正文 

当前位置： 首页 > java > java教程

sqoop学习

天师符 天师符     2022-08-17     665

关键词：

最近学习了下这个导数据的工具，但是在export命令这里卡住了，暂时排不了错误。先记录学习的这一点吧

sqoop是什么

sqoop（sql-on-hadoop）：是用来实现结构型数据（如关系型数据库）和hadoop之间进行数据迁移的工具。它充分利用了mapreduce的并行特点以及批处理的方式加快数据的传输，同时也借助mapreduce实现了容错。

sqoop架构

1）sqoop目前有两个版本sqoop1（1.4.x）和sqoop2（1.99.x），这里安装的是sqoop1版本

2）sqoop1是由client端直接接入hadoop，任务通过解析生成对应的mapreduce执行

3）sqoop1架构图

技术分享

4）导入（import）与导出（export） 导入：往hdfs上导数据 导出：从hdfs上导出去

导入流程： 1）读取要导入数据的表结构 2）读取参数，设置好job 3）调用mapreduce执行任务 ----a 首先要对数据进行切分 ----b 写入范围，以便读取 ----c 读取范围参数（第二步中设置的参数） ----d 创建RecordReader并从数据库中读取数据 ----e 创建map ----f 执行map

导出流程：导入过程的逆向过程

sqoop常用命令

命令初步认识

[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘

注释：
sqoop：表示sqoop命令
import：表示导入
--connect jdbc:mysql://spark1:3306 ：表示告诉jdbc，连接mysql的url。这个是在hive的hive-site.xml中设置的
wujiadong：表示mysql数据库中的一个数据库  
--username root: 连接mysql的用户名
--password xxx: 连接mysql的密码，我这里省略了
--table stud_info: 从mysql要导出数据的表名称
--fields-terminated-by ‘	‘: 指定输出文件中的行的字段分隔符，我这没有写
-m 1 表示复制过程使用1个map作业，如果不写的话默认是4个map
注：因我安装mysql时没有设置密码，所以没有加密码项

我导数据时候有时遇到导入不成功，报10020端口连接不上，试试在namenode上执行命令： mr-jobhistory-daemon.sh start historyserver 之后再去导数据

1）version：显示sqoop版本

查看安装的sqoop版本
[[email protected] ~]# sqoop version

2）help：查看sqoop帮助信息

[[email protected] ~]# sqoop help

3）list-databases：打印出关系数据库所有的数据库名

显示出mysql数据库下所有数据库名
[[email protected] sqoop]# sqoop list-databases --connect jdbc:mysql://spark1:3306 --username root

技术分享

4）数据库连接参数

–connect <jdbc-uri> ：Jdbc连接url，示例如--connect jdbc:mysql://spark1:3306

–connection-manager ：指定要使用的连接管理类

–driver ：指定jdbc要使用的驱动类

-P ：从控制台读取输入的密码，注意P是大写的

–password ：Jdbc url中的数据库连接密码

–username ：Jdbc url中的数据库连接用户名

–verbose ：在控制台打印出详细运行信息

–connection-param-file ：一个记录着数据库连接参数的文件

4）list-tables：打印出关系数据库某一数据库的所有表名

显示mysql数据库中wujiadong这个数据库中所有的表名
[[email protected] ~]# sqoop list-tables --connect jdbc:mysql://spark1:3306/wujiadong -username root

技术分享

5）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

–append : 数据追加到HDFS上一个已存在的数据集上

–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 : 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.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 for

–columns ： 指定要导入的字段值，格式如：–columns id,username

–query，-e<statement> ： 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 * from person where $CONDITIONS ‘ –target-dir /user/hive/warehouse/person –hive-table person

–split-by<column-name> ：表的列名，用来切分工作单元，一般后面跟主键ID

–table <table-name> ：关系数据库表名，数据从该表中获取

–target-dir <dir> ：指定hdfs路径

增量导入

–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

数据从mysql导入到hdfs

实例1：将mysql中wujiadong数据库中的表stud_info表中的数据导入到hdfs(--target-dir)
[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘   如果这个目录存在会报错。
[[email protected] ~]# hadoop fs -lsr /user/sqoop_test 导入成功后查看
[[email protected] ~]# hadoop fs -cat /user/sqoop_test/part* 可以直接查看导入的数据。这里出现了中文乱码暂时不管，后面解决

如果执行之后不成功可以试试在命令后加上-m 1 只启动一个map

技术分享

技术分享

实例2：在1的基础上继续往这个文件中导入数据(append)
[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --append --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘  可以看到比原来的多了解一个文件

技术分享

实例3：在1基础上删除已存在文件并导入数据(--delete-target-dir)
[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘   --delete-target-dir
实例4：增量导入数据到hdfs


实例5：指定条件导入(注意不能含中文)


[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘ -m 1 --where "stud_gend=‘M‘" --append 

模糊查询
[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘ -m 1 --where "stud_code like ‘%201510%‘" --append 


技术分享


实例6：启用压缩


[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username http://www.90168.org/root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘ -m 1 --where "stud_gend=‘M‘" --append -z
默认Gzip压缩；其它压缩方式用--compression-codec xxx

