大数据技术之Sqoop
- 2020 年 3 月 5 日
- 筆記
一、Sqoop简介
Apache Sqoop(TM)是一种旨在有效地在Apache Hadoop和诸如关系数据库等结构化数据存储之间传输大量数据的工具。
Sqoop于2012年3月孵化出来，现在是一个顶级的Apache项目。
请注意，1.99.7与1.4.6不兼容，且没有特征不完整，它并不打算用于生产部署。
二、Sqoop原理
将导入或导出命令翻译成mapreduce程序来实现。
在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。
三、Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
3.1、下载并解压
1) 最新版下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
2) 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中，如我的上传目录是：/opt/software/
3) 解压sqoop安装包到指定目录，如：
$ tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
3.2、修改配置文件
Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。
1) 重命名配置文件
$ mv sqoop-env-template.sh sqoop-env.sh $ mv sqoop-site-template.xml sqoop-site.xml 此行不用做
2) 修改配置文件
sqoop-env.sh
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.8.4 export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.8.4 export HIVE_HOME=/opt/module/hive export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10 export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf
3.3、拷贝JDBC驱动
拷贝jdbc驱动到sqoop的lib目录下，如：
$ cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib
3.4、验证Sqoop
我们可以通过某一个command来验证sqoop配置是否正确：
$ bin/sqoop help 出现一些Warning警告（警告信息已省略），并伴随着帮助命令的输出： 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 command import Import a table from a database to HDFS import-all-tables Import tables from a database to HDFS version Display version information ·····
注:注释掉configure-sqoop 134行到143行的内容，内容如下
134 ## Moved to be a runtime check in sqoop. 135 #if [ ! -d "${HCAT_HOME}" ]; then 136 # echo "Warning: $HCAT_HOME does not exist! HCatalog jobs will fail." 137 # echo 'Please set $HCAT_HOME to the root of your HCatalog installation.' 138 #fi 139 # 140 #if [ ! -d "${ACCUMULO_HOME}" ]; then 141 # echo "Warning: $ACCUMULO_HOME does not exist! Accumulo imports will fail." 142 # echo 'Please set $ACCUMULO_HOME to the root of your Accumulo installation.' 143 #fi
3.5、测试Sqoop是否能够成功连接数据库
$ bin/sqoop list-databases --connect jdbc:mysql://bigdata113:3306/ --username root --password 000000 出现如下输出： information_schema metastore mysql performance_schema
四、Sqoop的简单使用案例
4.1、导入数据
在Sqoop中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用import关键字。
4.1.1、RDBMS到HDFS
1) 确定Mysql服务开启正常
2) 在Mysql中新建一张表并插入一些数据
$ mysql -uroot -p000000 mysql> create database company; mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255)); mysql> insert into company.staff(name, sex) values('Thomas', 'Male'); mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');
3) 导入数据
（1）全部导入
|
$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –table staff –target-dir /user/company –delete-target-dir –num-mappers 1 –fields-terminated-by "t" |
|---|
（2）查询导入
|
$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –target-dir /user/company –delete-target-dir –num-mappers 1 –fields-terminated-by "t" –query 'select name,sex from staff where id <=3 and $CONDITIONS;' |
|---|
尖叫提示：must contain '$CONDITIONS' in WHERE clause. 注：CONDITIONS 翻译‘条件’
尖叫提示：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。
（3）导入指定列
|
$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –target-dir /user/company –delete-target-dir –num-mappers 1 –fields-terminated-by "t" –columns id,sex –table staff |
|---|
尖叫提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格
（4）使用sqoop关键字筛选查询导入数据
|
$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –target-dir /user/company –delete-target-dir –num-mappers 1 –fields-terminated-by "t" –table staff –where "id=2" |
|---|
尖叫提示：在Sqoop中可以使用sqoop import -D property.name=property.value这样的方式加入执行任务的参数，多个参数用空格隔开。
4.1.2、RDBMS到Hive
|
$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/Andy –username root –password 000000 –table aca –num-mappers 1 –hive-import –fields-terminated-by "t" –hive-overwrite –hive-table staff_hive |
|---|
尖叫提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库
尖叫提示：从MYSQL到Hive，本质时从MYSQL => HDFS => load To Hive
4.2、导出数据
在Sqoop中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用export关键字。
4.2.1、HIVE/HDFS到RDBMS
|
创建aca表create table abc(id int,name VARCHAR(5)); |
|---|
|
$ bin/sqoop export –connect jdbc:mysql://bigdata113:3306/Andy –username root –password 000000 –export-dir /user/hive/warehouse/staff_hive –table abc –num-mappers 1 –input-fields-terminated-by "t" |
|---|
尖叫提示：Mysql中如果表不存在，不会自动创建,自行根据表结构创建
思考：数据是覆盖还是追加 答案：追加
4.3、脚本打包
使用opt格式的文件打包sqoop命令，然后执行
1) 创建一个.opt文件
|
$ touch job_HDFS2RDBMS.opt |
|---|
2) 编写sqoop脚本
|
$ vi ./job_HDFS2RDBMS.opt#以下命令是从staff_hive中追加导入到mysql的aca表中export–connectjdbc:mysql://bigdata113:3306/Andy–usernameroot–password000000–tableaca–num-mappers1–export-dir/user/hive/warehouse/staff_hive–input-fields-terminated-by"t" |
|---|
3) 执行该脚本
|
$ bin/sqoop –options-file job_HDFS2RDBMS.opt |
|---|
五、Sqoop一些常用命令及参数
5.1、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 |
5.2、命令&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。
5.2.1、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 |
5.2.2、公用参数：import
|
序号 |
参数 |
说明 |
|---|---|---|
|
1 |
–enclosed-by <char> |
给字段值前加上指定的字符 |
|
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。 |
5.2.3、公用参数：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 |
