sqoop快速上手
Posted roykingw
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了sqoop快速上手相关的知识，希望对你有一定的参考价值。
ETL系列之Sqoop
==楼兰==文章目录
- 一、ETL简介
- 二、Sqoop下载
- 三、Sqoop基础使用
- 四、详细参数补充
- **1 常用命令列举**
- **2 命令&参数详解**
- **2.1 公用参数：数据库连接**
- **2.2 公用参数：import**
- **2.3 公用参数：export**
- **2.4 公用参数：hive**
- **2.5 命令&参数：import**
- **5.2.6 命令&参数：export**
- **5.2.7 命令&参数：codegen**
- **5.2.8 命令&参数：create-hive-table**
- **5.2.9 命令&参数：eval**
- **5.2.10 命令&参数：import-all-tables**
- **5.2.11 命令&参数：job**
- **5.2.12 命令&参数：list-databases**
- **5.2.13 命令&参数：list-tables**
- **5.2.14 命令&参数：merge**
- **5.2.15 命令&参数：metastore**
一、ETL简介
1、关于ETL
ETL的英文全称是 Extract-Transform-Load，即代表了大数据迁移过程中的抽取(Extract)、转换(Transform)、加载(Load)的过程。其目的是将企业中分散、凌乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。
一个完整的ETL过程就是将数据从数据源中抽取出来，经过一系列的清洗、转换等操作后，输出到目的数据源中。ETL中的数据源，不光是传统保存到数据库中的业务数据，还包括日志、MQ、网络数据包等各种各样的数据。ETL中的转换操作，就是对数据进行一些处理，但是在ETL过程中的处理，通常只包含一些简单的数据清洗、转换工作，而不会涉及到复杂的数据计算。
一个典型的大数据项目，通常会独立于业务系统单独部署一个数据存储，然后通过ETL过程，将业务系统的数据、日志等信息集中抽取到大数据存储中，再基于大数据存储进行独立于业务系统的数据运算。ETL的技术门槛通常不是很高，但是他却是大数据项目中不可或缺的一个重要组成部分。
2、大数据与传统关系型数据库的关系
这里我们讨论一个经常会被问到的问题，既然大数据存储比如Hive、HBase、ES等，相比传统的关系型数据库例如mysql等，他的容量优势几乎是碾压的，那为什么不抛弃传统关系型数据库，直接使用基于大数据存储的数据库呢？
这涉及到如何对存储进行规划的问题。一方面，传统关系型数据库相比于基于大数据存储的数据库，在事务处理、读写性能等方面依然有不可忽略的优势。另一方面，通常情况下，大数据应用处理的数据价值是低于关系型数据库的。大数据存储数据库需要存储各个方面的数据，这些数据的业务价值是不一样的。就好比是矿石，里面即包含有价值的金属，也包含没有价值的泥土。而关系型数据库通常用来存储的是具有重要业务价值的数据。就好比是从矿石中精炼出来的金属。再结合部署、运维成本等其他方面的综合因素，大数据与关系型数据库依然需要并存很长一段时间。用关系型数据库来进行快速完整的事务处理，而将存量数据导入到大数据存储系统中进行统一分析。而ETL，就是连接大数据与关系型数据库之间的数据纽带 。
3、Sqoop简介
ETL的技术门槛其实并不是很高，通常将不同数据源的CRUD整合起来，就可以完成ETL工作。而成熟的软件工具也有不少。除了这节课程介绍的Sqoop，还有kettle、flume以及FileBeat+ELK等等非常多的工具可以选择，并且大部分的ETL工作，就算不使用这些工具，自己实现也是非常容易的。像Flink、Spark这些计算框架也都可以很方便的实现大规模的数据ETL工作。在学习这些工具时，也需要同时理解ETL的思想。
Sqoop就是其中最为老牌的一个开源ETL工具。Sqoop项目开始于2009年，最早就是作为Hadoop的一个第三方模块存在的。后来为了让使用者能够快速部署，才独立成为了一个Apahce的顶级项目。
他的主要作用也就是用于在Hadoop(同时也包含基于Hadoop的数据存储hdfs,hive,hbase…)与传统关系型数据库(mysql,oracle,postgresql…)之间进行数据的传递。
Sqoop的功能都是围绕Hadoop来进行的，导入操作被定义为将关系型数据库中的数据存入到Hadoop中。而导出操作被定义为将Hadoop中的数据存入到关系型数据库中。并且整个导入导出的功能，也都是以Hadoop的Mapreduce计算框架为基础的。Sqoop就是将导入或导出的命令翻译成mapreduce计算程序。而应用主要是对mapreduce的inputformat和outputformat进行定制。
二、Sqoop下载
Sqoop官网地址：http://sqoop.apache.org/
目前阶段Sqoop已经显示retired退休了，但是其实并不是Sqoop已经被淘汰了，而是被移入了Attic。这个Attic相当于是Apache的一个小黑屋，长期没有进行更新的Apache项目就会被移入到Attic。Sqoop移入到Attic，并不影响正常的下载使用，只是Bug修复以及版本更新会比较慢。这其实也从一个侧面说明Sqoop项目在ETL这个领域已经足够成熟。
Sqoop主要有两个版本，Sqoop 1，目前最新的版本号是1.4.7。Sqoop 2，目前最新的版本号是1.99.7。其中，Sqoop2版本与Sqoop1版本不兼容，并且也并不是为了生产环境部署而设计的，所以通常只使用Sqoop 1版本即可。
三、Sqoop基础使用
3.1 前置软件
由于Sqoop是在关系型数据库与Hadoop之间采集数据，使用Sqoop之前需要安装java和Hadoop，另外还需要一个关系型数据库，例如MySQL。Hive和HBase为可选软件。
3.2 Sqoop安装
Sqoop的安装比较简单，就是解压，配置，执行三个步骤。
下载地址 http://archive.apache.org/dist/sqoop/ 获取Sqoop安装包sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz。上传到服务器后，进行解压。
在解压后的目录中，主要的配置文件在conf目录。Sqoop默认只提供了一个配置文件模版，需要手动复制配置文件。
cp sqoop-env-template.sh sqoop-env.sh
然后修改sqoop-env.sh中的配置内容，主要是指定Hadoop、Hive、HBase、Zookeeper这些相关组件的安装目录。
export HADOOP_COMMON_HOME=/app/hadoop/hadoop-3.2.2
export HADOOP_MAPRED_HOME=/app/hadoop/hadoop-3.2.2
export HIVE_HOME=/app/hive/
export ZOOKEEPER_HOME=/app/zookeeper/zookeeper-3.5.8
export ZOOCFGDIR=/app/zookeeper/zookeeper-3.5.8
