2024年1月17日发(作者：)
Sqoop中文手册
Sqoop在我们的实际工作中有一些应用，为了对Sqoop的使用有个更全面的了解，于是我花了一些时间将Sqoop的使用整理成了一份中文手册，我自认还是非常全面的，覆盖到了Sqoop所有的方面。虽然对每一个用法，我都是尽可能地先经过测试然后再得出结论，但可能难免会有谬误，不过总的来说希望能对使用Sqoop的朋友有点帮助吧。
1. 概述
本文档主要对SQOOP的使用进行了说明，参考内容主要来自于Cloudera
SQOOP的官方文档。为了用中文更清楚明白地描述各参数的使用含义，本文档几乎所有参数使用说明都经过了我的实际验证而得到。
2. codegen
将关系数据库表映射为一个java文件、java class类、以及相关的jar包，作用主要是两方面：
1、 将数据库表映射为一个Java文件，在该Java文件中对应有表的各个字段。
2、 生成的Jar和class文件在metastore功能使用时会用到。
基础语句：
sqoop codegen –connect jdbc:mysql://localhost:3306/hive –username
root –password 123456 –table TBLS2
参数 说明
–bindir
–class-name
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JAR包文件输出路径
设定生成的Java文件指定的名称
–outdir
–package-name
–input-null-non-string
–input-null-string
同上，设定时，最好与上面的属性一起设置，且设置同样的值（比如空字符串等等）。
数据库字段在生成的java文件中会映射为各种属性，且默认的数–map-column-java
据类型与数据库类型保持对应，比如数据库中某字段的类型为bigint，则在Java文件中的数据类型为long型，通过这个属性，可以改变数据库字段在java中映射的数据类型，格式如：–map-column-java DB_ID=String,id=Integer
–null-non-string
–null-string
–table
对应关系数据库的表名，生成的java文件中的各属性与该表的各字段一一对应。
同上，使用的时候最好和上面的属性一起用，且设置为相同的值
在生成的java文件中，比如TBL_ID==null?”null”:””，通过这个属性设置可以将null字符串设置为其它值如ddd，TBL_ID==null?”ddd”:””
在生成的java文件中，可以将null字符串设为想要设定的值（比如空字符串’’）
包名，如，则会生成cn和cnnic两级目录，生成的文件（如java文件）就存放在cnnic目录里
3. create-hive-table
生成与关系数据库表的表结构对应的HIVE表
基础语句：
sqoop create-hive-table –connect jdbc:mysql://localhost:3306/hive
-username root -password 123456 –table TBLS –hive-table h_tbls2
参数 说明
–hive-home
–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
–table
可以快速地使用SQL语句对关系数据库进行操作，这可以使得在使用import这种工具进行数据导入的时候，可以预先了解相关的SQL语句是否正确，并能将结果显示在控制台。
查询示例：
sqoop eval –connect jdbc:mysql://localhost:3306/hive -username
root -password 123456 -query “SELECT * FROM tbls LIMIT 10″
后面接要创建的hive表
指定关系数据库表名
4. eval
数据插入示例：
sqoop eval –connect jdbc:mysql://localhost:3306/hive -username
root -password 123456 -e “INSERT INTO TBLS2
VALUES(100,1375170308,1,0,’hadoop’,0,1,’guest’,’MANAGED_TABLE’,’abc’,’ddd’)”
-e、-query这两个参数经过测试，比如后面分别接查询和插入SQL语句，皆可运行无误，如上。
5. export
从HDFS中导数据到关系数据库中
sqoop export –connect jdbc:mysql://localhost:3306/hive –username
root –password
123456 –table TBLS2 –export-dir sqoop/test
参数
–direct
–export-dir
-m,–num-mappers
–table
说明
快速模式，利用了数据库的导入工具，如mysql的mysqlimport，可以比jdbc连接的方式更为高效的将数据导入到关系数据库中。
存放数据的HDFS的源目录
启动N个map来并行导入数据，默认是4个，最好不要将数字设置为高于集群的最大Map数
要导入到的关系数据库表
–update-key 后面接条件列名，通过该参数，可以将关系数据库中已经存在的数
