Sqoo精选中文手册.docx
- 文档编号:9312645
- 上传时间:2023-05-18
- 格式:DOCX
- 页数:13
- 大小:29.68KB
Sqoo精选中文手册.docx
《Sqoo精选中文手册.docx》由会员分享,可在线阅读,更多相关《Sqoo精选中文手册.docx(13页珍藏版)》请在冰点文库上搜索。
Sqoo精选中文手册
Sqoop中文手册
8,455浏览1条回复
子猴:
Sqoop在我们的实际工作中有一些应用,为了对Sqoop的使用有个更全面的了解,于是我花了一些时间将Sqoop的使用整理成了一份中文手册,我自认还是非常全面的,覆盖到了Sqoop所有的方面。
虽然对每一个用法,我都是尽可能地先经过测试然后再得出结论,但可能难免会有谬误,不过总的来说希望能对使用Sqoop的朋友有点帮助吧。
1.?
?
?
?
概述
本文档主要对SQOOP的使用进行了说明,参考内容主要来自于ClouderaSQOOP的官方文档。
为了用中文更清楚明白地描述各参数的使用含义,本文档几乎所有参数使用说明都经过了我的实际验证而得到。
2.?
?
?
?
codegen
将关系数据库表映射为一个java文件、javaclass类、以及相关的jar包,作用主要是两方面:
1、?
将数据库表映射为一个Java文件,在该Java文件中对应有表的各个字段。
2、?
生成的Jar和class文件在metastore功能使用时会用到。
基础语句:
参数
说明
–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JAR包文件输出路径
–class-name
设定生成的Java文件指定的名称
–outdir
生成的java文件存放路径
–package-name
包名,如nic,则会生成cn和cnnic两级目录,生成的文件(如java文件)就存放在cnnic目录里
–input-null-non-string
在生成的java文件中,可以将null字符串设为想要设定的值(比如空字符串’’)
–input-null-string
同上,设定时,最好与上面的属性一起设置,且设置同样的值(比如空字符串等等)。
–map-column-java
数据库字段在生成的java文件中会映射为各种属性,且默认的数据类型与数据库类型保持对应,比如数据库中某字段的类型为bigint,则在Java文件中的数据类型为long型,通过这个属性,可以改变数据库字段在java中映射的数据类型,格式如:
–map-column-javaDB_ID=String,id=Integer
–null-non-string
在生成的java文件中,比如TBL_ID==null?
”null”:
””,通过这个属性设置可以将null字符串设置为其它值如ddd,TBL_ID==null?
”ddd”:
””
–null-string
同上,使用的时候最好和上面的属性一起用,且设置为相同的值
–table
对应关系数据库的表名,生成的java文件中的各属性与该表的各字段一一对应。
3.?
?
?
?
create-hive-table
生成与关系数据库表的表结构对应的HIVE表
基础语句:
参数
说明
–hive-home
Hive的安装目录,可以通过该参数覆盖掉默认的hive目录
–hive-overwrite
覆盖掉在hive表中已经存在的数据
–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
–hive-table
后面接要创建的hive表
–table
指定关系数据库表名
4.?
?
?
?
eval
可以快速地使用SQL语句对关系数据库进行操作,这可以使得在使用import这种工具进行数据导入的时候,可以预先了解相关的SQL语句是否正确,并能将结果显示在控制台。
查询示例:
数据插入示例:
-e、-query这两个参数经过测试,比如后面分别接查询和插入SQL语句,皆可运行无误,如上。
5.?
?
?
?
export
从hdfs中导数据到关系数据库中
123456?
