一、MySql到HDFS
1.初始化MySql数据
create database company;
create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
2.导入数据
(1)全部导入
sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
(2)查询导入
sqoop import \
--connect jdbc:mysql://hadoop01:3306/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;'
(3)导入指定列
sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
(4)使用sqoop关键字筛选查询导入数据
sqoop import \
--connect jdbc:mysql://hadoop: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"
二、MySql到Hive
sqoop import \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
三、HIVE/HDFS到Mysql
sqoop export \
--connect jdbc:mysql://hadoop01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
四、常用命令
| 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Jar包 |
| 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 |
五、命令&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 |
连接数据库的驱动类 |
| 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 <char> |
给字段值前后加上指定的字符 |
| 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 |
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 |
4.公用参数:hive
| 序号 |
参数 |
说明 |
| 1 |
--input-enclosed-by <char> |
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 <map> |
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 |
5.命令&参数:import
| 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。 |
| 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 |
| 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。 |
6.命令&参数:export
| 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或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。 |
7.命令&参数:codegen
| 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。 |
8.命令&参数:create-hive-table
| 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 |
9.命令&参数:eval
| 序号 |
参数 |
说明 |
| 1 |
--query或--e |
后跟查询的SQL语句 |
10.命令&参数:job
| 序号 |
参数 |
说明 |
| 1 |
--create <job-id> |
创建一个job |
| 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 |
11.命令&参数:merge
| 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 |
12.命令&参数:metastore
| 序号 |
参数 |
说明 |
| 1 |
--shutdown |
关闭metastore |