更新模式，有两个值updateonly和默认的allowinsert，该参数只–update-mode 能是在关系数据表里不存在要导入的记录时才能使用，比如要导入
–input-null-string string> –input-null-non-string 该参数是用来保证在数据导入关系数据库表的过程中事务安全性–staging-table 的，因为在导入的过程中可能会有多个事务，那么一个事务失败会影响到其它事务，比如导入的数据会出现错误或出现重复的记录等等情况，那么通过该参数可以避免这种情况。创建一个与导入目标表同样的数据结构，保留该表为空在运行数据导入前，所有事务会将结果先存放在该表中，然后最后由该表通过一次事务将结果写入到目标表中。 –clear-如果该staging-table非空，则通过该参数可以在运行导入前清除可选参数，如果没有指定，则字符串null将被使用 staging-table staging-table里的数据。 –batch 将数据库表的数据导入到hive中，如果在hive中没有对应的表，则自动生成与数据库表名相同的表。 该模式用于执行基本语句（暂时还不太清楚含义） 6. import sqoop import –connect jdbc:mysql://localhost:3306/hive –username root –password 123456 –table user –split-by id –hive-import –split-by指定数据库表中的主键字段名，在这里为id。 参数 说明 将数据追加到HDFS中已经存在的dataset中。使用该参–append 数，sqoop将把数据先导入到一个临时目录中，然后重新给文件命名到一个正式的目录中，以避免和该目录中已存在的文件重名。 –as-avrodatafile –as-sequencefile –as-textfile 将数据导入到一个Avro数据文件中 将数据导入到一个sequence文件中 将数据导入到一个普通文本文件中，生成该文本文件后，可以在hive中通过sql语句查询出结果。 边界查询，也就是在导入前先通过SQL查询得到一个结果集，然后导入的数据就是该结果集内的数据，格式如：–boundary-query ‘select id,creationdate from person where id = 3’，表示导入的数据为id=3的记–boundary-query 录，或者select min( from Invalid value for getLong() 目前问题原因还未知 –columns 指定要导入的字段值，格式如：–columns id,username –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。官网上是说这样导入会更快 在使用上面direct直接导入的基础上，对导入的流按字–direct-split-size 节数分块，特别是使用直连模式从PostgreSQL导入数据的时候，可以将一个到达设定大小的文件分为几个独立的文件。 –inline-lob-limit -m,–num-mappers 设定大对象数据类型的最大值 启动N个map来并行导入数据，默认是4个，最好不要将数字设置为高于集群的节点数 从查询结果中导入数据，该参数使用时必须指定–target-dir、–hive-table，在查询语句中一定要有–query，-e where条件且在where条件中需要包含$CONDITIONS，示例：–query ‘select * from person where $CONDITIONS ‘ –target-dir /user/hive/warehouse/person –hive-table person –split-by –table –target-dir –warehouse-dir 表的列名，用来切分工作单元，一般后面跟主键ID 关系数据库表名，数据从该表中获取 指定HDFS路径 与–target-dir不能同时使用，指定数据导入的存放目录，适用于hdfs导入，不适合导入hive目录 从关系数据库导入数据时的查询条件，示例：–where ‘id = 2′ 压缩参数，默认情况下数据是没被压缩的，通过该参数可–where -z,–compress 以使用gzip压缩算法对数据进行压缩，适用于SequenceFile, text文本文件, 和Avro文件 –compression-codec Hadoop压缩编码，默认是gzip –null-string –null-non-string 增量导入 参数 说明 可选参数，如果没有指定，则字符串null将被使用 可选参数，如果没有指定，则字符串null将被使用 –check-column 用来作为判断的列名，如id (col) –incremental (mode) append：追加，比如对大于last-value指定的值之后的记录进行追加导入。lastmodified：最后的修改时间，追加last-value指定的日期之后的记录 –last-value 指定自从上次导入后列的最大值（大于该指定的值），也可以自己(value) 设定某一值 对incremental参数，如果是以日期作为追加导入的依据，则使用lastmodified，否则就使用append值。 