Sqoop 常用命令

鸡汤: 还不到揭晓结果的时候，你怎么知道你就一定会输？

1. 常用命令列举¶

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

2. 命令&参数详解¶

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	Hadoop根目录
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

2.2 公用参数：import¶

序号	参数	说明
1	--enclosed-by	给字段值前加上指定的字符
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。

2.3 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

2.4 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\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	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。

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。

命令：

导入数据到hive中

$ sqoop import \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--table staff \
--hive-import

增量导入数据到hive中，mode=append

sqoop import \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3

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）

增量导入数据到hdfs中，mode=lastmodified

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://master:3306/company \
--username root \
--password root \
--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://master:3306/leco \
--username root \
--password root \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append

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）

last-value指定的值是会包含于增量导入的数据中

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	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

2.6 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。

命令

sqoop export \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--table staff \
--export-dir /user/leco \
--input-fields-terminated-by "\t" \
--num-mappers 1

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	updateonlyallowinsert(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

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。

sqoop codegen \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--table staff \
--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

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

sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/leco \
--username root \
--password root \
--table staff \
--hive-table hive_staff

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

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

sqoop eval \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--query "SELECT * FROM staff"

参数

序号	参数	说明
1	--query或--e	后跟查询的SQL语句

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

sqoop import-all-tables \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--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

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

sqoop job \
--create myjob -- import-all-tables \
-connect jdbc:mysql://master:3306/company \
--username root \
 --password 000000

sqoop job \
--list

sqoop job \
--exec myjob

注意import-all-tables和它左边的--之间有一个空格

如果需要连接metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/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

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>

2.12 命令&参数：list-databases¶

命令

sqoop list-databases \
--connect jdbc:mysql://master:3306/ \
--username root \
--password root

参数

与公用参数一样

2.13 命令&参数：list-tables¶

命令

sqoop list-tables \
--connect jdbc:mysql://master:3306/company \
--username root \
--password root

参数

与公用参数一样

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

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

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

创建JavaBean：
sqoop codegen \
--connect jdbc:mysql://master:3306/leco \
--username root \
--password root \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

开始合并：
$ sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/Staff.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

2.1.5 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

启动sqoop的metastore服务
sqoop metastore

参数

序号	参数	说明
1	--shutdown	关闭metastore