一 Sqoop简介
Apache Sqoop(TM) 于 2012 年 3 月孵化出来，现在是一个顶级的 Apache 项目。是一种旨在有效地在 Apache Hadoop 和诸如关系数据库等结构化数据存储之间传输大量数据的工具。最新的稳定版本是 1.4.7。Sqoop2 的最新版本是 1.99.7。请注意，1.99.7 与 1.4.7 不兼容，且没有特征不完整，它并不打算用于生产部署。
二 Sqoop原理
将导入或导出命令翻译成 mapreduce 程序来实现。在翻译出的 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。
三 Sqoop安装
安装 Sqoop 的前提是已经具备 Java 和 Hadoop 的环境。
3.1 下载并解压
1) 最新版下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.7/
用户指南：http://sqoop.apache.org/docs/1.4.7/SqoopUserGuide.html
2) 上传安装包sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz到虚拟机中，
如我的上传目录是：/opt/software
3) 解压 sqoop 安装包到指定目录，如：
[admin@node21 software]$ tar zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /opt/module/ [admin@node21 module]$ mv sqoop-1.4.7.bin__hadoop-2.6.0 sqoop-1.4.7
3.2 修改配置文件
Sqoop 的配置文件与大多数大数据框架类似，在 sqoop 根目录下的 conf 目录中。
1) 重命名配置文件
[admin@node21 conf]$ cp sqoop-env-template.sh sqoop-env.sh
在conf目录下，有两个文件sqoop-site.xml和sqoop-site-template.xml内容是完全一样的，不必在意，我们只关心sqoop-site.xml即可。
1) 修改配置文件
sqoop-env.sh
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.6 export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.6 export HBASE_HOME=/opt/module/hbase-1.2.6 export HIVE_HOME=/opt/module/hive-2.3.3 export ZOOCFGDIR=/opt/module/zookeeper-3.4.12
3.3 拷贝JDBC驱动
[admin@node21 conf]$ cp /opt/software/mysql-connector-java-5.1.9.jar /opt/module/sqoop-1.4.7/lib/
3.4 配置环境变量
export SQOOP_HOME=/opt/module/sqoop-1.4.7 export PATH=$PATH:$SQOOP_HOME/bin
source /etc/profile
3.4 验证Sqoop
我们可以通过某一个 command 来验证 sqoop 配置是否正确：
[admin@node21 sqoop-1.4.7]$ sqoop help Warning: /opt/module/sqoop-1.4.7/../hcatalog does not exist! HCatalog jobs will fail. Please set $HCAT_HOME to the root of your HCatalog installation. Warning: /opt/module/sqoop-1.4.7/../accumulo does not exist! Accumulo imports will fail. Please set $ACCUMULO_HOME to the root of your Accumulo installation. 18/06/03 23:27:27 INFO sqoop.Sqoop: Running Sqoop version: 1.4.7 usage: sqoop COMMAND [ARGS] Available commands: codegen Generate code to interact with database records create-hive-table Import a table definition into Hive eval Evaluate a SQL statement and display the results export Export an HDFS directory to a database table help List available commands import Import a table from a database to HDFS import-all-tables Import tables from a database to HDFS import-mainframe Import datasets from a mainframe server to HDFS job Work with saved jobs list-databases List available databases on a server list-tables List available tables in a database merge Merge results of incremental imports metastore Run a standalone Sqoop metastore version Display version information See 'sqoop help COMMAND' for information on a specific command.