7. import-all-tables 将数据库里的所有表导入到HDFS中，每个表在HDFS中都对应一个独立的目录。 sqoop import-all-tables –connect jdbc:mysql://localhost:3306/test sqoop import-all-tables –connect jdbc:mysql://localhost:3306/test –hive-import 参数 –as-avrodatafile –as-sequencefile –as-textfile –direct –direct-split-size –inline-lob-limit -m,–num-mappers –warehouse-dir -z,–compress –compression-codec 8. job 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。 sqoop job 参数 –create –delete 说明 生成一个job，示例如：sqoop job –create myjob — import –connectjdbc:mysql://localhost:3306/test –table person 删除一个jobsqoop job –delete myjob 说明 同import参数 同import参数 同import参数 同import参数 同import参数 同import参数 同import参数 同import参数 同import参数 同import参数 –exec –help –list –meta-connect –show –verbose 执行一个jobsqoop job –exec myjob 显示帮助说明 显示所有的jobsqoop job –list 用来连接metastore服务，示例如：–meta-connect jdbc:hsqldb:hsql://localhost:16000/sqoop 显示一个job的各种参数sqoop job –show myjob 打印命令运行时的详细信息 9. list-databases 打印出关系数据库所有的数据库名 sqoop list-databases –connect jdbc:mysql://localhost:3306/ -username root -password 123456 10. list-tables 打印出关系数据库某一数据库的所有表名 sqoop list-tables –connect jdbc:mysql://localhost:3306/zihou -username root -password 123456 11. merge 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，示例如： sqoop merge –new-data /test/p1/person –onto /test/p2/person –target-dir /test/merged –jar-file /opt/data/sqoop/person/ –class-name Person –merge-key id 其中，–class-name所指定的class名是对应于中的Person类，而是通过Codegen生成的 参数 –new-data –onto –merge-key –jar-file –class-name –target-dir 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，可以在配置文件中进行更改。 说明 Hdfs中存放数据的一个目录，该目录中的数据是希望在合并后能优先保留的，原则上一般是存放越新数据的目录就对应这个参数。 Hdfs中存放数据的一个目录，该目录中的数据是希望在合并后能被更新数据替换掉的，原则上一般是存放越旧数据的目录就对应这个参数。 合并键，一般是主键ID 合并时引入的jar包，该jar包是通过Codegen工具生成的jar包 对应的表名或对象名，该class类是包含在jar包中的。 合并后的数据在HDFS里的存放目录 12. metastore metastore实例启动：sqoop metastore 参数 –shutdown 显示sqoop版本信息 语句：sqoop version 14. help 打印sqoop帮助信息 语句：sqoop help 15. 公共参数 Hive参数 参数 –hive-delims-replacement –hive-drop-import-delims –map-column-hive 在导入数据到hive中时，去掉数据中n,r和01这样的字符 生成hive表时，可以更改生成字段的数据类型，格式如：–map-column-hiveTBL_ID=String,LAST_ACCESS_TIME=string 用自定义的字符串替换掉数据中的n, r, and 01等字符 说明 说明 关闭一个运行的metastore实例 13. version –hive-partition-key –hive-partition-value –hive-home –hive-import –hive-overwrite –create-hive-table –hive-table –table 参数 创建分区，后面直接跟分区名即可，创建完毕后，通过describe 表名可以看到分区名，默认为string型 该值是在导入数据到hive中时，与–hive-partition-key设定的key对应的value值。 