Sqoop架构原理及常用命令参数

阳光穿透心脏的1/2处 2021-09-29 09:34 562阅读 0赞

## 1. 简介 ##

Sqoop：SQL–to–Hadoop

Apache Sqoop是用来实现结构型数据（如关系数据库）和Hadoop之间进行数据迁移的工具。它充分利用了MapReduce的并行特点以批处理的方式加快数据的传输，同时也借助MapReduce实现了容错。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70]

Sqoop支持的数据库：

<table> 
 <thead> 
  <tr> 
   <th><strong>Database</strong></th> 
   <th><strong>version</strong></th> 
   <th><strong>–direct</strong> <strong>support?</strong></th> 
   <th><strong>connect string matches</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>HSQLDB</td> 
   <td>1.8.0+</td> 
   <td>No</td> 
   <td><strong>jdbc:hsqldb://</strong></td> 
  </tr> 
  <tr> 
   <td>MySQL</td> 
   <td>5.0+</td> 
   <td>Yes</td> 
   <td><strong>jdbc:mysql://</strong></td> 
  </tr> 
  <tr> 
   <td>Oracle</td> 
   <td>10.2.0+</td> 
   <td>No</td> 
   <td><strong>jdbc:oracle://</strong></td> 
  </tr> 
  <tr> 
   <td>PostgreSQL</td> 
   <td>8.3+</td> 
   <td>Yes (import only)</td> 
   <td><strong>jdbc:postgresql://</strong></td> 
  </tr> 
 </tbody> 
</table>

## 2. 架构&原理 ##

将导入或导出命令翻译成 mapreduce 程序来实现。  
在 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70 1]

Sqoop工具接收到客户端的shell命令或者Java api命令后，通过Sqoop中的任务翻译器(Task Translator)将命令转换为对应的MapReduce任务，而后将关系型数据库和Hadoop中的数据进行相互转移，进而完成数据的拷贝。

### Sqoop import原理 ###

从传统数据库获取元数据信息(schema、table、field、field type)，把导入功能转换为只有Map的Mapreduce作业，在mapreduce中有很多map，每个map读一片数据，进而并行的完成数据的拷贝

Sqoop 在 import 时，需要制定 split-by 参数。  
Sqoop 根据不同的 split-by参数值 来进行切分, 然后将切分出来的区域分配到不同 map 中。每个map中再处理数据库中获取的一行一行的值，写入到 HDFS 中。同时split-by 根据不同的参数类型有不同的切分方法，如比较简单的int型，Sqoop会取最大和最小split-by字段值，然后根据传入的 num-mappers来确定划分几个区域。

### Sqoop export 原理 ###

获取导出表的schema、meta信息，和Hadoop中的字段match；多个map only作业同时运行，完成hdfs中数据导出到关系型数据库中

介绍Hadoop业务的开发流程以及Sqoop在业务当中的实际地位

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70 2]

在实际的业务当中，我们首先对原始数据集通过MapReduce进行数据清洗，然后将清洗后的数据存入到Hbase数据库中，而后通过数据仓库Hive对Hbase中的数据进行统计与分析，分析之后将分析结果存入到Hive表中，然后通过Sqoop这个工具将我们的数据挖掘结果导入到MySql数据库中，最后通过Web将结果展示给客户。

## 3. 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/][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://bd004:3306/ --username root --password 123

出现如下输出：  
information\_schema  
hive  
logs\_result  
mysql  
test

## 4. 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 -p123
    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

$ bin/sqoop import \--connect jdbc:mysql://bd004:3306/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;'

must contain ' C O N D I T I O N S ′ i n W H E R E c l a u s e . 如 果 q u e r y 后 使 用 的 是 双 引 号 ， 则 CONDITIONS&\#x27; in WHERE clause. 如果 query 后使用的是双引号，则 CONDITIONS′inWHEREclause.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

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

#### 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 ####

$ bin/sqoop 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"

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"

1.  执行该脚本  
    $ bin/sqoop --options-file opt/job\_HDFS2RDBMS.opt

## 5. Sqoop 常用命令及参数 ##

参考  
[https://blog.csdn.net/qq\_35641192/article/details/80850301][https_blog.csdn.net_qq_35641192_article_details_80850301]

