工具

第五步：配置sqoop的环境变量

sudo vim /etc/profile

export SQOOP_HOME=/opt/module/sqoop-1.4.6-cdh5.14.2
export PATH=:$SQOOP_HOME/bin:$PATH

source /etc/profile

Sqoop的数据导入

列举出所有的数据库

命令行查看帮助

1	bin/sqoop list-databases --help

列出node01主机所有的数据库

1	bin/sqoop list-databases --connect jdbc:mysql://node01:3306/ --username root --password '!Qaz123456'

查看某一个数据库下面的所有数据表

1	bin/sqoop list-tables --connect jdbc:mysql://node01:3306/hive --username root --password '!Qaz123456'

准备表数据

在mysql中有一个库userdb中三个表：emp, emp_add和emp_conn

表emp

id	name	deg	salary	dept
1201	gopal	manager	50,000	TP
1202	manisha	Proof reader	50,000	TP
1203	khalil	php dev	30,000	AC
1204	prasanth	php dev	30,000	AC
1205	kranthi	admin	20,000	TP

表emp_add

id	hno	street	city
1201	288A	vgiri	jublee
1202	108I	aoc	sec-bad
1203	144Z	pgutta	hyd
1204	78B	old city	sec-bad
1205	720X	hitec	sec-bad

表emp_conn

id	phno	email
1201	2356742	[email protected]
1202	1661663	[email protected]
1203	8887776	[email protected]
1204	9988774	[email protected]
1205	1231231	[email protected]

建表语句如下：

CREATE DATABASE /*!32312 IF NOT EXISTS*/`userdb` /*!40100 DEFAULT CHARACTER SET utf8 */;

USE `userdb`;

DROP TABLE IF EXISTS `emp`;

CREATE TABLE `emp` (
  `id` INT(11) DEFAULT NULL,
  `name` VARCHAR(100) DEFAULT NULL,
  `deg` VARCHAR(100) DEFAULT NULL,
  `salary` INT(11) DEFAULT NULL,
  `dept` VARCHAR(10) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp`(`id`,`name`,`deg`,`salary`,`dept`) VALUES (1201,'gopal','manager',50000,'TP'),(1202,'manisha','Proof reader',50000,'TP'),(1203,'khalil','php dev',30000,'AC'),(1204,'prasanth','php dev',30000,'AC'),(1205,'kranthi','admin',20000,'TP');

DROP TABLE IF EXISTS `emp_add`;

CREATE TABLE `emp_add` (
  `id` INT(11) DEFAULT NULL,
  `hno` VARCHAR(100) DEFAULT NULL,
  `street` VARCHAR(100) DEFAULT NULL,
  `city` VARCHAR(100) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp_add`(`id`,`hno`,`street`,`city`) VALUES (1201,'288A','vgiri','jublee'),(1202,'108I','aoc','sec-bad'),(1203,'144Z','pgutta','hyd'),(1204,'78B','old city','sec-bad'),(1205,'720X','hitec','sec-bad');

DROP TABLE IF EXISTS `emp_conn`;
CREATE TABLE `emp_conn` (
  `id` INT(100) DEFAULT NULL,
  `phno` VARCHAR(100) DEFAULT NULL,
  `email` VARCHAR(100) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp_conn`(`id`,`phno`,`email`) VALUES (1201,'2356742','[email protected]'),(1202,'1661663','[email protected]'),(1203,'8887776','[email protected]'),(1204,'9988774','[email protected]'),(1205,'1231231','[email protected]');

导入数据库表数据到HDFS，使用sqoop命令导入、导出数据前，要先启动hadoop集群

下面的命令用于从MySQL数据库服务器中的emp表导入HDFS。

1	sudo -u hdfs bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --password '!Qaz123456' --username root --table emp --m 1

sqoop数据抽取同步工具

1
2
3

# 为了验证在HDFS导入的数据，请使用以下命令查看导入的数据

hdfs dfs -ls /user/root/emp

导入到HDFS指定目录

在导入表数据到HDFS使用Sqoop导入工具，我们可以指定目标目录。
使用参数 --target-dir来指定导出目的地，使用参数--delete-target-dir来判断导出目录是否存在，如果存在就删掉

1	bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password '!Qaz123456' --delete-target-dir --table emp --target-dir /sqoop/emp --m 1