Hive的安装目录，可以通过该参数覆盖掉默认的hive目录 将数据从关系数据库中导入到hive表中 覆盖掉在hive表中已经存在的数据 默认是false,如果目标表已经存在了，那么创建任务会失败 后面接要创建的hive表 指定关系数据库表名 数据库连接参数 说明 Jdcb连接url，示例如：–connect jdbc:mysql://localhost:3306/hive 指定要使用的连接管理类 –connect –connection-manager –driver –hadoop-home –help -P Hadoop根目录 打印帮助信息 从控制端读取密码 –password –username –verbose 在控制台打印出详细信息 –connection-param-file 一个记录着数据库连接参数的文件 文件输出参数 用于import场景。 示例如： sqoop import –connect jdbc:mysql://localhost:3306/test –username root –P –table person –split-by id –check-column id –incremental append –last-value 1 –enclosed-by ‘”‘ –escaped-by # –fields-terminated-by . 参数 说明 –enclosed-by 给字段值前后加上指定的字符，比如双引号，示例：–enclosed- –escaped-by 给双引号作转义处理，如字段值为”测试”，经过–escaped-by –fields-terminated-by –lines-处理后，在HDFS中的显示值为：”测试”，对单引号无效 设定每个字段是以什么符号作为结束的，默认是逗号，也可以改为其它符号，如句号.，示例如：–fields-terminated-by. 设定每条记录行之间的分隔符，默认是换行，但也可以设定自己所terminated-by 需要的字符串，示例如：–lines-terminated-by ‘#’ 以#号分 –mysql-delimiters 隔 Mysql默认的分隔符设置，字段之间以,隔开，行之间以换行n隔开，默认转义符号是，字段值以单引号’包含起来。 enclosed-by是强制给每个字段值前后都加上指定的符号，而––optionally-enclosed-by optionally-enclosed-by只是给带有双引号或单引号的字段值加上指定的符号，故叫可选的。示例如：–optionally-enclosed-by ‘$’ 显示结果： $”hehe”,测试$ 文件输入参数 对数据格式的解析，用于export场景，与文件输出参数相对应。 示例如： sqoop export –connect jdbc:mysql://localhost:3306/test –username root –password 123456 –table person2 –export-dir /user/hadoop/person –staging-table person3 –clear-staging-table –input-fields-terminated-by ‘,’ 在HDFS中存在某一格式的数据，在将这样的数据导入到关系数据库中时，必须要按照该格式来解析出相应的字段值，比如在hdfs中有这样格式的数据： 3,jimsss,*********,1,2013-08-07 16:00:48.0,”hehe”,测试 上面的各字段是以逗号分隔的，那么在解析时，必须要以逗号来解析出各字段值，如： –input-fields-terminated-by ‘,’ 参数 –input-enclosed-by –input-escaped-by –input-fields-terminated-by –input-lines-terminated-by –input-optionally-enclosed-by 与–input-enclosed-by功能相似，与–input-enclosed-by的区别参见输出参数中对–optionally-enclosed-by的描述 说明 对字段值前后有指定的字符，比如双引号的值进行解析：–input-enclosed-by ‘”‘，数据例子：”3″,”jimsss”,”*********” 对含有转义双引号的字段值作转义处理，如字段值为”测试”，经过–input-escaped-by 处理后，解析得到的值为：”测试”，对单引号无效。 以字段间的分隔符来解析得到各字段值，示例如：– input-fields-terminated-by, 以每条记录行之间的分隔符来解析得到字段值，示例如：–input-lines-terminated-by ‘#’ 以#号分隔 福州电脑网_福州电脑维修_福州电脑之家_福州iThome 福州电脑维修网(fzithome.com)专业的电脑维修,笔记本维修,上门维修各种电脑,笔记本,平板等,快速上门.电脑知识频道内容覆盖:计算机资讯,电脑基础应用知识,各种电脑故障维修学习,电脑外设产品维修维护,病毒，软件,硬件,常识.，注意查询的字段中不能有数据类型为字符串的字段，否则会报错：eption:
发布评论