## 5. Sqoop 常用命令及参数 ##

### 5.1 常用命令列举 ###

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>命令</strong></th> 
   <th><strong>类</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>import</td> 
   <td>ImportTool</td> 
   <td>将数据导入到集群</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>export</td> 
   <td>ExportTool</td> 
   <td>将集群数据导出</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>codegen</td> 
   <td>CodeGenTool</td> 
   <td>获取数据库中某张表数据生成Java并打包Jar</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>create-hive-table</td> 
   <td>CreateHiveTableTool</td> 
   <td>创建Hive表</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>eval</td> 
   <td>EvalSqlTool</td> 
   <td>查看SQL执行结果</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>import-all-tables</td> 
   <td>ImportAllTablesTool</td> 
   <td>导入某个数据库下所有表到HDFS中</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>job</td> 
   <td>JobTool</td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>list-databases</td> 
   <td>ListDatabasesTool</td> 
   <td>列出所有数据库名</td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>list-tables</td> 
   <td>ListTablesTool</td> 
   <td>列出某个数据库下所有表</td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>merge</td> 
   <td>MergeTool</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>11</td> 
   <td>metastore</td> 
   <td>MetastoreTool</td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>12</td> 
   <td>help</td> 
   <td>HelpTool</td> 
   <td>打印sqoop帮助信息</td> 
  </tr> 
  <tr> 
   <td>13</td> 
   <td>version</td> 
   <td>VersionTool</td> 
   <td>打印sqoop版本信息</td> 
  </tr> 
 </tbody> 
</table>

### 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 ####

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–connect</td> 
   <td>连接关系型数据库的URL</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–connection-manager</td> 
   <td>指定要使用的连接管理类</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–driver</td> 
   <td>Hadoop根目录</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–help</td> 
   <td>打印帮助信息</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–password</td> 
   <td>连接数据库的密码</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–username</td> 
   <td>连接数据库的用户名</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–verbose</td> 
   <td>在控制台打印出详细信息</td> 
  </tr> 
 </tbody> 
</table>

#### 5.2.2 公用参数：import ####

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–enclosed-by </td> 
   <td>给字段值前加上指定的字符</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–escaped-by </td> 
   <td>对字段中的双引号加转义符</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–fields-terminated-by </td> 
   <td>设定每个字段是以什么符号作为结束，默认为逗号</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–lines-terminated-by </td> 
   <td>设定每行记录之间的分隔符，默认是\n</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–mysql-delimiters</td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–optionally-enclosed-by </td> 
   <td>给带有双引号或单引号的字段值前后加上指定字符。</td> 
  </tr> 
 </tbody> 
</table>

#### 5.2.3 公用参数：export ####

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–input-enclosed-by </td> 
   <td>对字段值前后加上指定字符</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–input-escaped-by </td> 
   <td>对含有转移符的字段做转义处理</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–input-fields-terminated-by </td> 
   <td>字段之间的分隔符</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–input-lines-terminated-by </td> 
   <td>行之间的分隔符</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–input-optionally-enclosed-by </td> 
   <td>给带有双引号或单引号的字段前后加上指定字符</td> 
  </tr> 
 </tbody> 
</table>

#### 5.2.4 公用参数：hive ####

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–hive-delims-replacement </td> 
   <td>用自定义的字符串替换掉数据中的\r\n和\013 \010等字符</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–hive-drop-import-delims</td> 
   <td>在导入数据到hive时，去掉数据中的\r\n\013\010这样的字符</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–map-column-hive </td> 
   <td>生成hive表时，可以更改生成字段的数据类型</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–hive-partition-key</td> 
   <td>创建分区，后面直接跟分区名，分区字段的默认类型为string</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–hive-partition-value </td> 
   <td>导入数据时，指定某个分区的值</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–hive-home </td> 
   <td>hive的安装目录，可以通过该参数覆盖之前默认配置的目录</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–hive-import</td> 
   <td>将数据从关系数据库中导入到hive表中</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–hive-overwrite</td> 
   <td>覆盖掉在hive表中已经存在的数据</td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>–create-hive-table</td> 
   <td>默认是false，即，如果目标表已经存在了，那么创建任务失败。</td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>–hive-table</td> 
   <td>后面接要创建的hive表,默认使用MySQL的表名</td> 
  </tr> 
  <tr> 
   <td>11</td> 
   <td>–table</td> 
   <td>指定关系数据库的表名</td> 
  </tr> 
 </tbody> 
</table>