# 查看导出的数据，默认使用逗号隔开

[root@node01 ~]# hdfs dfs -cat /sqoop/emp/part-m-00000
1201,gopal,manager,50000,TP,2020-11-17 13:29:18.0,2020-11-17 13:29:18.0,1
1202,manisha,Proof reader,50000,TP,2020-11-17 13:29:18.0,2020-11-17 13:29:18.0,1
1203,khalil,php dev,30000,AC,2020-11-17 13:29:18.0,2020-11-17 13:29:18.0,1
1204,prasanth,php dev,30000,AC,2020-11-17 13:29:18.0,2020-11-17 13:29:18.0,1
1205,kranthi,admin,20000,TP,2020-11-17 13:29:18.0,2020-11-17 13:29:18.0,1

导入到hdfs指定目录并指定字段之间的分隔符

1	bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 --m 1 --fields-terminated-by 't'

[root@node01 ~]# hdfs dfs -cat /sqoop/emp2/part-m-00000

1201	gopal	manager	50000	TP	2020-11-17 13:29:18.0	2020-11-17 13:29:18.0	1
1202	manisha	Proof reader	50000	TP	2020-11-17 13:29:18.0	2020-11-17 13:29:18.0	1
1203	khalil	php dev	30000	AC	2020-11-17 13:29:18.0	2020-11-17 13:29:18.0	1
1204	prasanth	php dev	30000	AC	2020-11-17 13:29:18.0	2020-11-17 13:29:18.0	1
1205	kranthi	admin	20000	TP	2020-11-17 13:29:18.0	2020-11-17 13:29:18.0	1

导入关系表到HIVE

第一步：拷贝jar包

将我们mysql表当中的数据直接导入到hive表中的话，我们需要将hive的一个叫做hive-exec-1.1.0-cdh5.14.0.jar的jar包拷贝到sqoop的lib目录下

1	cp /opt/module/hive-1.1.0-cdh5.14.0/lib/hive-exec-1.1.0-cdh5.14.2.jar /kkb/install/sqoop-1.4.6-cdh5.14.2/lib/

第二步：准备hive数据库与表

1
2
3

hive (default)> create database sqooptohive;
hive (default)> use sqooptohive;
hive (sqooptohive)> create external table emp_hive(id int,name string,deg string,salary int ,dept string) row format delimited fields terminated by '01';

第三步：开始导入

bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password '!Qaz123456' --table emp --fields-terminated-by '01' --hive-import --hive-table sqooptohive.emp_hive --hive-overwrite --delete-target-dir --m 1

第四步：hive表数据查看

1	select * from emp_hive;

sqoop数据抽取同步工具

导入关系表到hive并自动创建hive表

我们也可以通过命令来将我们的mysql的表直接导入到hive表当中去

1	bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive;

通过这个命令，我们可以直接将我们mysql表当中的数据以及表结构一起倒入到hive当中去

将mysql表数据导入到hbase当中去,先要开启hbase集群

第一步：修改sqoop配置文件

sqoop导入导出HBase的数据，需要修改sqoop的配置文件sqoop-env.sh

cd /opt/module/sqoop-1.4.6-cdh5.14.2/conf
vim sqoop-env.sh

#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.6.0-cdh5.14.2

#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.6.0-cdh5.14.2

#set the path to where bin/hbase is available
export HBASE_HOME=/opt/module/hbase-1.2.0-cdh5.14.2

#Set the path to where bin/hive is available
export HIVE_HOME=/opt/module/hive-1.1.0-cdh5.14.2

第二步：在mysql当中创建数据库以及数据库表并插入数据

CREATE DATABASE IF NOT EXISTS library;
USE library;
CREATE TABLE book(
id INT(4) PRIMARY KEY NOT NULL AUTO_INCREMENT, 
NAME VARCHAR(255) NOT NULL, 
price VARCHAR(255) NOT NULL);

INSERT INTO book(NAME, price) VALUES('Lie Sporting', '30'); 
INSERT INTO book (NAME, price) VALUES('Pride & Prejudice', '70'); 
INSERT INTO book (NAME, price) VALUES('Fall of Giants', '50');

第三步：将mysql表当中的数据导入HBase表当中去

bin/sqoop import 
--connect jdbc:mysql://node03:3306/library 
--username root 
--password 123456 
--table book 
--columns "id,name,price" 
--column-family "info" 
--hbase-create-table 
--hbase-row-key "id" 
--hbase-table "hbase_book" 
--num-mappers 1 
--split-by id

