Sqoop介绍_大数据系统

定义

Sqoop是一个ETL工具，能够在HDFS与传统关系型数据直接传输数据。可以使用Sqoop将MySQL或Oracle等RDBMS导入Hadoop分布式文件系统HDFS中，在Hadoop中处理数据，然后将数据导回RDMBS。

sqoop import

$ sqoop help import
用法：sqoop import [GENERIC-ARGS] [TOOL-ARGS]
常用参数：-- 
   connect  指定JDBC 连接字符串
   --connect-manager  指定要使用的连接管理器类
   - -driver  手动指定要使用的 JDBC 驱动程序类
   --hadoop-mapred-home  Override $HADOOP_MAPRED_HOME 
   --help 打印使用说明
   --password-file 设置包含身份验证密码的文件的路径
   -P 从console 
   --password  设置认证密码
   --username  设置认证用户名
   --verbose 在工作时打印更多信息
   --hadoop-home  已弃用。覆盖 $HADOOP_HOME 

[...]

通用 Hadoop 命令行参数：（
必须在任何特定于工具的参数之前）
支持的通用选项是
-conf  指定应用程序配置文件
-D  使用给定的值property 
-fs  指定
名称节点 -jt  指定作业跟踪器
-files <逗号分隔的文件列表> 指定要复制到映射减少集群的逗号分隔文件
-libjars <逗号分隔的 jar 列表>
-archives <逗号分隔的存档列表> 指定要在计算机上取消存档的逗号分隔存档。

一般的命令行语法是
bin/hadoop command [genericOptions] [commandOptions]

导入常用参数

参数	描述
–connect	指定 JDBC 连接字符串
–connection-manager	指定要使用的连接管理器类
–driver	手动指定要使用的 JDBC 驱动程序类
–hadoop-mapred-home	覆盖 $HADOOP_MAPRED_HOME
–help	打印使用说明
–password-file	为包含认证密码的文件设置路径
-P	从控制台读取密码
–password	设置认证密码
–username	设置认证用户名
–verbose	工作时打印更多信息
–connection-param-file	提供连接参数的可选属性文件
–relaxed-isolation	将连接事务隔离设置为映射器未提交的读取。

导入控制参数

参数	描述
–append	将数据附加到 HDFS 中的现有数据集
–as-avrodatafile	将数据导入 Avro 数据文件
–as-sequencefile	将数据导入到 SequenceFiles
–as-textfile	以纯文本形式导入数据（默认）
–as-parquetfile	将数据导入 Parquet 文件
–boundary-query	用于创建拆分的边界查询
–columns	要从表中导入的列
–delete-target-dir	删除导入目标目录（如果存在）
–direct	如果数据库存在，则使用直接连接器
–fetch-size	一次从数据库读取的条目数。
–inline-lob-limit	设置内联 LOB 的最大大小
-m,–num-mappers	使用n个map任务并行导入，并行度默认为4，执行并行度是需要设置–split-by来指定列，如果不指定默认主键，如果主键和split-by都没有会报错。除非使用-m 1，指定一个任务执行导入操作。
-e,–query	导入结果statement。
–split-by	用于并行度拆分任务的列。不能与–autoreset-to-one-mapper选项一起使用。
–autoreset-to-one-mapper	如果表没有主键且未提供拆分列，则导入应使用一个映射器。不能与–split-by
–table	RMDBS中的表名
–target-dir	HDFS 目标目录
–warehouse-dir	表目标的 HDFS 父级
–where	导入期间使用的 WHERe 子句
-z,–compress	启用压缩
–compression-codec	使用 Hadoop 编解码器（默认 gzip）
–null-string	要为字符串列的空值写入的字符串
–null-non-string	要为非字符串列的空值写入的字符串

选项一起使用。导入示例

#! /bin/bash
import_data(){
$sqoop import 
--connect jdbc:oracle:thin:[数据库IP]:[端口号]:[库名] 
--username admin 
--passwarod-file [密码存储路径] 
--target-dir [HDFS存储路径]/$1
--query "$2 and $CONDITIONS" 
--num-mappers 1 
--fields-terminated-by '01' 
--hive-drop-import-delims 
--compress 
--compress-codec lzop 
--null-string '\N' 
--null-non-string '\n'

hadoop jar [lzo压缩jar路径]/hadoop-lzo-0.4.20.jar com.hadoop.compression.lzo.DsitributedLzoIndexer [HDFS存储路径]/$1
}
import_USER(){
 import_data USER "SELECT UID,UNAME FROM USER "
}

case $1 in
"USER")
 	import_USER
 ;;
 "all")
 	import_USER
 ;;
 easc

sqoop export

$ sqoop export (generic-args) (export-args)
$ sqoop-export (generic-args) (export-args)

导出常用参数

参数	描述
–connect	指定 JDBC 连接字符串
–connection-manager	指定要使用的连接管理器类
–driver	手动指定要使用的 JDBC 驱动程序类
–hadoop-mapred-home	覆盖 $HADOOP_MAPRED_HOME
–password-file	为包含认证密码的文件设置路径
-P	从控制台读取密码
–password	设置认证密码
–username	设置认证用户名
–verbose	工作时打印更多信息
–connection-param-file	提供连接参数的可选属性文件
–relaxed-isolation	将连接事务隔离设置为映射器未提交的读取。

导出控制参数

参数	描述
–columns	要导出到表的列，不提供默认为全表的列
–direct	使用直接导出快速路径
–export-dir	导出的 HDFS 源路径,路径数据是未压缩的行存储数据，必须参数
-m,–num-mappers	使用n个map任务并行导出，默认采用4个任务进行导出，sqoop作业导出会分解成多个事务，某些作业出错，部分数据会提交成功。
–table	要填充的表，必须参数
–call	调用的存储过程
–update-key	用于更新的锚列。如果有多于一列，请使用逗号分隔的列列表。
–update-mode	指定在数据库中发现具有不匹配键的新行时如何执行更新。mode的值包括 updateonly（默认）和 allowinsert。
–input-null-string	对于字符串列要解释为 null 的字符串,hive采用N表示NULL值
–input-null-non-string	对于非字符串列要解释为 null 的字符串
–staging-table	在将数据插入目标表之前将在其中暂存数据的表。
–clear-staging-table	表示可以删除暂存表中存在的任何数据。
–batch 使用批处理模式进行底层语句执行。

导出示例

$sqoop evel 
--connect "jdbc:oracle:thin:@[IP地址]:[端口号]:[数据库名]" 
--username admin 
--password 123456 
-e "truncate table admin.USER"

$sqoop export 
--connect "jdbc:oracle:thin:@[IP地址]:[端口号]:[数据库名]" 
--username admin 
--password 123456 
--table "USER" 
--num-mappers 1 
--export-dir [HDFS对应数据路径] 
--input-fields-terminated-by "01" 
--input-null-string '\N' 
--input-null-non-string '\N'

Sqoop介绍

大数据系统相关栏目本月热门文章