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://hadoop102:3306/company \
    --username root \
    --password 000000 \
    --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://hadoop102:3306/company \
    --username root \
    --password 000000 \
    --table staff \
    --num-mappers 1 \
    --fields-terminated-by "\t" \
    --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，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://hadoop102:3306/company \
    --username root \
    --password 000000 \
    --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://hadoop102:3306/company \
    --username root \
    --password 000000 \
    --table staff_timestamp \
    --check-column last_modified \
    --incremental lastmodified \
    --last-value "2017-09-28 22:20:38" \
    --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

**2)** **参数：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–append</td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–as-avrodatafile</td> 
   <td>将数据导入到一个Avro数据文件中</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–as-sequencefile</td> 
   <td>将数据导入到一个sequence文件中</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–as-textfile</td> 
   <td>将数据导入到一个普通文本文件中</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–boundary-query </td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–columns &lt;col1, col2, col3&gt;</td> 
   <td>指定要导入的字段</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–direct</td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–direct-split-size</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>–inline-lob-limit</td> 
   <td>设定大对象数据类型的最大值</td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>–m或–num-mappers</td> 
   <td>启动N个map来并行导入数据，默认4个。</td> 
  </tr> 
  <tr> 
   <td>11</td> 
   <td>–query或–e </td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>12</td> 
   <td>–split-by </td> 
   <td>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）</td> 
  </tr> 
  <tr> 
   <td>13</td> 
   <td>–table </td> 
   <td>关系数据库的表名</td> 
  </tr> 
  <tr> 
   <td>14</td> 
   <td>–target-dir </td> 
   <td>指定HDFS路径</td> 
  </tr> 
  <tr> 
   <td>15</td> 
   <td>–warehouse-dir </td> 
   <td>与14参数不能同时使用，导入数据到HDFS时指定的目录</td> 
  </tr> 
  <tr> 
   <td>16</td> 
   <td>–where</td> 
   <td>从关系数据库导入数据时的查询条件</td> 
  </tr> 
  <tr> 
   <td>17</td> 
   <td>–z或–compress</td> 
   <td>允许压缩</td> 
  </tr> 
  <tr> 
   <td>18</td> 
   <td>–compression-codec</td> 
   <td>指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)</td> 
  </tr> 
  <tr> 
   <td>19</td> 
   <td>–null-string </td> 
   <td>string类型的列如果null，替换为指定字符串</td> 
  </tr> 
  <tr> 
   <td>20</td> 
   <td>–null-non-string </td> 
   <td>非string类型的列如果null，替换为指定字符串</td> 
  </tr> 
  <tr> 
   <td>21</td> 
   <td>–check-column </td> 
  </tr> 
 </tbody>    
 <tbody> 
  <tr> 
   <td>作为增量导入判断的列名</td> 
  </tr> 
  <tr> 
   <td>22</td> 
   <td>–incremental </td> 
   <td>mode：append或lastmodified</td> 
  </tr> 
  <tr> 
   <td>23</td> 
   <td>–last-value </td> 
   <td>指定某一个值，用于标记增量导入的位置</td> 
  </tr> 
 </tbody> 
</table>

#### 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：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–direct</td> 
   <td>利用数据库自带的导入导出工具，以便于提高效率</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–export-dir </td> 
   <td>存放数据的HDFS的源目录</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>-m或–num-mappers </td> 
   <td>启动N个map来并行导入数据，默认4个</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–table </td> 
   <td>指定导出到哪个RDBMS中的表</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–update-key </td> 
   <td>对某一列的字段进行更新操作</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–update-mode </td> 
   <td>updateonly allowinsert(默认)</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–input-null-string </td> 
   <td>请参考import该类似参数说明</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–input-null-non-string </td> 
   <td>请参考import该类似参数说明</td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>–staging-table </td> 
   <td>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。</td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>–clear-staging-table</td> 
   <td>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</td> 
  </tr> 
 </tbody> 
</table>