export HBASE_HOME=/app/hbase/hbase-2.4.4
接下来，如果需要操作MySQL，还需要手动将MySQL的JDBC驱动包上传到Sqoop的lib目录下。
3.3 Sqoop基础使用
1、查看Sqoop的帮助信息
bin/sqoop help
如果正常，可以看到Sqoop的命令提示
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
2、单独连接数据库
bin/sqoop list-databases --connect jdbc:mysql://hadoop01:3306/ --username root --password root
正常情况下，将会列出MySQL中创建的所有数据库。
这两个步骤通常用来检测Sqoop部署是否成功。
3、导入数据
在Sqoop中，"导入"是指从关系型数据库向大数据集群中传输数据，对应import指令。
全部导入：
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--target-dir /user \\
--delete-target-dir \\
--num-mappers 1 \\
--fields-terminated-by "\\t"
查询导入：
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--target-dir /user \\
--delete-target-dir \\
--num-mappers 1 \\
--fields-terminated-by "\\t" \\
--query 'select name,sex from user where id <=1 and $CONDITIONS;'
注意：在查询语句中$CONDITIONS这个关键字是不可少的。在日志中可以看到，这个关键字将被Sqoop翻译成为分片执行的一些过滤条件。
导入指定列：
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--target-dir /user \\
--delete-target-dir \\
--num-mappers 1 \\
--fields-terminated-by "\\t" \\
--columns id,sex \\
--table user
注意：在columns中包含多个列时不要有空格。
使用相关关键字进行查询
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--target-dir /user \\
--delete-target-dir \\
--num-mappers 1 \\
--fields-terminated-by "\\t" \\
--table staff \\
--where "id=1"
从MySQL导入Hive
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--num-mappers 1 \\
--hive-import \\
--fields-terminated-by "\\t" \\
--hive-overwrite \\
--hive-table hive_user
注意：sqoop操作hive还需要引入hive-common-xxx.jar这个工具包。手动从hive的lib目录下复制过来即可。
这个过程是先将数据导出到HDFS的一个临时目录上，然后再执行Hive数据迁移。迁移完成后，临时目录就会删除。
从MySQL导入HBase
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--columns "id,name,sex" \\
--column-family "user" \\
--hbase-create-table \\
--hbase-row-key "id" \\
--hbase-table "hbase_user" \\
--num-mappers 1 \\
--split-by id
这个过程会自动在Hbase中创建表，但是如果Sqoop与HBase的版本不兼容，建表就会失败，这时就需要手动创建HBase表。
4、导出数据
Sqoop的导出，是指从Hadoop平台向外导出数据，对应export指令。
Hive/HDFS 导出到MySQL
bin/sqoop export \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--num-mappers 1 \\
--export-dir /user/hive/warehouse/hive_user \\
--input-fields-terminated-by "\\t"
注意：MySQL中要手动建表。
5、通过脚本执行
Sqoop还提供了根据脚本进行任务执行的方式。这样就不用敲复杂的指令了。
通过vi /root/sqoop/userJob.opt定制一个用户数据的迁移过程
export
--connect
jdbc:mysql://hadoop01:3306/testdb
--username
root
--password
root
--table
user
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\\t"
然后可以在sqoop命令执行过程中，通过 --options-file指令指定脚本文件
bin/sqoop --options-file /root/sqoop/userJob.opt
这个任务就能够很容易的配置到一些定时任务工具中，比如crontab。
四、详细参数补充
这一部分就列出一些Sqoop常用到的参数，可以作为手册快速翻阅。当然更详细的说明可以参见官网上的说明文档。
Sqoop目前已经很少更新，所以官网文档建议直接保存下来。
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 |
2 命令&参数详解
接下来列举一些执行参数。
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。
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 |
2.2 公用参数：import
| 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。 |
2.3 公用参数：export
| 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 |
2.4 公用参数：hive
| 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 |
接下来是一些命令对应的特有参数。
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://hadoop01:3306/testdb \\
--username root \\
--password 000000 \\
--table user \\
--hive-import