使用text命令查看压缩文件
[[email protected] ~]# hadoop fs -text   /user/sqoop_test/part-m-00001.gz



技术分享


技术分享


实例7：导入空值（NULL）处理


字符串类型
[[email protected] ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘ -m 1 --where "stud_gend=‘M‘" --append --null-string "**"
非字符串类型
[[email protected] hive_test]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir ‘hdfs://spark1:9000/user/sqoop_test‘ -m 1 --where "stud_gend=‘M‘" --append --null-string "**" --null-non-string "##"


实例8：sql导入




数据从mysql导入到hive


--hive-home <dir>：直接指定hive安装目录
--hive-import：使用默认分隔符导入hive
--hive-overwrite：覆盖掉在hive表中已经存在的数据
--create-hive-table：生成与关系数据库表的表结构对应的HIVE表。如果表不存在，则创建，如果存在，报错
--hive-table <table-name>：导入到hive指定的表，可以创建新表
--hive-drop-import-delims：入数据到hive时，删除字符串字段中的 
, 
, and 1 
--hive-delims-replacement：用自定义的字符串替换掉数据中的
, 
, and 1等字符


--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 <v>：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
--map-column-hive <map>：生成hive表时，可以更改生成字段的数据类型，格式如：–map-column-hive LAST_ACCESS_TIME=string
--fields-terminated-by：指定分隔符(hive默认的分隔符是/u0001)



实例1 :将mysql数据库wujiadong1中的stud_info表中数据导入到hive总的stud_info1表中（该表未先创建）


[[email protected] ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root -table stud_info --hive-import -m 1 --hive-table stud_info1
没有指定导入到哪个数据库，默认导入到default数据库中



实例2：将mysql数据库wujiadong1中的stud_info表中数据导入到hive的sqoop_test数据库的stud_info表中（该表未先创建）


在hive中创建数据库sqoop_test
hive> create database sqoop_test;
使用sqoop创建表并导入表
[[email protected] ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info  #指定导入到那个数据库中
进入hive查看是否导入成功
hive> use sqoop_test;
hive> show tables;
hive> desc stud_info;
hive> select * from stud_info;


技术分享


实例3：在2的基础上用--hive-overwrite覆盖导入


[[email protected] ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info --hive-overwrite
只覆盖数据，不覆盖表结构


实例4：使用非默认分隔符“,”分隔hive表字段


[[email protected] ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 www.90168.org--username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info1 --fields-terminated-by "," 
hive> show create table stud_info1; 查看详细信息



技术分享


实例5:增量导入




数据从mysql导入到hbase（学完hbase再学）


7）文件输出参数


–enclosed-by <char> : 给字段值前后加上指定的字符，比如双引号，示例：–enclosed-by ‘”‘，显示例子：”3″,”jimsss”

–fields-terminated-by <char> : 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

–lines-terminated-by <char> : 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