第四步：HBase当中查看表数据

hbase(main):057:0> scan 'hbase_book'
ROW           COLUMN+CELL                            
 1            column=info:name, timestamp=1550634017823, value=Lie Sporting   
 1            column=info:price, timestamp=1550634017823, value=30       
 2            column=info:name, timestamp=1550634017823, value=Pride & Prejudice 
 2            column=info:price, timestamp=1550634017823, value=70       
 3            column=info:name, timestamp=1550634017823, value=Fall of Giants  
 3            column=info:price, timestamp=1550634017823, value=50

导入表数据子集

我们可以导入表的使用Sqoop导入工具，”where”子句的一个子集。它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。

1	--where <condition>

按照条件进行查找，通过–where参数来查找表emp_add当中city字段的值为sec-bad的所有数据导入到hdfs上面去

bin/sqoop import 
--connect jdbc:mysql://node01:3306/userdb 
--username root --password '!Qaz123456' --table emp_add 
--target-dir /sqoop/emp_add -m 1 --delete-target-dir 
--where "city = 'sec-bad'"

sql语句查找导入hdfs

我们还可以通过 –query参数来指定我们的sql语句，通过sql语句来过滤我们的数据进行导入

bin/sqoop import 
--connect jdbc:mysql://node01:3306/userdb --username root --password '!Qaz123456' 
--delete-target-dir -m 1 
--query 'select phno from emp_conn where 1=1 and  $CONDITIONS' 
--target-dir /sqoop/emp_conn

查看hdfs数据内容
1

hdfs dfs -text /sqoop/emp_conn/part*

注意：
使用sql语句来进行查找是不能加参数–table
并且必须要添加where条件，
并且where条件后面必须带一个$CONDITIONS 这个字符串，
并且这个sql语句必须用单引号，不能用双引号

增量导入

在实际工作当中，数据的导入，很多时候都是只需要导入增量数据即可，并不需要将表中的数据全部导入到hive或者hdfs当中去，肯定会出现重复的数据的状况，所以我们一般都是选用一些字段进行增量的导入，为了支持增量的导入，sqoop也给我们考虑到了这种情况并且支持增量的导入数据.

增量导入是仅导入新添加的表中的行的技术。
它需要添加‘incremental’, ‘check-column’, 和 ‘last-value’选项来执行增量导入。

下面的语法用于Sqoop导入命令增量选项。

Incremental import arguments:
   --check-column <column>        Source column to check for incremental
                                  change
   --incremental <import-type>    Define an incremental import of type
                                  'append' or 'lastmodified'
   --last-value <value>           Last imported value in the incremental
                                  check columns

第一种增量导入使用上面的选项来实现

导入emp表当中id大于1202的所有数据
注意：增量导入的时候，一定不能加参数–delete-target-dir否则会报错

bin/sqoop import 
--connect jdbc:mysql://node01:3306/userdb 
--username root 
--password '!Qaz123456' 
--table emp 
--incremental append 
--check-column id 
--last-value 1202 
-m 1 
--target-dir /sqoop/increment

查看数据内容
1

hdfs dfs -text /sqoop/increment/part*

第二种增量导入通过–where条件来实现

或者我们使用–where来进行控制数据的选取会更加精准

bin/sqoop import 
--connect jdbc:mysql://node03:3306/userdb 
--username root 
--password '!Qaz123456' 
--table emp 
--incremental append 
--where "create_time > '2018-06-17 00:00:00' and is_delete='1' and create_time < '2018-06-17 23:59:59'" 
--target-dir /sqoop/incement2 
--check-column id 
--m 1

作业：增量导入hive表中该如何实现？？？
面试题：如何解决减量数据？？？

Sqoop的数据导出

将数据从HDFS把文件导出到RDBMS数据库

导出前，目标表必须存在于目标数据库中, 默认操作是从将文件中的数据使用INSERT语句插入到表中, 更新模式下，是生成UPDATE语句更新表数据, 数据是在HDFS当中的如下目录/sqoop/emp，数据内容如下

1201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1202,manisha,Proof reader,50000,TP,2018-06-15 18:54:32.0,2018-06-17 20:26:08.0,1
1203,khalil,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1204,prasanth,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 21:05:52.0,0
1205,kranthi,admin,20000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1

