大数据技术之Sqoop

版本：V2.0

第1章 Sqoop简介

Sqoop是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库（例如
： MySQL ,Oracle
,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache项目。

Sqoop2的最新版本是1.99.7。请注意，2与1不兼容，且特征不完整，它并不打算用于生产部署。

第2章 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。

第3章 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. 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/

2. 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中

3. 解压sqoop安装包到指定目录，如：

$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/

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

$ mv sqoop-env-template.sh sqoop-env.sh

2) 修改配置文件

sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2

export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2

export HIVE_HOME=/opt/module/hive

export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10

export ZOOCFGDIR=/opt/module/zookeeper-3.4.10

export HBASE_HOME=/opt/module/hbase

3.3 拷贝JDBC驱动

拷贝jdbc驱动到sqoop的lib目录下，如：

$ cp mysql-connector-java-5.1.27-bin.jar
/opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/

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：

$ bin/sqoop help

出现一些Warning警告（警告信息已省略），并伴随着帮助命令的输出：

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

3.5 测试Sqoop是否能够成功连接数据库

$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username
root --password 000000

出现如下输出：

information_schema

metastore

mysql

oozie

performance_schema

第4章 Sqoop的简单使用案例

4.0 导入数据

--connect #关系型数据库连接
--username #关系型数据库连接用户名
--password #关系型数据库连接密码
--table #关系型数据库的表
--split-by #如果-m的数量不为1，则一定要加上该参数且最好是数值类型，否则会报错
--direct　#快速模式，使用mysql自带的mysqldump导出数据
--delete-target-dir　#如果hdfs的目录已经存在则先删除
--target-dir #导入到hdfs时的目标目录
--export-dir #从hdfs导出时的源目录
--fields-terminated-by #导入到hdfs时的hdfs文件分隔符
--input-fields-terminated-by #从hdfs导出时的hdfs文件分隔符
--hive-drop-import-delims #导入hive中的数据某列中如果有换行符或回车键可以删除
--hive-database #hive的数据库
--hive-table #hive的表
--hive-overwrite #覆盖之前的分区插入数据
--hive-partition-key #hive分区字段
--hive-partition-value #hive分区值
-m #指定map数量，也是生成的文件数

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 -p000000

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’);

3. 导入数据

（1）全部导入

$ bin/sqoop import \

–connect jdbc:mysql://hadoop102:3306/company \

–username root \

–password 000000 \

–table staff \

–target-dir /user/company \

–delete-target-dir \

–num-mappers 1 \

–fields-terminated-by “\t”

（2）查询导入

$ bin/sqoop import \

–connect jdbc:mysql://hadoop102:3306/company \

–username root \

–password 000000 \

–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;’

提示：must contain ‘$CONDITIONS’ in WHERE clause.

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。

（3）导入指定列

$ bin/sqoop import \

–connect jdbc:mysql://hadoop102:3306/company \

–username root \

–password 000000 \

–target-dir /user/company \

–delete-target-dir \

–num-mappers 1 \

–fields-terminated-by “\t” \

–columns id,sex \

–table staff

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://hadoop102:3306/company \

–username root \

–password 000000 \

–target-dir /user/company \

–delete-target-dir \

–num-mappers 1 \

–fields-terminated-by “\t” \

–table staff \

–where “id=1”
（5）使用sqoop关键字筛选查询导入数据到分区表

• mysql表如下：

CREATE TABLE `fdt_dim_optimizer_group_conf` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT 'id',
  `ad_optimizer_name` varchar(50) NOT NULL COMMENT '优化师',
  `sale_group` varchar(50) DEFAULT NULL COMMENT '销售小组',
  `sale_group_id` int(11) DEFAULT NULL COMMENT '销售小组id:fdt_dim_team_conf.id',
  `ad_optimizer_name_zh` varchar(50) DEFAULT NULL COMMENT '中文名',
  `second_level_group` varchar(50) DEFAULT NULL COMMENT '销售2级小组（团队）',
  `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  PRIMARY KEY (`id`) USING BTREE,
  UNIQUE KEY `Unique` (`ad_optimizer_name`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1181 DEFAULT CHARSET=utf8mb4 ROW_FORMAT=DYNAMIC COMMENT='优化师小組配置'

