Sqoop 使用shell命令的各种参数的配置及使用方法

旧城等待， 2023-03-04 03:26 10阅读 0赞

## 1、Sqoop简介 ##

*  Sqoop将用户编写的sqoop命令翻译为MR程序，MR程序读取关系型数据库中的数据，写入到HDFS或读取HDFS上的数据，写入到关系型数据库
 *  在MR程序中如果要读取关系型数据中的数据，必须制定输入格式为DBInputformat
 *  在MR程序中如果要向关系型数据吸入数据，必须制定输出格式为DBOutputformat
 *  Sqoop命令运行的MR程序，**只有Map阶段，没有reduce阶段**。只需**要数据传输，不需要对数据进行合并和排序**

## 2、Sqoop导入数据 ##

### 2.1 到入到HDFS ###

**2.1.1 全表导入**

bin/sqoop import \
    ##连接的关系型数据库的url,用户名，密码
    --connect jdbc:mysql://hadoop102:3306/test \
    --username root \
    --password 123 \
    ##连接的表
    --table t_emp \
    ##导出数据在hdfs上存放路径
    --target-dir /sqoopTest \
    ##如果路径已存在则先删除
    --delete-target-dir \
    ##导入到Hdfs上后，每个字段使用什么参数进行分割
    --fields-terminated-by "\t" \
    ##要启动几个MapTask，默认4个
    --num-mappers 2 \
    ##数据集根据哪个字段进行切分，切分后每个MapTask负责一部分
    --split-by id \
    ##要实现部分导入，加入下面的参数，表示导入哪些列
    ##columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格
    --columns id,name,age

**2.1.2 使用sqoop关键字筛选查询导入数据**

bin/sqoop import \
    --connect jdbc:mysql://hadoop102:3306/test \
    --username root \
    --password 123 \
    --table t_emp \
    ##指定过滤的where语句,where语句最好使用引号包裹
    --where 'id>6' \
    --target-dir /sqoopTest \
    --delete-target-dir \
    --fields-terminated-by "\t" \
    --num-mappers 1 \
    --split-by id

**2.1.3 使用查询语句导入**

bin/sqoop import \
    --connect jdbc:mysql://hadoop102:3306/test \
    --username root \
    --password 123 \
    ##查询语句最好使用单引号
    ##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
    --query 'select * from t_emp where id>3 and $CONDITIONS' \
    --target-dir /sqoopTest \
    --delete-target-dir \
    --fields-terminated-by "\t" \
    --num-mappers 1 \
    --split-by id

注意：

1.  如果使用了--query，就不能指定--table，和--columns和--where
2.  \--query 和 --table一定不能同时存在！
3.  \--where和--query同时存在时，--where失效
4.  \--columns和--query同时存在时，--where无效！
5.  \--query 必须跟--target-dir

### 2.2 导入到hive ###

bin/sqoop import \
    --connect jdbc:mysql://hadoop102:3306/test \
    --username root \
    --password 123 \
    --query 'select * from t_emp where id>3 and $CONDITIONS' \
    --target-dir /sqoopTest \
    ##如果不限定分隔符，那么hive存储的数据将不带分隔符，之后再想操作很麻烦，所以建议加上
    --fields-terminated-by "\t" \
    --delete-target-dir \
    ##导入到hive
    --hive-import \
    ##是否覆盖写，不加这个参数就是追加写
    --hive-overwrite \
    ##指定要导入的hive的表名
    --hive-table t_emp \
    --num-mappers 1 \
    --split-by id

原理还是分俩步：先把数据从关系数据库里导到hdfs中，然后再从hdfs中导到hive中，此时hdfs中的文件会被删除

注意：如果hive中没表会自动创建表，但是类型是自动生成的，所以还是建议手动创建

**也可以分俩步走：**

（1）先导入hdfs

#!/bin/bash
    import_data(){
    $sqoop import \
    --connect jdbc:mysql://hadoop102:3306/gmall \
    --username root \
    --password 123 \
    --target-dir /origin_data/gmall/db/$1/$do_date \
    --delete-target-dir \
    --query "$2 and  \$CONDITIONS" \
    --num-mappers 1 \
    --fields-terminated-by '\t' \
    # 使用压缩，和指定压缩格式为lzop
    --compress \
    --compression-codec lzop \
    #将String类型和非String类型的空值替换为\N,方便Hive读取
    --null-string '\\N' \
    --null-non-string '\\N'
    }

