sqoop是一个用于在Hadoop和关系型数据库（Oracle，Mysql...）间数据传递的开源工具。下面以mysql、sqlserver为例，介绍使用sqoop将数据从mysql、sqlserver导入到Hadoop中（HDFS、Hive）
#导入命令及参数介绍
通用参数
|
参数名 |
参数说明 |
| --connect <jdbc-uri> | JDBC连接字符串 |
| --username <username> | 数据库用户名 |
| --password <password> | 数据库密码 |
| -P | 导入时，从控制台获取数据库密码 |
| --password-file | 从指定的文件中获取数据库密码 |
| --verbose | 导入时，输出更多的日志信息 |
控制参数
| 参数 | 说明 |
|---|---|
| –append | 将数据追加到hdfs中已经存在的dataset中。使用该参数，sqoop将把数据先导入到一个临时目录中，然后重新给文件命名到一个正式的目录中，以避免和该目录中已存在的文件重名。 |
| –as-avrodatafile | 将数据导入到一个Avro数据文件中 |
| –as-sequencefile | 将数据导入到一个sequence文件中 |
| –as-textfile | 将数据导入到一个普通文本文件中，生成该文本文件后，可以在hive中通过sql语句查询出结果。 |
| –boundary-query | 边界查询，也就是在导入前先通过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(), max() from ，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 |
| –columns<col,col> | 指定要导入的字段值，格式如：–columns id,username |
| –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。官网上是说这样导入会更快 |
| –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。 |
| –inline-lob-limit | 设定大对象数据类型的最大值 |
| -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 | 从查询结果中导入数据，该参数使用时必须指定–target-dir、–hive-table，在查询语句中一定要有where条件且在where条件中需要包含 \$CONDITIONS，示例：–query ‘select * from t where \$CONDITIONS ‘ –target-dir /tmp/t –hive-table t |
| –split-by | 表的列名，用来切分工作单元，一般后面跟主键ID |
| –table | 关系数据库表名，数据从该表中获取 |
| –delete-target-dir | 删除目标目录 |
| –target-dir | 指定hdfs路径 |
| –warehouse-dir | 与 –target-dir 不能同时使用，指定数据导入的存放目录，适用于hdfs导入，不适合导入hive目录 |
| –where | 从关系数据库导入数据时的查询条件，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 |
| –null-string | 可选参数，如果没有指定，则字符串null将被使用 |
| –null-non-string | 可选参数，如果没有指定，则字符串null将被使用 |
| --fields-terminated-by | 自定义行分隔符 |
| --lines-terminated-by | 自定义列分割符 |
| --hive-drop-import-delims | 把导入数据中包含的hive默认的分隔符去掉 |
##导入数据到HDFS
##Mysql作为元数据$ sqoop import --connect jdbc:mysql://IP:PORT/ --username USER --password ‘PASSWD‘ --table T_SQOOP_TEST --where "$conditions" --target-dir ‘mydir‘ --delete-target-dir
##SqlServer作为元数据
$ sqoop import --connect ‘jdbc:sqlserver://IP:1433;username=NAME;password=PWD;database=DataName‘ --table T_SQOOP_TEST --where “$conditions” --target-dir ‘mydir‘ --delete-target-dir
###导入到hive
在导入命令中添加--hive-import参数则将数据导入到hive中。
$ sqoop import --hive-import --connect jdbc:mysql://IP:PORT/ --username USER --password ‘PASSWD‘ --table T_SQOOP_TEST --m 1--target-dir ‘mydir‘ --delete-target-dir
参数说明：
|
参数名 |
参数说明 |
| --hive-import | 数据导入到Hive |
| --hive-overwrite | 覆盖Hive表中已存在的数据 |
| --create-hive-table | 设置了此参数，导入时如果hive中表已经存在，则导入任务失败。默认为false |
| --hive-table <table-name> | 指定导入到Hive中的表名 |
| --hive-drop-import-delims | 导入Hive时，去除字符型字段中的\n（换行符）,\r（回车符）和\01（标题开始符）字符。 |
| --hive-delims-replacement | 导入Hive时，用用户定义的字符串替换字符型字段中的\n,\r和\01字符。 |
导入时需要注意：
1）Hive默认使用\01字符作为列分隔符（字段分隔符），\n和\r作为行分隔符。因此，如果导入的字符型字段的数据中包含这些字符时，就会有问题。
如：T_SQOOP_TEST表ID为2的行，NAME字段值中包含换行符，导入到Hive中，数据出现异常：
可以使用--hive-drop-import-delims参数，将导入数据中的\n,\r,\01字符去掉。也可以使用--hive-delims-replacement替换\n,\r和\01。
时间： 2024-07-30 13:17:23