#### 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"

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–bindir </td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–class-name </td> 
   <td>设定生成的Java文件指定的名称</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–outdir </td> 
   <td>生成Java文件存放的路径</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–package-name </td> 
   <td>包名，如com.z，就会生成com和z两级目录</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–input-null-non-string </td> 
   <td>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）</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–input-null-string </td> 
   <td>将null字符串替换成想要替换的值（一般与5同时使用）</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–map-column-java </td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–null-non-string </td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>–null-string </td> 
   <td>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）</td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>–table </td> 
   <td>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</td> 
  </tr> 
 </tbody> 
</table>

#### 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：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–hive-home </td> 
   <td>Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–hive-overwrite</td> 
   <td>覆盖掉在Hive表中已经存在的数据</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–create-hive-table</td> 
   <td>默认是false，如果目标表已经存在了，那么创建任务会失败</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–hive-table</td> 
   <td>后面接要创建的hive表</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–table</td> 
   <td>指定关系数据库的表名</td> 
  </tr> 
 </tbody> 
</table>

#### 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：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–query或–e</td> 
   <td>后跟查询的SQL语句</td> 
  </tr> 
 </tbody> 
</table>

#### 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：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–as-avrodatafile</td> 
   <td>这些参数的含义均和import对应的含义一致</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–as-sequencefile</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–as-textfile</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–direct</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–direct-split-size </td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–inline-lob-limit </td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–m或—num-mappers </td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–warehouse-dir </td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>9</td> 
   <td>-z或–compress</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>10</td> 
   <td>–compression-codec</td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

#### 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：

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–create </td> 
   <td>创建job参数</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–delete </td> 
   <td>删除一个job</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–exec </td> 
   <td>执行一个job</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–help</td> 
   <td>显示job帮助</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–list</td> 
   <td>显示job列表</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–meta-connect </td> 
   <td>用来连接metastore服务</td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>–show </td> 
   <td>显示一个job的信息</td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>–verbose</td> 
   <td>打印命令运行时的详细信息</td> 
  </tr> 
 </tbody> 
</table>

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：

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–new-data </td> 
   <td>HDFS 待合并的数据目录，合并后在新的数据集中保留</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>–onto </td> 
   <td>HDFS合并后，重复的部分在新的数据集中被覆盖</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>–merge-key </td> 
  </tr> 
 </tbody>    
 <tbody> 
  <tr> 
   <td>合并键，一般是主键ID</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>–jar-file </td> 
   <td>合并时引入的jar包，该jar包是通过Codegen工具生成的jar包</td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>–class-name </td> 
   <td>对应的表名或对象名，该class类是包含在jar包中的</td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>–target-dir </td> 
   <td>合并后的数据在HDFS里存放的目录</td> 
  </tr> 
 </tbody> 
</table>

#### 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：**

<table> 
 <thead> 
  <tr> 
   <th><strong>序号</strong></th> 
   <th><strong>参数</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>–shutdown</td> 
   <td>关闭metastore</td> 
  </tr> 
 </tbody> 
</table>

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70]: /images/20210827/84daf8219c4a4dbd967d3587cb3cad27.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70 1]: /images/20210827/02fc8faa820c43f7ae696867c62d16bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FybmVf_size_16_color_FFFFFF_t_70 2]: /images/20210827/d650328fa7274922bc39e016f0e68b40.png
[http_mirrors.hust.edu.cn_apache_sqoop_1.4.6]: http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
[sqoop-env-template.sh]: http://sqoop-env-template.sh
[sqoop-env.sh]: http://sqoop-env.sh
[https_blog.csdn.net_qq_35641192_article_details_80850301]: https://blog.csdn.net/qq_35641192/article/details/80850301