（2）利用  load data  命令导入hive

注意：

*  **Hive中的Null在底层是以“\\N”来存储，而MySQL中的Null在底层就是Null，为了保证数据两端的一致性。**
 *  **在导出数据时采用--input-null-string和--input-null-non-string两个参数。**
 *  **导入数据时采用--null-string和--null-non-string。**

### 2.3 导入到HBase ###

bin/sqoop import \
    --connect jdbc:mysql://hadoop102:3306/test \
    --username root \
    --password 123 \
    --query 'select * from t_emp where id>3 and $CONDITIONS' \
    --target-dir /sqoopTest \
    --delete-target-dir \
    ##表不存在是否创建
    --hbase-create-table \
    ##hbase中的表名
    --hbase-table "t_emp" \
    ##将导入数据的哪一列作为rowkey
    --hbase-row-key "id" \
    ##导入的列族
    --column-family "info" \
    --num-mappers 2 \
    --split-by id

当选用自动创建表时，如果版本不兼容会报错：

20/03/24 13:51:24 INFO mapreduce.HBaseImportJob: Creating missing HBase table t_emp
    Exception in thread "main" java.lang.NoSuchMethodError: org.apache.hadoop.hbase.HTableDescriptor.addFamily(Lorg/apache/hadoop/hbase/HColumnDescriptor;)V

![format_png][]

此时只能自己手动创建或者可以重新编译sqoop源码

**如果要多列族导入，只能多次运行命令，一次导入一个列族**

## 3、导出 ##

### 3.1 表为空表时 ###

bin/sqoop export \
    --connect 'jdbc:mysql://hadoop102:3306/test?useUnicode=true&characterEncoding=utf-8' \
    --username root \
    --password 123 \
    ##导出的表名，需要自己提前创建好
    --table t_emp2 \
    --num-mappers 1 \
    ##hdfs上导出的数据的路径
    --export-dir /user/hive/warehouse/t_emp \
    ##hdfs上数据的分隔符
    --input-fields-terminated-by "\t"

### 3.2 表不为空时 ###

如果插入的数据的主键和表中已有数据的主键冲突，那么会报错`Duplicate entry '5' for key 'PRIMARY'`

**3.2.1 在mysql中**

INSERT INTO t_emp2 VALUE(5,'jack',30,3,1111) 
    ON DUPLICATE KEY UPDATE NAME=VALUES(NAME),deptid=VALUES(deptid),
    empno=VALUES(empno);

指定当插入时，主键重复时时，对于重复的记录，只做更新，不做插入！

而用sqoop时，则可以启用以下俩种模式

**3.2.2 updateonly模式**

bin/sqoop export \
    --connect 'jdbc:mysql://hadoop103:3306/mydb?useUnicode=true&characterEncoding=utf-8' \
    --username root \
    --password 123456 \
    --table t_emp2 \
    --num-mappers 1 \
    --export-dir /hive/t_emp \
    --input-fields-terminated-by "\t" \
    --update-key id

利用 --update-key 字段  ，表示主键重复时会进行更新，但是主键不重复的时候，数据不会插入进来

**3.2.3 allowinsert模式**

表示主键重复时会进行更新，主键不重复的时候，数据也会插入进来

### 3.3 查看导出命令的具体实现 ###

**3.3.1配置/etc/my.cnf**

[mysqld]
    #开启binlog日志功能
    log-bin=mysql-bin

**3.3.2重启mysql服务**

3**.3.3进入/var/lib/mysql，调用方法**

sudo mysqlbinlog mysql-bin.000001
    
    原文地址：https://www.cnblogs.com/yangxusun9/p/12558683.html

[format_png]: /images/20230208/3a9f77d0a1254e128f2158c559ee07dd.png