目录

一、Sqoop概述

 二、 常用命令列举

三、公共参数详解

3.1 公用参数：数据库连接

3.2 公用参数：import

3.3 公共参数：export

四、import参数详解

4.1.1 mysql导入到hdfs（全量导入）

4.1.2 mysql导入到hdfs（行列裁剪+多个reducer）

4.1.3 mysql导入hdfs（增量导入）append 和lastmodified（使用时间戳）

4.1.4 mysql导入到hive(表不存在则创建)

4.1.5 分区表单分区表导入

五、export参数详解

 六、codegen参数详解

七、create-hive-table命令详解 

八、eval命令详解 

九、import-all-tables

十、job命令详解

十一、list-databases命令详解

十二、 list-tables命令详解

十三、merge

十四、metastore命令详解

---

一、Sqoop概述

        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。

        对于某些NoSQL数据库它也提供了连接器。Sqoop，类似于其他ETL工具，使用元数据模型来判断数据类型并在数据从数据源转移到Hadoop时确保类型安全的数据处理。Sqoop专为大数据批量传输设计，能够分割数据集并创建maptask任务来处理每个区块。

 二、 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
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
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
12	help	HelpTool	打印sqoop帮助信息
13	version	VersionTool	打印sqoop版本信息

三、公共参数详解

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。

3.1 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
2	–connection-manager	指定要使用的连接管理类
3	–driver	JDBC
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

3.2 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\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。

3.3 公共参数：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

3.4 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 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

四、import参数详解

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。

4.1.1 mysql导入到hdfs（全量导入）

应用于：数据量小，历史数据可能会发生变化

#导入数据到hdfs：
sqoop import \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--table sqp_order \
-m 1 \
--delete-target-dir \
--target-dir /kb12/orderinfo \
--fields-terminated-by '\t' \
--lines-terminated-by '\n'

4.1.2 mysql导入到hdfs（行列裁剪+多个reducer）

方法一

sqoop import \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--table sqp_order \
--columns user_name,total_volume \
--where "total_volume>=200" \
-m 2 \
--split-by user_name \
--delete-target-dir \
--target-dir /kb12/orderinfo_cut \
--fields-terminated-by ',' \
--lines-terminated-by '\n'

方法二

sqoop import \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--query "select user_name,total_volume from sqp_order where total_volume>=300 and \$CONDITIONS" \
-m 2 \
--split-by user_name \
--delete-target-dir \
--target-dir /kb12/orderinfo_cut \
--fields-terminated-by ',' \
--lines-terminated-by '\n'

4.1.3 mysql导入hdfs（增量导入）append 和lastmodified（使用时间戳）

应用于：数据量大，且历史数据不会发上变化

• append 不能与–hive-等参数同时使用（Append mode for hive imports is not yetsupported. Please remove the parameter –append-mode）
• 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.

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 codecdefault 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

关键字段
​
    –incremental append \
    –check-column id \
    –last-value 0 \
​
增量分为两种：append 和 lastmodified(使用时间戳)
sqoop import --connect jdbc:mysql://test:3306/test \
--driver com.mysql.jdbc.Driver \
--username root --password 12345678 \
--table stu \
--incremental append \
--check-column id \
--last-value 0 \
--target-dir hdfs://master:9000/sqoop/05
​
sqoop import --connect jdbc:mysql://test:3306/test \
--driver com.mysql.jdbc.Driver \
--username root --password 12345678 \
--table stu \
-m 1 \
--incremental append \
--check-column id \
--last-value 4 \
--target-dir hdfs://master:9000/sqoop/06
​
​
--使用时间戳
sqoop import --connect jdbc:mysql://test:3306/test \
--driver com.mysql.jdbc.Driver \
--username root --password 12345678 \
--table stu \
--incremental lastmodified \
--check-column uptime \
--last-value 0 \
--target-dir hdfs://hd:9000/sqoop/08

4.1.4 mysql导入到hive(表不存在则创建)

sqoop import \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--table studentinfo \
-m 1
--hive-import \
--hive-table test.stuinfo \
--create-hive-table

4.1.5 分区表单分区表导入

#开启动态分区：一次性将某张表中的数据写入另一张分区表的多个分区中
create table sqp_partition(
id int,
name varchar(10),
dotime datetime
);

insert into sqp_partition(id,name,dotime) values
(1,'henry','2021-06-01 12:13:14'),
(2,'jack','2021-06-01 12:42:14'),
(3,'rose','2021-06-01 13:53:14'),
(4,'doris','2021-06-01 14:13:14'),
(5,'vicky','2021-06-01 16:13:14');

insert into sqp_partition(id,name,dotime) values
(6,'henry','2021-06-29 12:13:14'),
(7,'jack','2021-06-29 12:42:14'),
(8,'rose','2021-06-29 13:53:14'),
(9,'doris','2021-06-29 14:13:14'),
(10,'vicky','2021-06-29 16:13:14');

sqoop import \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--table sqp_partition \
-where "cast(dotime as date)='2021-06-01'" \
-m 1 \
--delete-target-dir \
--target-dir /user/hive/warehouse/test.db/sqp_partition/dodate=2021-06-01 \
--fields-terminated-by ',' \
--lines-terminated-by '\n'

create table sqp_partition(
id int,
name string,
dotime timestamp
)
partitioned by (dodate date)
row format delimited
fields terminated by ','
lines terminated by '\n'
stored as textfile;

alter table sqp_partition add partition(dodate='2021-06-01');

五、export参数详解

从 HDFS（包括 Hive 和 HBase） 中奖数据导出到关系型数据库中。

例如：

sqoop export \
--connect jdbc:mysql://test:3306/test \
--username root \
--password 12345678 \
--table stuinfo \
--export-dir /user/test \
--input-fields-terminated-by "\t" \
--m 1

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	#NAME?	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	请参考import该类似参数说null-string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

 六、codegen参数详解

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。

例如：

sqoop codegen \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678 \
--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

七、create-hive-table命令详解 

生成与关系数据库表结构对应的 hive 表结构。

例如：

sqoop create-hive-table \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678 \
--table staff \
--hive-table hive_staff

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

八、eval命令详解 

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。

sqoop eval \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678 \
--query "SELECT * FROM staff"

序号	参数	说明
1	–query 或–e	后跟查询的SQL语句

九、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

sqoop import-all-tables \
--connect jdbc:mysql://test:3306/company \
--username root \
--password test \
--warehouse-dir /all_tables

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	#NAME?
10	–compression-codec

十、job命令详解

 用来生成一个 sqoop 任务，生成后不会立即执行，需要手动执行。

例如：

sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678

bin/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://test:16000/sqoop

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

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>

十一、list-databases命令详解

sqoop list-databases \
--connect jdbc:mysql://test:3306/ \
--username root \
--password 12345678

参数： 与公用参数一样

十二、 list-tables命令详解

sqoop list-tables \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678

参数： 与公用参数一样

十三、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

例如：

有如下文件：
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

#创建 JavaBean：
bin/sqoop codegen \
--connect jdbc:mysql://test:3306/company \
--username root \
--password 12345678 \
--table staff \
--bindir /opt/admin \
--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 /opt/admin/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

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
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

十四、metastore命令详解

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。

例如：

#启动sqoop的metastore服务
sqoop metastore

序号	参数	说明
1	–shutdown 关闭	metastore