Sqoop的导入

Posted 2020-11-30 mergy

导入数据

导入到 hdfs

sqoop import 
#--connect jdbc:mysql://hadoop102:3306/$db_name 
--connect "jdbc:oracle:thin:@192.156.456.456:1521:SYNTONG" 
--username "school" 
--password "school" 
--target-dir "$db_dir" 
--delete-target-dir 
--num-mappers 1 
--fields-terminated-by "\t" 
--query "$sql"

参数	说明
--append	数据追加到hdfs已经存在的数据组中。使用该参数，sqoop将把数据先导入到一个临时目录中，避免文件重名。
--as-avrodatafile	将数据导入到Avro数据文件中
--as-sequencefile	将数据导入到sequence文件中
--as-textfile	将数据导入到普通文本文件中。最终可以在hive中通过sql语句查询出结果。
--enclosed-by ‘"‘	字段值前后加上指定字符，比如双引号
--columns<col,col>	指定导入的字段，格式如：--columns id,username
-m,--num-mappers	启动N个map来并行导入数据，默认是4个，最好不要将数字设置为高于集群的节点数
--query，-e <sql>	sql语句查询结果集。该参数使用时必须指定–target-dir、–hive-table，必须在where条件中需要包含 $CONDITIONS。
--boundary-query <statement>	边界查询。在导入前先通过SQL查询得到一个结果集，然后导入的数据就是该结果集内的数据。 格式如：--boundary-query ‘select id,no from t where id = 3‘，表示导入的数据为id=3的记录，或者 select min(<split-by>), max(<split-by>) from <table name>，注意查询的字段中不能有数据类型为字符串的字段，否则会报错
--table <table-name>	关系数据库表名，数据从该表中获取
--delete-target-dir	如果目标目录存在，先删除目录
--target-dir <dir>	指定hdfs路径
--fields-terminated-by " "	每个字段是以什么符号作为结束的，默认是逗号
--null-string ‘\N‘ --null-non-string ‘\N‘	为了避免空值时，没有数据
--where	查询条件，示例：--where "id = 2"
-z,--compress	压缩参数，默认情况下数据是没被压缩的，通过该参数可以使用gzip压缩算法对数据进行压缩，适用于SequenceFile, text文本文件, 和Avro文件
--compression-codec	Hadoop压缩编码，默认是gzip
--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。这样导入会更快 支持的数据库类型与版本： * myslq 5.0 以上 * oracle 10.2.0 以上
--direct-split-size	在使用上面direct直接导入的基础上，对导入的流按字节数分块，特别是使用直连模式从PostgreSQL导入数据的时候，可以将一个到达设定大小的文件分为几个独立的文件。
--split-by <column>	表的列名，用来切分工作单元，一般后面跟主键ID
--inline-lob-limit	设定大对象数据类型的最大值

导入Hive

sqoop import --connect "jdbc:oracle:thin:@192.198.123.456:1521:SYNTONG" --username "school" --password "school" --query "$sql" --hive-table test.view_trjn --hive-drop-import-delims --target-dir "$db_dir" --fields-terminated-by "\t" --hive-overwrite --null-string ‘\N‘ --null-non-string ‘\N‘ --hive-import

参数	说明
--hive-overwrite	覆盖掉在hive表中已经存在的数据
--hive-table	后面接要创建的hive表
–hive-partition-value “2018-08-08”	指定分区表的值
–hive-partition-key “dt”	指定分区表的字段
--hive-delims-replacement“ ”	导入到Hive时，用用户定义的字符串替换字符串字段中的 、 和1
--hive-drop-import-delims	从字符串字段中删除 、 和1
--hive-import	指定是导入 Hive