–tableTBLS2–export-dirsqoop/test
参数
说明
–direct
快速模式,利用了数据库的导入工具,如mysql的mysqlimport,可以比jdbc连接的方式更为高效的将数据导入到关系数据库中。
–export-dir
存放数据的HDFS的源目录
-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最大Map数
–table
要导入到的关系数据库表
–update-key
后面接条件列名,通过该参数,可以将关系数据库中已经存在的数据进行更新操作,类似于关系数据库中的update操作
–update-mode
更新模式,有两个值updateonly和默认的allowinsert,该参数只能是在关系数据表里不存在要导入的记录时才能使用,比如要导入的hdfs中有一条id=1的记录,如果在表里已经有一条记录id=2,那么更新会失败。
–input-null-string
可选参数,如果没有指定,则字符串null将被使用
–input-null-non-string
可选参数,如果没有指定,则字符串null将被使用
–staging-table
该参数是用来保证在数据导入关系数据库表的过程中事务安全性的,因为在导入的过程中可能会有多个事务,那么一个事务失败会影响到其它事务,比如导入的数据会出现错误或出现重复的记录等等情况,那么通过该参数可以避免这种情况。
创建一个与导入目标表同样的数据结构,保留该表为空在运行数据导入前,所有事务会将结果先存放在该表中,然后最后由该表通过一次事务将结果写入到目标表中。
–clear-staging-table
如果该staging-table非空,则通过该参数可以在运行导入前清除staging-table里的数据。
–batch
该模式用于执行基本语句(暂时还不太清楚含义)
6.?
?
?
?
import
将数据库表的数据导入到hive中,如果在hive中没有对应的表,则自动生成与数据库表名相同的表。
123456–tableuser–split-byid–hive-import
–split-by指定数据库表中的主键字段名,在这里为id。
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
getLong()
目前问题原因还未知
–columns
指定要导入的字段值,格式如:
–columnsid,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$CONDITIONS,示例:
–query‘select*frompersonwhere$CONDITIONS‘–target-dir
/user/hive/warehouse/person–hive-tableperson
–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
–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
增量导入
参数
说明
–check-column(col)
用来作为判断的列名,如id
–incremental(mode)
append:
追加,比如对大于last-value指定的值之后的记录进行追加导入。
lastmodified:
最后的修改时间,追加last-value指定的日期之后的记录
–last-value(value)
指定自从上次导入后列的最大值(大于该指定的值),也可以自己设定某一值
对incremental参数,如果是以日期作为追加导入的依据,则使用lastmodified,否则就使用append值。
7.?
?
?
?
import-all-tables
将数据库里的所有表导入到HDFS中,每个表在hdfs中都对应一个独立的目录。
参数
说明
–as-avrodatafile
同import参数
–as-sequencefile
同import参数
–as-textfile
同import参数
–direct
同import参数
–direct-split-size
同import参数
–inline-lob-limit
同import参数
-m,–num-mappers
同import参数
–warehouse-dir
同import参数
-z,–compress
同import参数
–compression-codec
同import参数
8.?
?
?
?
job
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。
sqoopjob
参数
说明
–create
person
–delete
删除一个jobsqoopjob–deletemyjob
–exec
执行一个jobsqoopjob–execmyjob
–help
显示帮助说明
–list
显示所有的jobsqoopjob–list
–meta-connect
–show
显示一个job的各种参数sqoopjob–showmyjob
–verbose
打印命令运行时的详细信息
9.?
?
?
?
list-databases
打印出关系数据库所有的数据库名
10.?
?
?
?
?
?
?
?
?
?
?
?
list-tables
打印出关系数据库某一数据库的所有表名
11.?
?
?
?
?
?
?
?
?
?
?
?
merge
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,示例如:
sqoopmerge–new-data/test/p1/person–onto/test/p2/person–target-dir/test/merged–jar-file/opt/data/sqoop/person/Person.jar–class-namePerson–merge-keyid
其中,–class-name所指定的class名是对应于Person.jar中的Person类,而Person.jar是通过Codegen生成的
参数
说明
–new-data
Hdfs中存放数据的一个目录,该目录中的数据是希望在合并后能优先保留的,原则上一般是存放越新数据的目录就对应这个参数。
–onto
Hdfs中存放数据的一个目录,该目录中的数据是希望在合并后能被更新数据替换掉的,原则上一般是存放越旧数据的目录就对应这个参数。
–merge-key
合并键,一般是主键ID
–jar-file
合并时引入的jar包,该jar包是通过Codegen工具生成的jar包
–class-name
对应的表名或对象名,该class类是包含在jar包中的。
–target-dir
合并后的数据在HDFS里的存放目录
12.?
?
?
?
?
?
?
?
?
?
?
?
metastore
记录sqoopjob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。
metastore实例启动:
sqoopmetastore
参数
说明
–shutdown
关闭一个运行的metastore实例
13.?
