sqoop 常用命令整理(一)

这些内容是从sqoop的官网整理出来的,是1.4.3版本的Document,如果有错误,希望大家指正。
1.使用sqoop导入数据
  
  sqoop import --connect jdbc:mysql://localhost/db --username foo --table TEST

  2.账号密码
  
  
    sqoop import --connect jdbc:mysql://database.example.com/employees \
--username aaron --password 12345

  3.驱动
  
    sqoop import --driver com.microsoft.jdbc.sqlserver.SQLServerDriver \
--connect <connect-string> ...

  
   4.写sql语句导入的方式
  
    sqoop import \
--query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' \
--split-by a.id --target-dir /user/foo/joinresults

  
  如果是顺序导入的话,可以只开一个线程
    sqoop import \
--query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' \
-m 1 --target-dir /user/foo/joinresults

  如果where语句中有要用单引号的,就像这样子写就可以啦"SELECT * FROM x WHERE a='foo' AND \$CONDITIONS"
  5. 1.4.3版本的sqoop不支持复杂的sql语句,不支持or语句
  
  6. --split-by <column-name>
  默认是主键,假设有100行数据,它会执行那个SELECT * FROM sometable WHERE id >= lo AND id < hi,
  with (lo, hi) 会分为4次导入(0,250),(250,500),(500,750),(750,1001)
  如果这个字段不能达到实际的划分区域的效果,可以用别的字段。如果没有索引列或者是组合主键的表,需要手动设置一个划分列
  
  7. --direct 是为了利用某些数据库本身提供的快速导入导出数据的工具,比如mysql的mysqldump
  性能比jdbc更好,但是不知大对象的列,使用的时候,那些快速导入的工具的客户端必须的shell脚本的目录下
  
  8.导入数据到hdfs目录,这个命令会把数据写到/shared/foo/ 目录
  
    sqoop import --connnect <connect-str> --table foo --warehouse-dir /shared \

  
  或者
  
    sqoop import --connnect <connect-str> --table foo --target-dir /dest \

  
  9.传递参数给快速导入的工具,使用--开头,下面这句命令传递给mysql默认的字符集是latin1
  
    sqoop import --connect jdbc:mysql://server.foo.com/db --table bar \
--direct -- --default-character-set=latin1

  
  10.转换为对象
  --map-column-java <mapping> 转换为java数据类型
  --map-column-hive <mapping> 转转为hive数据类型
 
  11.增加导入
  --check-column (col) Specifies the column to be examined when determining which rows to import.
  --incremental (mode) Specifies how Sqoop determines which rows are new. Legal values for mode include append and lastmodified.
  --last-value (value) Specifies the maximum value of the check column from the previous import.
  增加导入支持两种模式append和lastmodified,用--incremental来指定
 
  12.在导入大对象,比如BLOB和CLOB列时需要特殊处理,小于16MB的大对象可以和别的数据一起存储,超过这个值就存储在_lobs的子目录当中
  它们采用的是为大对象做过优化的存储格式,最大能存储2^63字节的数据,我们可以用--inline-lob-limit参数来指定每个lob文件最大的限制是多少
  如果设置为0,则大对象使用外部存储
 
  13.分隔符、转移字符
  下面的这句话
  Some string, with a comma.
  Another "string with quotes"
  使用这句命令导入$ sqoop import --fields-terminated-by , --escaped-by \\ --enclosed-by '\"' ...
  会有下面这个结果
  "Some string, with a comma.","1","2","3"...
  "Another \"string with quotes\"","4","5","6"...
  使用这句命令导入$ sqoop import --optionally-enclosed-by '\"' (the rest as above)...
  "Some string, with a comma.",1,2,3...
  "Another \"string with quotes\"",4,5,6...
 