3.5 测试Sqoop是否能够成功连接数据库
$ bin/sqoop list-databases --connect jdbc:mysql://node21:3306/ --username root --password 123456 出现如下输出： information_schema hive mysql performance_schema sys
四 Sqoop的简单使用案例
4.1 导入数据
在 Sqoop 中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用 import 关键字。
4.1.1 RDBMS到HDFS
1) 确定 Mysql 服务开启正常
2) 在 Mysql 中新建一张表并插入一些数据
$ mysql -uroot -p123456 mysql> create database company; mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255)); mysql> insert into company.staff(name, sex) values('Thomas', 'Male'); mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');
1) 导入数据
（1）全部导入
命令行方式：
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --target-dir /sqoop/data --delete-target-dir --num-mappers 1 --fields-terminated-by " "
脚本方式：
在/opt/module/datas下创建一个sqoop1,txt(文件名自定义)，内容如下
import --connect 'jdbc:mysql://node21:3306/company' --username root --password 123456 --table staff --target-dir /sqoop/data --num-mappers 1 --fields-terminated-by " "
然后在窗口执行命令 sqoop --options-file /opt/module/datas/sqoop1.txt
（2）查询导入
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --target-dir /sqoop/data --delete-target-dir --num-mappers 1 --fields-terminated-by " " --query 'select name,sex from staff where id <=1 and $CONDITIONS;'
尖叫提示：must contain '$CONDITIONS' in WHERE clause.
尖叫提示：如果 query 后使用的是双引号，则$CONDITIONS 前必须加转移符，防止 shell 识别为自己的变量。
尖叫提示：--query 选项，不能同时与--table 选项使用
（3）导入指定列
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --target-dir /sqoop/data --delete-target-dir --num-mappers 1 --fields-terminated-by " " --columns id,sex --table staff
尖叫提示：columns 中如果涉及到多列，用逗号分隔，分隔时不要添加空格
（4）使用 sqoop 关键字筛选查询导入数据
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --target-dir /sqoop/data --delete-target-dir --num-mappers 1 --fields-terminated-by " " --table staff --where "id=1"
尖叫提示：在 Sqoop 中可以使用 sqoop import -D property.name=property.value 这样的方式加
入执行任务的参数，多个参数用空格隔开。
4.1.2 RDBMS到Hive
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --num-mappers 1 --hive-import --fields-terminated-by " " --hive-overwrite --hive-table staff_hive
尖叫提示：该过程分为两步，第一步将数据导入到 HDFS，第二步将导入到 HDFS 的数据迁移到 Hive 仓库
尖叫提示：第一步默认的临时目录是/user/admin/表名
4.2 导出数据
在 Sqoop 中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用 export 关键字。
4.2.1、HIVE/HDFS 到 RDBMS
$ bin/sqoop export --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --num-mappers 1 --export-dir /user/hive/warehouse/staff_hive --input-fields-terminated-by " "
尖叫提示：Mysql 中如果表不存在，不会自动创建
思考：数据是覆盖还是追加
4.3 脚本打包
使用 opt 格式的文件打包 sqoop 命令，然后执行
1) 创建一个.opt 文件
$ mkdir opt
$ touch opt/job_HDFS2RDBMS.opt
2) 编写 sqoop 脚本
$ vi opt/job_HDFS2RDBMS.opt export --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --num-mappers 1 --export-dir /user/hive/warehouse/staff_hive --input-fields-terminated-by " "
3) 执行该脚本
$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
五 Sqoop一些常用命令参数
5.1 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 |
5.2 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。
5.2.1 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 |
5.2.2 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 |
|
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 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。 |
5.2.3 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 |
5.2.4 公用参数：hive
|
序号 |
参数 |
说明 |
|
1 |
--hive-delims-replacement
<arg> |
用自定义的字符串替换掉数 据中的 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 13 10 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 |
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。
5.2.5 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。
1) 命令：
如：导入数据到 hive 中
$ bin/sqoop import --connect jdbc:mysql://node21:3306/company --username root --password 123456 --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://node21:3306/company --username root --password 123456 --table staff --num-mappers 1 --fields-terminated-by " " --target-dir /user/hive/warehouse/staff_hive --check-column id --incremental append --last-value 3
尖叫提示：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，