• hive分区表如下：

create table if not exists fdt_dim_optimizer_group_conf (
id bigint,
ad_optimizer_name string,
sale_group string,
sale_group_id int,
ad_optimizer_name_zh string,
second_level_group string ,
update_time TIMESTAMP,
create_time TIMESTAMP
)
partitioned by (dt date)
ROW FORMAT delimited 
   fileds tarminated by '\001'

• sqoop脚本如下：

sqoop import \
--connect jdbc:mysql://master01:3306/ec-stat-report?charactEncoding=utf-8 \
--username root \
--password 123456  \
-m 2 \
--split-by id \
--table fdt_dim_optimizer_group_conf  \
--where "date(update_time)='2020-09-14'" \
--fields-terminated-by '\001' \
--target-dir /user/chenhongwei/tmp/sqoop/ \
--delete-target-dir \
--hive-table fdt_dim_optimizer_group_conf \
--hive-import \
--hive-overwrite \
--hive-partition-key dt \
--hive-partition-value 2020-09-14

• 结果如下：

hive> show partitions fdt_dim_optimizer_group_conf;
OK
dt=2020-09-13
dt=2020-09-14
dt=2020-09-15
Time taken: 0.043 seconds, Fetched: 3 row(s)

4.1.2 RDBMS到Hive

$ bin/sqoop import \

–connect jdbc:mysql://hadoop102:3306/company \

–username root \

–password 000000 \

–table staff \

–num-mappers 1 \

–hive-import \

–fields-terminated-by “\t” \

–hive-overwrite \

–hive-table staff_hive

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，第一步默认的临时目录是/user/atguigu/表名

4.1.3 RDBMS到Hbase

$ bin/sqoop import \

–connect jdbc:mysql://hadoop102:3306/company \

–username root \

–password 000000 \

–table company \

–columns “id,name,sex” \

–column-family “info” \

–hbase-create-table \

–hbase-row-key “id” \

–hbase-table “hbase_company” \

–num-mappers 1 \

–split-by id

提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能

解决方案：手动创建HBase表

hbase> create 'hbase_company,‘info’

(5) 在HBase中scan这张表得到如下内容

hbase> scan ‘hbase_company’

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

sqoop export \
--connect "jdbc:mysql://master01:3306/ec-stat-report?useUnicode=true&characterEncoding=utf-8" \ # 这里加上useUnicode=true&characterEncoding=utf-8 是为了防止到处到mysql乱码；注意⚠️：也要加上双引号
--username root \
--password 123456  \
--m 1 \
--input-null-string null \
--input-null-non-string null \
--input-fields-terminated-by '\001' \
--export-dir /user/hive/warehouse/fdt_dim_optimizer_group_conf/dt=2020-09-14 \
--table fdt_dim_optimizer_group_conf_bak20200911

提示：Mysql中如果表不存在，不会自动创建

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://hadoop102:3306/company

–username

root

–password

000000

–table

staff

–num-mappers

1

–export-dir

/user/hive/warehouse/staff_hive

–input-fields-terminated-by

“\t”

3) 执行该脚本

$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt

第5章 Sqoop一些常用命令及参数

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	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

5.2.2 公用参数：import

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

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\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 <arg>	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：

1⃣️：如：导入数据到hive中

sqoop import \
--connect "jdbc:mysql://master01:3306/ec-stat-report?useUnicode=true&charactEncoding=utf-8" \
--username root \
--password 123456 \
--fields-terminated-by '\001' \
--table fdt_dim_optimizer_group_conf_bak20200911 \
-m 2 \
--split-by id \
--hive-import

查询刚刚新建的表，看下数据：（数据已经全部导入）

2⃣️：如：增量导入数据到hive中，mode=append

sqoop import \
--connect "jdbc:mysql://master01:3306/ec-stat-report?useUnicode=true&charactEncoding=utf-8" \
--username root \
--password 123456 \
--fields-terminated-by '\001' \
--table fdt_dim_optimizer_group_conf_bak20200911 \
-m 2 \
--split-by id \
--target-dir /user/chenhongwei/tmp/sqoop \
--check-column update_time \
--incremental append \
--last-value '2020-09-14 23:59:59'
# --hive-import  # 这个不能与 append 模式共用
# --delete-target-dir # 这个也不能加，因为append模式需要原来的做对比