–delete-target-dir : 每次运行导入命令前，若有就先删除target-dir指定的目录




6）export：从hdfs中导出数据到关系数据库中


--validate <class-name>:启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类

--validation-threshold <class-name>:指定验证门限所使用的类

--direct:使用直接导出模式（优化速度）

--export-dir <dir>:导出过程中HDFS源路径

--m,--num-mappers <n>:使用n个map任务并行导出

--table <table-name>:导出的目的表名称

--update-key <col-name>:更新参考的列名称，多个列名使用逗号分隔

--input-null-string <null-string>:使用指定字符串，替换字符串类型值为null的列

--input-null-non-string <null-string>:使用指定字符串，替换非字符串类型值为null的列

--staging-table <staging-table-name>:在数据导出到数据库之前，数据临时存放的表名称



```


参考资料1： sqoop中文手册


参考资料2： Sqoop导入关系数据库到Hive


参考资料3： sqoop安装文档


参考资料4： Sqoop之导入导出操作 
sqoop学习之路(代码片段)


一、概述二、工作机制三、安装1、前提概述2、软件下载3、安装步骤四、Sqoop的基本命令基本操作示例五、Sqoop的数据导入1、从RDBMS导入到HDFS中2、把MySQL数据库中的表数据导入到Hive中3、把MySQL数据库中的表数据导入到hbase 正文...  查看详情  

                

hadoop-sqoop学习笔记


======导入====sqoopimport--connectjdbc:mysql://20.12.20.165:3306/luo0907--usernameroot--password12345--tableaa01--fields-terminated-by‘	‘-m1--hive-importsqoopimport--connectjdbc:mysql://20.12.20.165:33  查看详情  

                

数据集成工具的使用---sqoop从理论学习到熟练使用(代码片段)


本期与大家分享的是，小北精心整理的大数据学习笔记，数据采集工具Sqoop的详细介绍，希望对大家能有帮助，喜欢就给点鼓励吧，记得三连哦！欢迎各位大佬评论区指教讨论！💜🧡💛制...  查看详情  

                

头歌sqoop数据导出-详解(代码片段)


...考答案可以快速复制。目录第1关：Sqoop数据导出语法学习任务描述相关知识编程要求测试说明参考答案第2关：HDFS数据导出至Mysql内任务描述相关知识编程要求测试说明参考答案第3关：Hive数据导出至MySQL中任务描述相...  查看详情  

                

flume,sqoop学习以及应用(代码片段)


...ume应用4.Sqoop是什么？5.使用Sqoop将HBase数据计算并导入MySql学习文档参考：http://flume.apache.org/releases/content/1.9.0/FlumeUserGuide.html1.Flume是什么?Flume简单概括就是一个收集日志的工具，它可以通过调用接口，RPC，还有网页的一些操作进...  查看详情  

                

头歌sqoop数据导入-详解(代码片段)


...考答案可以快速复制。目录第1关：Sqoop数据导入语法学习任务描述相关知识编程要求测试说明参考答案第2关：Mysql导入数据至HDFS上任务描述相关知识编程要求测试说明参考答案 第3关：Mysql导入数据至Hive中任务描述...  查看详情  

                

sqoop - 导入表时遇到问题


...igData的新手，我不知道发生了什么！请注意，这是我自己学习的。我使用以下命令从名为sqoopex8的数据库中从MySQL导入了一个名为sqooptest的表：sqoopimport\\--connectjdbc:mysql://localhost/sqoopex8\  查看详情  

                

Apache Sqoop 和 Spark


...描述】：为了将大型SQL数据加载到Spark以进行转换和机器学习，以下哪个选项在性能方面更好。选项1：使用SparkSQLJDBC连接器将SQLData直接加载到Spark。选项2：使用Sqoop以csv格式将SQLData加载到HDFS，然后使用Spark从HDFS读取数据。请建...  查看详情  

                

Apache Sqoop 2 - 用户指南文档


...【发布时间】：2018-03-0705:35:36【问题描述】：我目前正在学习ApacheSqoop，我打算参加HortonWorks认证考试。其中一个考试目标是将数据从关系数据库中的表导入HDFS。对此的命令是SQOOP-IMPORT。我在Sqoop1(v1.4.x)文档（用户指南）中找到...  查看详情  

                

HDP 2.2 Sandbox 找不到 SQOOP 目录


】HDP2.2Sandbox找不到SQOOP目录【英文标题】：HDP2.2SandboxCouldnotfindSQOOPdirectory【发布时间】：2015-02-0919:29:29【问题描述】：我正在学习教程http://hortonworks.com/hadoop-tutorial/import-microsoft-sql-server-hortonworks-sandbox-using-sqoop/我找不到/usr/lib  查看详情  

                

在 sqoop 中从 RDBMS 导入选定的表


...nsqoop【发布时间】：2017-08-0303:04:46【问题描述】：我正在学习sqoop。我想从数据库中导入一些选定的表，该怎么做？如果我在单个数据库中有1000个表，那么我只想导入500个表。我可以使用--exclude-tables，但我无法在命令行中输入...  查看详情  

                

sqoop的使用之import导入到hdfs


...考文档《快速搭建CDH-Hadoop-Hive-Zoopkeeper-Sqoop环境进入Sqoop学习环境》准备一些基本的认识1、sqoop分为了sqoop1和sqoop22、sqoop2拆分server和client，类似于hiveserver2和beeline3、sqoop早期是一些封装MR程序，以jar文件的形式，最后才演变成了...  查看详情  

                

使用 SQOOP 和 FLUME 将数据从 RDBMS 移动到 Hadoop


...dFLUME【发布时间】：2014-03-1803:41:23【问题描述】：我正在学习Hadoop，并且在将数据从关系数据库移动到Hadoop以及反之亦然的过程中遇到了一些概念。我已经使用SQOOP导入查询将文件从MySQL传输到HDFS。我传输的文件是结构化数据集...  查看详情  

                

clouderaspark及hadoop开发员培训学习北京上海


Spark及 Hadoop 开发员培训学习如何将数据导入到ApacheHadoop机群并使用Spark、Hive、Flume、Sqoop、Impala及其他Hadoop生态系统工具对数据进行各种操作和处理分析在为期四天的培训中，学员将学习关键概念和掌握使用最新技术和工...  查看详情  

                

sqoop--数据库和hdfs之间的搬运工(代码片段)


...h版本的，其实不光是sqoop，基本上所有大数据组件，个人学习的话，都建议使用cdh版本，会自动帮你规避掉很多问题。下载地址：http://archive.cloudera.com/cdh5/cdh/5/，可以去里面找任意的大数据组件。我这里已经安装好了，我们来看...  查看详情  

                

[sqoop]sqoop


     查看详情  

                

sqoop导入导出


sqoop产生背景 什么是sqoop sqoop的优势 sqoop1与sqoop2的比较  为什么选择sqoop1 sqoop在hadoop生态体系中的位置 sqoop基本架构 sqoopimport原理  sqoopimport详细流程 sqoopexport原理 sqoop安  查看详情  

                

[sqoop]sqoop命令


 官网文档：http://sqoop.apache.org/docs/1.99.7/user/CommandLineClient.html#delete-link-function 一、了解sqoop数据导入的几个重要概念（1）connector：sqoop2中预定了各种链接，这些链接是一些配置模板。#查看预定制的连接器sqoop:000>showconnec...  查看详情