《sqoop命令参数中文手册.docx》由会员分享,可在线阅读,更多相关《sqoop命令参数中文手册.docx(12页珍藏版)》请在金锄头文库上搜索。
1、Sqoop中文手册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Cloudera SQOOP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:sqoop codegen connect jdbc:MySQL:/localhost:3306/hi
2、ve username root password 123456 table TBLS2参数说明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
3、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-java DB_ID=String,id=Integernull-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
4、-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:sqoop create-hive-table connect jdbc:mysql:/localhost:3306/hive -username root -password 123456 table TBLS hive-table h_tbls2参数说明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-over
5、write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:sqoop eval connect jdbc:mysql:/localhost:3306/hive -username root -password 123456 -query “SELECT * FRO
6、M tbls LIMIT 10数据插入示例:sqoop eval connect jdbc:mysql:/localhost:3306/hive -username root -password 123456 -e “INSERT INTO TBLS2VALUES(100,1375170308,1,0,Hadoop,0,1,guest,MANAGED_TABLE,abc,ddd)”-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sqoop export connect jdbc:mysql:/loca
7、lhost:3306/hive username root password123456 table TBLS2 export-dir sqoop/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,
8、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
9、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。sqoop import connect jdb
10、c:mysql:/localhost:3306/hive username root password123456 table user split-by id hive-importsplit-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
11、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,creationdate from person 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:java.sql.SQLException: Invalid value forgetLong()目前问题原因还未
12、知columns指定要导入的字段值,格式如:columns id,usernamedirect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tar
13、get-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 person where $CONDITIONS target-dir/user/hive/warehouse/person hive-table personsplit-by表的列名,用来切分工作单元,一般后面跟主键IDtable 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
14、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-codecHadoop压缩编码,默认是gzipnull-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6.1增量导入参数说明check-column (col)用来作为判断的列名,如idincremental (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-va