5.2.4、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rn和 13 10等字符 |
|
2 |
–hive-drop-import-delims |
在导入数据到hive时，去掉数据中的rn 13 10这样的字符 |
|
3 |
–map-column-hive <arg> |
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 |
公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。
5.2.5、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://bigdata113:3306/Andy –username root –password 000000 –table access –hive-import –fields-terminated-by "t" |
|---|
如：增量导入数据到hive中，mode=append
|
append导入：$ bin/sqoop import –connect jdbc:mysql://bigdata113:3306/Andy –username root –password 000000 –table aca –num-mappers 1 –fields-terminated-by "t" –target-dir /user/hive/warehouse/staff_hive –check-column id –incremental append –last-value 10 |
|---|
尖叫提示：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）
注:–last-value 2 的意思是标记增量的位置为第二行，也就是说，当数据再次导出的时候，从第二行开始算
注：如果 –last-value N , N > MYSQL中最大行数，则HDFS会创建一个空文件。如果N<=0 , 那么就是所有数据
如：增量导入数据到hdfs中，mode=lastmodified（注：卡住）
|
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://bigdata113:3306/company –username root –password 000000 –table staff_timestamp –delete-target-dir –hive-import –fields-terminated-by "t" –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://bigdata113:3306/company –username root –password 000000 –table staff_timestamp –check-column last_modified –incremental lastmodified –m 1 –last-value "2019-05-17 09:50:12" –append –fields-terminated-by "t" –warehouse-dir /user/hive/warehouse/ |
|---|
尖叫提示：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）
尖叫提示：在Hive中，如果不指定输出路径，可以去看以下两个目录
- /user/root（此为用户名）
- /user/hive/warehouse 个人配置的目录
尖叫提示：last-value指定的值是会包含于增量导入的数据中
如果卡住，在yarn-site.xml中加入以下配置
|
<property> <name>yarn.nodemanager.resource.memory-mb</name> <value>20480</value> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <value>2048</value> </property> <property> <name>yarn.nodemanager.vmem-pmem-ratio</name> <value>2.1</value> </property> |
|---|
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 <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 codec default 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 |
5.2.6、命令&参数：export
从HDFS（包括Hive和HBase）中将数据导出到关系型数据库中。
1) 命令：
如：
|
bin/sqoop export –connect jdbc:mysql://bigdata113:3306/Andy –username root –password 000000 –export-dir /user/hive/warehouse/staff_hive –table aca –num-mappers 1 –input-fields-terminated-by "t" |
|---|
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 <dir> |
存放数据的HDFS的源目录 |
|
3 |
-m或–num-mappers <n> |
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> |
updateonlyallowinsert(默认) |
|
7 |
–input-null-string <null-string> |
请参考import该类似参数说明 |
|
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 |
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。
如：
|
$ bin/sqoop codegen –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –table staff –bindir /opt/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 |
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：
如：仅建表
|
$ bin/sqoop create-hive-table –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –table staff –hive-table hive_staff1 |
|---|
参数：
|
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 |
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：
如：
|
$ bin/sqoop eval –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –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：
如：注意：(卡住)
|
$ bin/sqoop import-all-tables –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –hive-import –fields-terminated-by "t" |
|---|
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 <n> |
|
|
6 |
–inline-lob-limit <n> |
|
|
7 |
–m或—num-mappers <n> |
|
|
8 |
–warehouse-dir <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：
如：
|
$ bin/sqoop job –create myjob — import-all-tables –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000$ bin/sqoop job –list$ bin/sqoop job –exec myjob |
|---|
尖叫提示：注意import-all-tables和它左边的–之间有一个空格
尖叫提示：如果需要连接metastore，则–meta-connect
执行的结果在HDFS：/user/root/ 目录中，即导出所有表到/user/root中
参数：
|
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 |
尖叫提示：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> |
|---|
5.2.12、命令&参数：list-databases
命令：
如：
|
$ bin/sqoop list-databases –connect jdbc:mysql://bigdata113:3306/ –username root –password 000000 |
|---|
参数：与公用参数一样
5.2.13、命令&参数：list-tables
命令：
如：
|
$ bin/sqoop list-tables –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 |
|---|
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
数据环境：注意:以下数据自己手动改成t
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
尖叫提示：上边数据的列之间的分隔符应该为t，行与行之间的分割符为n，如果直接复制，请检查之。
命令：
如：
|
创建JavaBean：$ bin/sqoop codegen –connect jdbc:mysql://bigdata113:3306/company –username root –password 000000 –table staff –bindir /opt/Desktop/staff –class-name Staff –fields-terminated-by "t"开始合并：注：是hdfs路径$ bin/sqoop merge –new-data /test/new/ –onto /test/old/ –target-dir /test/merged –jar-file /opt/Desktop/staff/Staff.jar –class-name Staff –merge-key id结果：1 AAA MALE2 BBB MALE3 CCC MALE4 DDD MALE6 DDD FEMALE |
|---|
参数：
|
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jar包 |
|
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 |
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 |