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 ）

去掉后导入成功，看下数据：

3⃣️：如：增量导入数据到hdfs中，mode=lastmodified

在上面步骤在修改(或增加)一条数据 ：
（将chenhongwei修改为chenhongwei1 并且将update_time改为2020-09-18 21:32:46）

id	ad_optimizer_name	sale_group	sale_group_id	ad_optimizer_name_zh	second_level_group	update_time	create_time
1163	chenhongwei1	BI组	111	陈红伟	BI小组	2020-09-18 21:32:46	2020-09-17 20:17:19

sqoop import \
--connect "jdbc:mysql://master01:3306/ec-stat-report?useUnicode=true&charactEncoding=utf-8" \
--username root \
--password 123456 \
--table fdt_dim_optimizer_group_conf_bak20200911 \
--fields-terminated-by '\001' \
#--target-dir /user/chenhongwei/tmp/sqoop \
--delete-target-dir \
--m 2 \
--split-by id \
--incremental lastmodified \
--check-column update_time \
--merge-key ad_optimizer_name \
--last-value '2020-09-18 00:00:00' 

执行完成（真正执行是要删除掉 #–target-dir /user/chenhongwei/tmp/sqoop \ 这列）

这里我特意写的–last-value ‘2020-09-18 00:00:00’

所以没有数据加载进来

（将chenhongwei修改为chenhongwei1 并且将update_time改为2020-09-17 21:32:46）

id	ad_optimizer_name	sale_group	sale_group_id	ad_optimizer_name_zh	second_level_group	update_time	create_time
1163	chenhongwei1	BI组	111	陈红伟	BI小组	2020-09-17 21:32:46	2020-09-17 20:17:19

将–last-value改为2020-09-17 20:17:19 跑完如下：

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

小结：增量导入 --incremental 两中方式：
lastmodified：【取数范围：>=（last-value指定的时间） 并且 <= （当前时间）】。⚠️：使用时🐠大于等于🐠指定的时间
1⃣️：–merge-key：最终会合并成一个文件（part-r-00000）
2⃣️：–append ：不管-m设置的map数，都是生成一个文件。执行一次生成一个（part-m-00000、part-m-00001等等）
append：使用时🐠大于🐠指定的时间
【取数范围：>（last-value指定的时间） 】
根据-m设置的map数生成对应数量的文件（part-m-00000、part-m-00001等等）

图注：执行顺序是绿色、红色、粉红。
3个粉红框是因为在–incremental lastmodified；-m 2；–apend 参数下执行了3次
2个红色框是因为在–incremental append；-m 2 参数下执行了2次
1个绿色框是因为在–incremental lastmodified；-m 2；–merge-key id 参数下执行了1次
注意⚠️：当在执行绿色框参数时候，会将该目录下所有文件合并成一个。
如下图：

2) 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）中奖数据导出到关系型数据库中。

1) 命令：

如：

$ bin/sqoop export \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --export-dir /user/company \ --input-fields-terminated-by “\t” \ --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://hadoop102:3306/company
\ --username root \ --password 000000 \ --table staff \ --bindir
/home/admin/Desktop/staff \ --class-name Staff \
–fields-terminated-by “\t”

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://hadoop102:3306/company \ --username root \ --password 000000 \ --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://hadoop102:3306/company \ --username root \ --password 000000 \ --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://hadoop102:3306/company \ --username root \ --password 000000 \ --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://hadoop102:3306/company \ --username root \ --password 000000 $ 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://linux01:16000/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://hadoop102:3306/ \ --username root \ --password 000000

**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://hadoop102:3306/company \ --username root \ --password 000000

**参数：**与公用参数一样

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：

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

尖叫提示：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：

如：

创建JavaBean： $ bin/sqoop codegen \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --bindir /home/admin/Desktop/staff \ --class-name Staff \ --fields-terminated-by “\t” 开始合并： $ bin/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 <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