  14.hive导入参数
  --hive-home <dir> 重写$HIVE_HOME
  --hive-import 插入数据到hive当中,使用hive的默认分隔符
  --hive-overwrite 重写插入
  --create-hive-table 建表,如果表已经存在,该操作会报错!
  --hive-table <table-name> 设置到hive当中的表名
  --hive-drop-import-delims 导入到hive时删除 \n, \r, and \01
  --hive-delims-replacement 导入到hive时用自定义的字符替换掉 \n, \r, and \01
  --hive-partition-key hive分区的key
  --hive-partition-value <v> hive分区的值
  --map-column-hive <map> 类型匹配,sql类型对应到hive类型
 
  15.hive空值处理
  sqoop会自动把NULL转换为null处理,但是hive中默认是把\N来表示null,因为预先处理不会生效的
  我们需要使用 --null-string 和 --null-non-string来处理空值 把\N转为\\N
  
    sqoop import  ... --null-string '\\N' --null-non-string '\\N'

  
  
  
  16.导入数据到hbase
  导入的时候加上--hbase-table,它就会把内容导入到hbase当中,默认是用主键作为split列
  也可以用--hbase-row-key来指定,列族用--column-family来指定,它不支持--direct。
  如果不想手动建表或者列族,就用--hbase-create-table参数
 
  17.代码生成参数,没看懂
  --bindir <dir> Output directory for compiled objects
  --class-name <name> Sets the generated class name. This overrides --package-name. When combined with --jar-file, sets the input class.
  --jar-file <file> Disable code generation; use specified jar
  --outdir <dir> Output directory for generated code
  --package-name <name> Put auto-generated classes in this package
  --map-column-java <m> Override default mapping from SQL type to Java type for configured columns.
 
  18.通过配置文件conf/sqoop-site.xml来配置常用参数
  
 <property>
<name>property.name</name>
<value>property.value</value>
</property>

  如果不在这里面配置的话,就需要像这样写命令
  
    sqoop import -D property.name=property.value ...

  
  
  19.两个特别的参数
  sqoop.bigdecimal.format.string 大decimal是否保存为string,如果保存为string就是 0.0000007,否则则为1E7
  sqoop.hbase.add.row.key 是否把作为rowkey的列也加到行数据当中,默认是false的
  
  20.例子
  
#指定列
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--columns "employee_id,first_name,last_name,job_title"
#使用8个线程
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
-m 8
#快速模式
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--direct
#使用sequencefile作为存储方式
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--class-name com.foocorp.Employee --as-sequencefile
#分隔符
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--fields-terminated-by '\t' --lines-terminated-by '\n' \
--optionally-enclosed-by '\"'
#导入到hive
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--hive-import
#条件过滤
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--where "start_date > '2010-01-01'"
#用dept_id作为分个字段
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
--split-by dept_id
#追加导入
$ sqoop import --connect jdbc:mysql://db.foo.com/somedb --table sometable \
--where "id > 100000" --target-dir /incremental_dataset --append


  
   
  21.导入所有的表sqoop-import-all-tables
  每个表都要有主键,不能使用where条件过滤
  
    sqoop import-all-tables --connect jdbc:mysql://db.foo.com/corp

  
  
  22.export
  我们采用sqoop-export插入数据的时候,如果数据已经存在了,插入会失败
  如果我们使用--update-key,它会认为每个数据都是更新,比如我们使用下面这条语句
  
   sqoop-export --table foo --update-key id --export-dir /path/to/data --connect …
  UPDATE foo SET msg='this is a test', bar=42 WHERE id=0;
  UPDATE foo SET msg='some more data', bar=100 WHERE id=1;
  ...

  这样即使找不到它也不会报错
  23.如果存在就更新,不存在就插入
  加上这个参数就可以啦--update-mode allowinsert
  
  
  24.事务的处理
  它会一次statement插入100条数据,然后每100个statement提交一次,所以一次就会提交10000条数据
  
  
  25.例子
  
$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar  \
--export-dir /results/bar_data

$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar \
--export-dir /results/bar_data --validate

$ sqoop export --connect jdbc:mysql://db.example.com/foo --call barproc \
--export-dir /results/bar_data

0 个评论

要回复文章请先登录注册