Sqoop一些常用命令及参数

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

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

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。

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

6

--update-key

更新时参考的列

7.

--update-mode

更新模式

updateonly

allowinsert

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

$ bin/sqoop import \

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

--username root \

--password 123456 \

--table staff \

--hive-import

append导入：

$ bin/sqoop import \

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

--username root \

--password 123456 \

--table staff \

--num-mappers 1 \

--fields-terminated-by "\t" \

--target-dir /user/hive/warehouse/staff_hive \

--check-column id \

--incremental append \

--last-value 3

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 123456 \

--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 123456 \

--table staff_timestamp \

--check-column last_modified \

--incremental lastmodified \

--last-value "2017-09-28 22:20:38" \

--m 1 \

--append

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

$ bin/sqoop export \

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

--username root \

--password 123456 \

--table staff \

--export-dir /user/company \

--input-fields-terminated-by "\t" \

--num-mappers 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

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

updateonly(默认)

allowinsert

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

$ bin/sqoop codegen \

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

--username root \

--password 123456 \

--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

$ bin/sqoop create-hive-table \

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

--username root \

--password 123456 \

--table staff \

--hive-table hive_staff

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

$ bin/sqoop eval \

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

--username root \

--password 123456 \

--query "SELECT * FROM staff"

序号

参数

说明

1

--query或--e

后跟查询的SQL语句

$ bin/sqoop import-all-tables \

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

--username root \

--password 123456 \

--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

6

--inline-lob-limit

7

--m或—num-mappers

8

--warehouse-dir

9

-z或--compress

10

--compression-codec

$ bin/sqoop job \

 --create myjob -- import-all-tables \

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

 --username root \

 --password 123456

$ bin/sqoop job \

--list

$ bin/sqoop job \

--exec myjob

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

       sqoop.metastore.client.record.password

       true

       If true, allow saved passwords in the metastore.

$ bin/sqoop list-databases \

--connect jdbc:mysql://hadoop102:3306/ \

--username root \

--password 123456

$ bin/sqoop list-tables \

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

--username root \

--password 123456

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://hadoop102:3306/company \

--username root \

--password 123456 \

--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

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

$ bin/sqoop metastore

序号

参数

说明

1

--shutdown

关闭metastore