第一步：创建mysql表

CREATE TABLE `emp_out` (
 `id` INT(11) DEFAULT NULL,
 `name` VARCHAR(100) DEFAULT NULL,
 `deg` VARCHAR(100) DEFAULT NULL,
 `salary` INT(11) DEFAULT NULL,
 `dept` VARCHAR(10) DEFAULT NULL,
 `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
 `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
 `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=utf8;

第二步：执行导出命令

通过kkb来实现数据的导出，将hdfs的数据导出到mysql当中去

bin/sqoop export 
--connect jdbc:mysql://node01:3306/userdb 
--username root --password '!Qaz123456' 
--table emp_out 
--export-dir /sqoop/emp 
--input-fields-terminated-by ","

第三步：验证mysql表数据

mysql> select * from emp_out;
+------+----------+--------------+--------+------+---------------------+---------------------+-----------+
| id   | name     | deg          | salary | dept | create_time         | update_time         | is_delete |
+------+----------+--------------+--------+------+---------------------+---------------------+-----------+
| 1203 | khalil   | php dev      |  30000 | AC   | 2020-11-17 13:29:18 | 2020-11-17 13:29:18 |         1 |
| 1204 | prasanth | php dev      |  30000 | AC   | 2020-11-17 13:29:18 | 2020-11-17 13:29:18 |         1 |
| 1205 | kranthi  | admin        |  20000 | TP   | 2020-11-17 13:29:18 | 2020-11-17 13:29:18 |         1 |
| 1201 | gopal    | manager      |  50000 | TP   | 2020-11-17 13:29:18 | 2020-11-17 13:29:18 |         1 |
| 1202 | manisha  | Proof reader |  50000 | TP   | 2020-11-17 13:29:18 | 2020-11-17 13:29:18 |         1 |
+------+----------+--------------+--------+------+---------------------+---------------------+-----------+
5 rows in set (0.00 sec)

将数据从Hbase导出到mysql

将hbase_book这张表当中的数据导出到mysql当中来
注意：sqoop不支持我们直接将HBase当中的数据导出，所以我们可以通过以下的转换进行导出
Hbase→hive外部表→hive内部表→通过sqoop→mysql

第一步：创建hive外部表

进入hive客户端，创建hive外部表，映射hbase当中的hbase_book表

CREATE EXTERNAL TABLE course.hbase2mysql (id int,name string,price int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" =
":key,info:name, info:price"
)
TBLPROPERTIES( "hbase.table.name" = "hbase_book",
"hbase.mapred.output.outputtable" = "hbase2mysql");

第二步：创建hive内部表并将外部表数据插入到内部表当中来

进入hive客户端，执行以下命令，创建hive内部表，并将外部表的数据插入到hive的内部表当中来

1	CREATE TABLE course.hbase2mysqlin(id int,name string,price int);

第三步：外部表数据插入内部表

进入hive客户端执行以下命令，将hive外部表数据插入到hive内部表当中来

1	insert overwrite table course.hbase2mysqlin select * from course.hbase2mysql;

第四步：清空mysql表数据

进入mysql客户端，执行以下命令，将mysql表数据清空

1	TRUNCATE TABLE book;

第五步：执行sqoop导出hive内部表数据到

sqoop export -connect jdbc:mysql://node03:3306/library -username root -password 123456 -table book -export-dir /user/hive/warehouse/course.db/hbase2mysqlin --input-fields-terminated-by '01' --input-null-string '\N' --input-null-non-string '\N';

Sqoop常用命令及参数

常用命令列举

这里给大家列出来了一部分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

命令&参数详解

刚才列举了一些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。

首先来我们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。

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	JDBC的driver class
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

2、公用参数：import

序号	参数	说明
1	–enclosed-by	给字段值前后加上指定的字符
2	–escaped-by	对字段中的双引号加转义符
3	–fields-terminated-by	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	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	给带有双引号或单引号的字段值前后加上指定字符。

3、公用参数：export

序号	参数	说明
1	–input-enclosed-by	对字段值前后加上指定字符
2	–input-escaped-by	对含有转移符的字段做转义处理
3	–input-fields-terminated-by	字段之间的分隔符
4	–input-lines-terminated-by	行之间的分隔符
5	–input-optionally-enclosed-by	给带有双引号或单引号的字段前后加上指定字符