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://node21:3306/company --username root --password 123456 --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://node21:3306/company --username root --password 123456 --table staff_timestamp --check-column last_modified --incremental lastmodified --last-value "2018-06-04 17:25:29" --m 1 --append
尖叫提示：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）
尖叫提示：last-value 指定的值是会包含于增量导入的数据中
1) 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 <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（请参考官方文档） |
|
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(Use Hadoop codec default 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 |
5.2.6 命令&参数：export
从 HDFS（包括 Hive 和 HBase）中将数据导出到关系型数据库中。
1) 命令： 如：
$ bin/sqoop export --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --export-dir /sqoop/data --input-fields-terminated-by " " --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 <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 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 |
5.2.7 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。如：
$ bin/sqoop codegen --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --bindir /home/admin/Desktop/staff --class-name Staff --fields-terminated-by " "
|
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 |
5.2.8 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：
如：
$ bin/sqoop create-hive-table --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --hive-table hive_staff
参数：
|
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 |
5.2.9 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： 如：
$ bin/sqoop eval --connect jdbc:mysql://node21:3306/company --username root --password 123456 --query "SELECT * FROM staff"
参数：
|
序号 |
参数 |
说明 |
|
1 |
--query 或--e |
后跟查询的 SQL 语句 |
5.2.10 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：
如：
$ bin/sqoop import-all-tables --connect jdbc:mysql://node21:3306/company --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 <n> |
|
|
6 |
--inline-lob-limit <n> |
|
7 |
--m 或—num-mappers <n> |
|
|
8 |
--warehouse-dir <dir> |
|
|
9 |
-z 或--compress |
|
|
10 |
--compression-codec |
5.2.11 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：
如：
$ bin/sqoop job --create myjob -- import-all-tables --connect jdbc:mysql://node21:3306/company --username root --password 123456 $ bin/sqoop job --list $ bin/sqoop job --exec myjob
尖叫提示：注意 import-all-tables 和它左边的--之间有一个空格
尖叫提示：如果需要连接 metastore，则--meta-connect jdbc:hsqldb:hsql://node21:16010/sqoop
参数：
|
序号 |
参数 |
说明 |
|
1 |
--create <job-id> |
创建 job 参数 |
|
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 |
尖叫提示：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>
5.2.12 命令&参数：list-databases
命令： 如：
$ bin/sqoop list-databases --connect jdbc:mysql://node21:3306/ --username root --password 123456
参数：与公用参数一样
5.2.13 命令&参数：list-tables
命令： 如：
$ bin/sqoop list-tables --connect jdbc:mysql://node21:3306/company --username root --password 123456
5.2.14 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：
请检查之。命令：如：
创建 JavaBean： $ bin/sqoop codegen --connect jdbc:mysql://node21:3306/company --username root --password 123456 --table staff --bindir /home/admin/Desktop/staff --class-name Staff --fields-terminated-by " "
参数：
|
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 |
5.2.15 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
$ bin/sqoop metastore
参数：
|
序号 |
参数 |
说明 |
|
1 |
--shutdown |
关闭 metastore |
六 故障解决
6.1 JDBC驱动包版本问题
当执行sqoop命令时，报错如下
18/06/04 03:57:50 ERROR tool.ImportTool: Import failed: java.io.IOException: No columns to generate for ClassWriter
问题可能是mysql-connector-java的bug造成的，就试了一下，
原有的jar包是mysql-connector-java-5.1.9.jar，替换成mysql-connector-java-5.1.32-bin.jar，可以使用了。
6.2 去除警告消息
Warning: /opt/module/sqoop-1.4.7/../hcatalog does not exist! HCatalog jobs will fail. Please set $HCAT_HOME to the root of your HCatalog installation. Warning: /opt/module/sqoop-1.4.7/../accumulo does not exist! Accumulo imports will fail. Please set $ACCUMULO_HOME to the root of your Accumulo installation. 18/06/04 07:21:33 INFO sqoop.Sqoop: Running Sqoop version: 1.4.7