sqoop数据导入导出应用案例
sqoop数据导入导出应用案例
1 sqoop导入数据
将RDBMS中的一个表数据导入到hdfs。表中的每一行被视为hdfs的记录。所有记录都存储为文本文件的文本数据（或者Avro、sequence文件等二进制数据）。
1.1 语法
下面的命令用于将数据导入到hdfs上。
$sqoop import (generic-args) (import-args)
1.2 测试数据
在MySQL有一个userdb的数据库，其中有一张usertable表，该表结构如下：
| id | name | age |
|---|---|---|
| 2 | tom | 15 |
| 3 | toms | 25 |
| 4 | tomslee | 17 |
| 5 | bob | 16 |
1.3 导入表中数据到HDFS
下面的命令用于从MySQL数据库服务器中的usertable表导入数据到hdfs。
sqoop import \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--table usertable \
--m 1
上面的命令中--connect指的是连接地址，这里面是mysql服务器的地址；--table usertable是MySQL数据库的数据表；--m 1是指定MapReduce的数量。
如果执行成功，会显示如下输出：
14/12/22 15:24:54 INFO sqoop.Sqoop: Running Sqoop version: 1.4.5
14/12/22 15:24:56 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-hadoop/compile/cebe706d23ebb1fd99c1f063ad51ebd7/emp.jar
-----------------------------------------------------
O mapreduce.Job: map 0% reduce 0%
14/12/22 15:28:08 INFO mapreduce.Job: map 100% reduce 0%
14/12/22 15:28:16 INFO mapreduce.Job: Job job_1419242001831_0001 completed successfully
-----------------------------------------------------
-----------------------------------------------------
14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Transferred 145 bytes in 177.5849 seconds (0.8165 bytes/sec)
14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Retrieved 5 records.
上述的过程由于没有指定hdfs的保存位置，所以系统会分配一个默认的地址，该地址根据当前的用户名和表名生成的。
为了验证在hdfs导入的数据，使用下面的命令可以查看：
hadoop fs -cat /user/hadoop/userdb/part-m-00000
默认情况下hdfs上面的数据字段之间用逗号（,）分割。
sqoop1
1.4 导入到hive表中
sqoop import \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--table usertable \
--hive-import \
--m 1;
调用上述命令之前不用先建立hive数据表，由于没有指定hive的数据库，所以系统会在hive的default数据库下面建立一张usertable数据表。
数据传输过程:
1 从MySQL到hdfs上（通过MapReduce）
2 从hdfs迁移到hive中
hive> select * from usertable;
OK
2 tom 15
3 toms 25
4 tomslee 17
5 bob 16
Time taken: 0.191 seconds, Fetched: 4 row(s)
hive> dfs -cat /user/hive/warehouse/usertable/part-m-00000;
2tom15
3toms25
4tomslee17
5bob16
hive>
通过查看hdfs上的数据可知hive中的字段之间默认是用'\001'进行分割的，所以字段之间看起来紧挨着。
1.5 导入到hdfs指定的目录上
在导入表数据到hdfs使用sqoop工具，我们可以指定目标目录。
以下是指定目标目录选项的sqoop导入命令到的语法。
--target-dir<new directory in HDFS>
下面的命令是用来导入MySQL数据库的user数据表到hdfs的/user/test目录。
sqoop import \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--target-dir /uer/test \
--table usertable \
--m 1;
注意指定的hdfs的目录不能存在，因为sqoop会将这个目录作为MapReduce的输出目录。
导入到hdfs上的输出数据格式如下：
2,tom,15
3,toms,25
4,tomslee,17
5,bob,16
1.6 导入表数据子集
我们可以导入表的"where"子句的一个子集通过sqoop工具。它执行在各自的数据库服务器相应的sql查询中，并将结果储存在hdfs的目标目录上。
where子句的语法如下：
--where <condition>
下面的命令用来 导入usertable表的数据子集。子集查询用户的姓名和年龄。
sqoop import \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--table usertable \
--where "name='tom' and age=15" \
--target-dir /user/test \
--m 1;
注意指定的hdfs的目录不能存在，因为sqoop会将这个目录作为MapReduce的输出目录。
导入到hdfs上的输出数据格式如下：
2,tom,15
1.7 增量导入数据
增量导入是仅导入新添加的表中的行的技术。
它需要添加'incremental','check-column','last-value'选项来执行增量导入。
下面的语法用于sqoop导入命令 增量的选项。
--incremental <mode>
--check_column <column name>
--last-value <last check column value>
下面命令用于在user表执行增量导入。
sqoop import \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--table usertable \
--incremental append \
--check-column id \
--last-value 2 \
--target-dir /user/test \
--m 1;
注意: 这里面指定的hdfs路径不但可以存在而且在该目录下还可以有文件存在。
2 sqoop数据导出
将数据从hdfs导出到RDBMS数据库。
导出前，目标表必须存在于目标数据库中。
默认操作是从将文件中的数据使用insert语句插入到mysql数据表中。
更新模式下，是生成update语句更新表数据。
2.1 语法
以下是export命令的语法。
sqoop export (generic-args) (export-args)
2.2 案例一