4、公用参数：hive

序号	参数	说明
1	–hive-delims-replacement	用自定义的字符串替换掉数据中的rn和13 10等字符
2	–hive-drop-import-delims	在导入数据到hive时，去掉数据中的rn1310这样的字符
3	–map-column-hive	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	导入数据时，指定某个分区的值
6	–hive-home	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、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。

1) 命令：

如：导入数据到hive中

$ bin/sqoop import 
--connect jdbc:mysql://node03:3306/userdb 
--username root 
--password 123456 
--table emp 
--hive-import

如：增量导入数据到hive中，mode=append

append导入：

$ 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

易错提醒：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：

1
2
3

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://node03:3306/userdb 
--username root 
--password 123456 
--table emp_conn 
--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://node03:3306/userdb 
--username root 
--password 123456 
--table emp_conn 
--check-column last_modified 
--incremental lastmodified 
--last-value "2018-0-28 22:20:38" 
-m 1 
--append

易错提醒：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）

易错提醒：–incremental lastmodified模式下，last-value指定的值是会包含于增量导入的数据中。

2) 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	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	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	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	关系数据库的表名
14	–target-dir	指定HDFS路径
15	–warehouse-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	string类型的列如果null，替换为指定字符串
20	–null-non-string	非string类型的列如果null，替换为指定字符串
21	–check-column
作为增量导入判断的列名
22	–incremental	mode：append或lastmodified
23	–last-value	指定某一个值，用于标记增量导入的位置

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。

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) 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	存放数据的HDFS的源目录
3	-m或–num-mappers	启动N个map来并行导入数据，默认4个
4	–table	指定导出到哪个RDBMS中的表
5	–update-key	对某一列的字段进行更新操作
6	–update-mode	updateonly allowinsert(默认)
7	–input-null-string	请参考import该类似参数说明
8	–input-null-non-string	请参考import该类似参数说明
9	–staging-table	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

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。

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"

序号	参数	说明
1	–bindir	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	设定生成的Java文件指定的名称
3	–outdir	生成Java文件存放的路径
4	–package-name	包名，如com.z，就会生成com和z两级目录
5	–input-null-non-string	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	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	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	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	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	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

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://node03:3306/userdb 
--username root 
--password 123456 
--table emp_add 
--hive-table emp_add

参数：

序号	参数	说明
1	–hive-home	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

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://node03:3306/userdb 
--username root 
--password 123456 
--query "SELECT * FROM emp"

参数：

序号	参数	说明
1	–query或–e	后跟查询的SQL语句

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://node03:3306/userdb 
--username root 
--password 123456 
--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
6	–inline-lob-limit
7	–m或—num-mappers
8	–warehouse-dir
9	-z或–compress
10	–compression-codec

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://node03:3306/userdb 
 --username root 
 --password 123456
$ bin/sqoop job 
--list
$ bin/sqoop job 
--exec myjob

易错提醒：注意import-all-tables和它左边的–之间有一个空格

易错提醒：如果需要连接metastore，则–meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop

参数：

序号	参数	说明
1	–create	创建job参数
2	–delete	删除一个job
3	–exec	执行一个job
4	–help	显示job帮助
5	–list	显示job列表
6	–meta-connect	用来连接metastore服务
7	–show	显示一个job的信息
8	–verbose	打印命令运行时的详细信息

易错提醒：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>

12、命令&参数：list-databases

命令：

如：

$ bin/sqoop list-databases 
--connect jdbc:mysql://node03:3306/userdb 
--username root 
--password 123456

参数：与公用参数一样

13、命令&参数：list-tables

命令：

如：

$ bin/sqoop list-tables 
--connect jdbc:mysql://node03:3306/userdb 
--username root 
--password 123456

参数：与公用参数一样

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

易错提醒：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：

如：

创建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"

开始合并：

$ 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

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	HDFS 待合并的数据目录，合并后在新的数据集中保留
2	–onto	HDFS合并后，重复的部分在新的数据集中被覆盖
3	–merge-key
合并键，一般是主键ID
4	–jar-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	对应的表名或对象名，该class类是包含在jar包中的
6	–target-dir	合并后的数据在HDFS里存放的目录

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

1	$ bin/sqoop metastore

参数：

序号	参数	说明
1	–shutdown	关闭metastore