• Sqoop 工具速查表(中文版)--转


    Sqoop用户手册(英文版):http://archive.cloudera.com/cdh/3/sqoop/SqoopUserGuide.html

    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.    sqoop-import

    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。

    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
    –append 将数据追加到hdfs中已经存在的dataset中。使用该参数,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 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,生成该文本文件后,可以在hive中通过sql语句查询出结果。
    –columns<col,col,col…> 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
    –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 设定大对象数据类型的最大值
    -m,–num-mappers 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
    –query,-e<statement>

    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<column-name> 表的列名,用来切分工作单元,一般后面跟主键ID
    –table <table-name> 关系数据库表名,数据从该表中获取
    –target-dir <dir> 指定hdfs路径
    –warehouse-dir <dir> 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
    –where 从关系数据库导入数据时的查询条件,示例:–where ‘id = 2′
    -z,–compress 压缩参数,默认情况下数据是没被压缩的,通过该参数可以使用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

    增量导入

    参数 说明
    –check-column (col) 用来作为判断的列名,如id
    –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 (value) 指定自从上次导入后列的最大值(大于该指定的值),也可以自己设定某一值

    3.    sqoop-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 说明

    –as-avrodatafile

    同import参数

    –as-sequencefile

    同import参数

    –as-textfile

    同import参数

    –direct

    同import参数

    –direct-split-size <n>

    同import参数

    –inline-lob-limit <n>

    同import参数

    -m,–num-mappers <n>

    同import参数

    –warehouse-dir <dir>

    同import参数

    -z,–compress

    同import参数

    –compression-codec

    同import参数

     

    4.sqoop-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 说明

    –direct

    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。

    –export-dir <dir>

    存放数据的HDFS的源目录

    -m,–num-mappers <n>

    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

    –table <table-name>

    要导入到的关系数据库表

    –update-key <col-name>

    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据进行更新操作,类似于关系数据库中的update操作

    –update-mode <mode>

    更新模式,有两个值updateonly和默认的allowinsert,该参数只能是在关系数据表里不存在要导入的记录时才能使用,比如要导入的hdfs中有一条id=1的记录,如果在表里已经有一条记录id=2,那么更新会失败。

    –staging-table <staging-table-name>

    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-staging-table

    如果该staging-table非空,则通过该参数可以在运行导入前清除staging-table里的数据

    –batch

    该模式用于执行基本语句(暂时还不太清楚含义)

     

    5.sqoop-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 说明

    –create <job-id>

    生成一个job,示例如:sqoop job –create myjob  — import –connectjdbc:mysql://localhost:3306/test –table person

    –delete <job-id>

    删除一个jobsqoop job –delete myjob

    –exec <job-id>

    执行一个jobsqoop job –exec myjob

    –help

    显示帮助说明

    –list

    显示所有的jobsqoop job –list

    –meta-connect <jdbc-uri>

    用来连接metastore服务,示例如:–meta-connect jdbc:hsqldb:hsql://localhost:16000/sqoop

    –show <job-id>

    显示一个job的各种参数sqoop job –show myjob

    –verbose

    打印命令运行时的详细信息

     

    6.sqoop-metastore

    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。

    metastore实例启动:sqoop metastore

    参数 说明
    -shutdown 关闭一个运行的metastore实例

     

    7.sqoop-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/Person.jar –class-name Person –merge-key id

    其中,–class-name所指定的class名是对应于Person.jar中的Person类,而Person.jar是通过Codegen生成的

    参数 说明
    –new-data <path> 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。

    –onto <path>

    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。

    –merge-key <col>

    合并键,一般是主键ID

    –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

    –class-name <class>

    对应的表名或对象名,该class类是包含在jar包中的

    –target-dir <path>

    合并后的数据在HDFS里的存放目录

    8.sqoop-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 <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JAR包文件输出路径

    –class-name <name> 设定生成的Java文件指定的名称
    –outdir <dir> 生成的java文件存放路径
    –package-name<name> 包名,如cn.cnnic,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
    –input-null-non-string<null-str> 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’’)
    –input-null-string<null-str> 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)。
    –map-column-java<arg> 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-str> 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”:”"
    –null-string<null-str> 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
    –table <table-name> 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。

     

    9.sqoop-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 <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

    指定关系数据库表名

    10.sqoop-eval

    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″

    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。

     

    11.sqoop-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

    12.sqoop-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

    13.sqoop-help

    打印sqoop帮助信息

    语句:sqoop help

    14.sqoop-version

    显示sqoop版本信息

    语句:sqoop version

    15.公共参数

        Hive参数

    参数 说明

    –hive-delims-replacement <arg>

    用自定义的字符串替换掉数据中的 , , and 1等字符

    –hive-drop-import-delims

    在导入数据到hive中时,去掉数据中 , 和1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,格式如:–map-column-hiveTBL_ID=String,LAST_ACCESS_TIME=string

    –hive-partition-key

    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

    –hive-partition-value<v>

    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-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-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,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

    指定关系数据库表名

    数据库连接参数

    参数 说明

    –connect <jdbc-uri>

    Jdcb连接url,示例如:–connect jdbc:mysql://localhost:3306/hive

    –connection-manager <class-name>

    指定要使用的连接管理类

    –driver <class-name>

    数据库驱动类

    –hadoop-home <dir>

    Hadoop根目录

    –help

    打印帮助信息

    -P

    从控制端读取密码

    –password <password>

    Jdbc url中的数据库连接密码

    –username <username>

    Jdbc url中的数据库连接用户名

    –verbose

    在控制台打印出详细信息

    –connection-param-file <filename>

    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 <char>

    给字段值前后加上指定的字符,比如双引号,示例:–enclosed-by ‘”‘,显示例子:”3″,”jimsss”,”dd@dd.com”

    –escaped-by <char>

    给双引号作转义处理,如字段值为”测试”,经过–escaped-by \处理后,在hdfs中的显示值为:”测试”,对单引号无效

    –fields-terminated-by <char>

    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.

    –lines-terminated-by <char>

    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需要的字符串,示例如:–lines-terminated-by ‘#’ 以#号分隔

    –mysql-delimiters

    Mysql默认的分隔符设置,字段之间以,隔开,行之间以换行 隔开,默认转义符号是,字段值以单引号’包含起来

    –optionally-enclosed-by <char>

    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,dd@dd.com,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 说明

    –input-enclosed-by <char>

    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”,”dd@dd.com”

    –input-escaped-by <char>

    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。

    –input-fields-terminated-by <char>

    以字段间的分隔符来解析得到各字段值,示例如:– input-fields-terminated-by,

    –input-lines-terminated-by <char>

    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

    –input-optionally-enclosed-by <char>

    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

    转自子猴博客:http://www.zihou.me/html/2014/01/28/9114.html

  • 相关阅读:
    阅读《构建之法(第三版)》提出的问题
    职位部门管理系统
    JSON
    hashcode()和equals()方法
    JSF和Facelets的生命周期
    认识applet
    认识ajax
    hello1.java分析
    vue中的防抖和节流
    vue项目搭建
  • 原文地址:https://www.cnblogs.com/conbein/p/3636077.html
Copyright © 2020-2023  润新知