将hdfs中的数据导出到MySQL的usertable表中。
sqoop export \
--connect jdbc:mysql://mysqlhost:3306/userdb \
--username root \
--password root \
--table usertable \
-export-dir /user/hive/warehouse/usertable \
--input-fields-terminated-by '\001'
--m 1;
上述命令中的input-fields-terminated-by '\001'指的是输入的字段之间的分隔符，在hive中的默认分隔符为'\001'。
验证：在MySQL中输入select * from usertable;
3 sqoop数据导入导出命令详解
3.1 sqoop import导入数据命令参数详解
输入sqoop import --help命令可以查看所有导入命令的参数详解：
常用命令：
--connect <jdbc-uri> JDBC连接字符串
--connection-manager <class-name> 连接管理者
--driver <class-name> 驱动类
--hadoop-home <dir> 指定$HADOOP_HOME路径
-P 从命令行输入密码（这样可以保证数据库密码的安全性）
--password <password> 密码
--username <username> 用户名
--verbose 打印信息
Import control arguments:
--append 添加到hdfs中已经存在的dataset上
直接使用该参数就可向一个已经存在的目录追加内容了
--as-avrodatafile 导入数据作为avrodata
--as-sequencefile 导入数据作为SequenceFiles
--as-textfile 默认导入数据为文本
--boundary-query <statement> Set boundary query for retrieving max
and min value of the primary key
--columns <col,col,col...> 选择导入的列
--compression-codec <codec> 压缩方式，默认是gzip
--direct 使用直接导入快速路径
--direct-split-size <n> 在快速模式下每n字节使用一个split
-e,--query <statement> 通过查询语句导入
--fetch-size <n> 一次读入的数量
--inline-lob-limit <n> Set the maximum size for an inline LOB
-m,--num-mappers <n> 通过实行多少个map，默认是4个，某些数据库8 or 16性能不错
--split-by <column-name> 创建split的列，默认是主键
--table <table-name> 导入的数据表
--target-dir <dir> HDFS 目标路径
--warehouse-dir <dir> HDFS parent for table destination
--where <where clause> WHERE clause to use during import
-z,--compress Enable compression
增量导入参数:
--check-column <column> Source column to check for incremental
change
--incremental <import-type> Define an incremental import of type
'append' or 'lastmodified'
--last-value <value> Last imported value in the incremental
check column
输出行格式参数:
--enclosed-by <char> 设置字段结束符号
--escaped-by <char> 用哪个字符来转义
--fields-terminated-by <char> 输出字段之间的分隔符
--lines-terminated-by <char> 输出行分隔符
--mysql-delimiters 使用mysql的默认分隔符: , lines: \n escaped-by: \ optionally-enclosed-by: '
--optionally-enclosed-by <char> Sets a field enclosing character
输入参数解析:
--input-enclosed-by <char> Sets a required field encloser
--input-escaped-by <char> Sets the input escape
character
--input-fields-terminated-by <char> 输入字段之间的分隔符
--input-lines-terminated-by <char> 输入行分隔符
char
--input-optionally-enclosed-by <char> Sets a field enclosing
character
Hive arguments:
--create-hive-table 创建hive表,如果目标表存在则失败
--hive-delims-replacement <arg> 导入到hive时用自定义的字符替换掉 \n, \r, and \001
--hive-drop-import-delims 导入到hive时删除 \n, \r, and \001
--hive-home <dir> 重写$HIVE_HOME
--hive-import Import tables into Hive
(Uses Hive's default
delimiters if none are
set.)
--hive-overwrite Overwrite existing data in
the Hive table
--hive-partition-key <partition-key> hive分区的key
--hive-partition-value <partition-value> hive分区的值
--hive-table <table-name> Sets the table name to use
when importing to hive
--map-column-hive <arg> 类型匹配，sql类型对应到hive类型
3.2 sqoop export导出数据命令参数详解
输入sqoop export --help命令可以查看所有导入命令的参数详解：
export主要参数
--direct 快速导入
--export-dir <dir> HDFS到处数据的目录
-m,--num-mappers <n> 都少个map线程
--table <table-name> 导出哪个表
--call <stored-proc-name> 存储过程
--update-key <col-name> 通过哪个字段来判断更新
--update-mode <mode> 插入模式，默认是只更新，可以设置为allowinsert.
--input-null-string <null-string> 字符类型null处理
--input-null-non-string <null-string> 非字符类型null处理
--staging-table <staging-table-name> 临时表
--clear-staging-table 清空临时表
--batch 批量模式
4 参考博文
http://www.cnblogs.com/cenyuhai/p/3306056.html