如：增量导入数据到hive中，mode=append
bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--num-mappers 1 \\
--fields-terminated-by "\\t" \\
--target-dir /user/hive/warehouse/staff_hive \\
--check-column id \\
--incremental append \\
--last-value 3
注意：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 user2(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into user2 (id, name, sex) values(1, 'AAA', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');
导入一部分数据：
$ bin/sqoop import \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--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://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user2 \\
--check-column last_modified \\
--incremental lastmodified \\
--last-value "2017-09-28 22:20:38" \\
--m 1 \\
--append
注意：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
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 | 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 | 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 |
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：
$ bin/sqoop export \\
--connect jdbc:mysql://hadoop01:3306/company \\
--username root \\
--password root \\
--table user \\
--export-dir /user \\
--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
| 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 | updateonlyallowinsert(默认) |
| 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 |
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。
$ bin/sqoop codegen \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--bindir /root/staff \\
--class-name User \\
--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 |
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：
$ bin/sqoop create-hive-table \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--table user \\
--hive-table hive_user
参数：
| 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 |
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：
$ bin/sqoop eval \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--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：
$ bin/sqoop import-all-tables \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root \\
--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 | |
| 6 | –inline-lob-limit | |
| 7 | –m或—num-mappers | |
| 8 | –warehouse-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：
$ bin/sqoop job \\
--create myjob -- import-all-tables \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root
$ bin/sqoop job \\
--list
$ bin/sqoop job \\
--exec myjob
注意import-all-tables和它左边的–之间有一个空格
参数：
| 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 |
注意：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
5.2.12 命令&参数：list-databases
命令：
$ bin/sqoop list-databases \\
--connect jdbc:mysql://hadoop01:3306/ \\
--username root \\
--password root
**参数：**与公用参数一样
5.2.13 命令&参数：list-tables
命令：
$ bin/sqoop list-tables \\
--connect jdbc:mysql://hadoop01:3306/testdb \\
--username root \\
--password root
**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
参数：
| 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 |
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 |
以上是关于sqoop快速上手的主要内容，如果未能解决你的问题，请参考以下文章