?
?
?
?
?
?
?
?
?
?
?
version
显示sqoop版本信息
语句:
sqoopversion
14.?
?
?
?
?
?
?
?
?
?
?
?
help
打印sqoop帮助信息
语句:
sqoophelp
15.?
?
?
?
?
?
?
?
?
?
?
?
公共参数
Hive参数
参数
说明
–hive-delims-replacement
用自定义的字符串替换掉数据中的\n,\r,and\01等字符
–hive-drop-import-delims
在导入数据到hive中时,去掉数据中\n,\r和\01这样的字符
–map-column-hive
生成hive表时,可以更改生成字段的数据类型,格式如:
–map-column-hiveTBL_ID=String,LAST_ACCESS_TIME=string
–hive-partition-key
创建分区,后面直接跟分区名即可,创建完毕后,通过describe表名可以看到分区名,默认为string型
–hive-partition-value
该值是在导入数据到hive中时,与–hive-partition-key设定的key对应的value值。
–hive-home
Hive的安装目录,可以通过该参数覆盖掉默认的hive目录
–hive-import
将数据从关系数据库中导入到hive表中
–hive-overwrite
覆盖掉在hive表中已经存在的数据
–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
–hive-table
后面接要创建的hive表
–table
指定关系数据库表名
数据库连接参数
参数
说明
–connect
–connection-manager
指定要使用的连接管理类
–driver
数据库驱动类
–hadoop-home
Hadoop根目录
–help
打印帮助信息
-P
从控制端读取密码
–password
Jdbcurl中的数据库连接密码
–username
Jdbcurl中的数据库连接用户名
–verbose
在控制台打印出详细信息
–connection-param-file
一个记录着数据库连接参数的文件
文件输出参数
用于import场景。
示例如:
–escaped-by\#–fields-terminated-by.
参数
说明
–enclosed-by
–escaped-by
给双引号作转义处理,如字段值为”测试”,经过–escaped-by\\处理后,在hdfs中的显示值为:
\”测试\”,对单引号无效
–fields-terminated-by
设定每个字段是以什么符号作为结束的,默认是逗号,也可以改为其它符号,如句号.,示例如:
–fields-terminated-by.
–lines-terminated-by
设定每条记录行之间的分隔符,默认是换行,但也可以设定自己所需要的字符串,示例如:
–lines-terminated-by‘#’以#号分隔
–mysql-delimiters
Mysql默认的分隔符设置,字段之间以,隔开,行之间以换行\n隔开,默认转义符号是\,字段值以单引号’包含起来。
–optionally-enclosed-by
enclosed-by是强制给每个字段值前后都加上指定的符号,而–optionally-enclosed-by只是给带有双引号或单引号的字段值加上指定的符号,故叫可选的。
示例如:
–optionally-enclosed-by‘$’
显示结果:
$”hehe”,测试$
文件输入参数
对数据格式的解析,用于export场景,与文件输出参数相对应。
示例如:
123456?
–tableperson2–export-dir/user/hadoop/person–staging-tableperson3
–clear-staging-table–input-fields-terminated-by‘,’
在hdfs中存在某一格式的数据,在将这样的数据导入到关系数据库中时,必须要按照该格式来解析出相应的字段值,比如在hdfs中有这样格式的数据:
上面的各字段是以逗号分隔的,那么在解析时,必须要以逗号来解析出各字段值,如:
–input-fields-terminated-by‘,’
参数
说明
–input-enclosed-by
–input-escaped-by
对含有转义双引号的字段值作转义处理,如字段值为\”测试\”,经过–input-escaped-by\\处理后,解析得到的值为:
”测试”,对单引号无效。
–input-fields-terminated-by
以字段间的分隔符来解析得到各字段值,示例如:
–input-fields-terminated-by,
–input-lines-terminated-by
以每条记录行之间的分隔符来解析得到字段值,示例如:
–input-lines-terminated-by‘#’以#号分隔
–input-optionally-enclosed-by
与–input-enclosed-by功能相似,与–input-enclosed-by的区别参见输出参数中对–optionally-enclosed-by的描述
欢迎下载交流!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Sqoo 精选 中文 手册