Sqoop1工具import和export使用详解Word文件下载.docx
《Sqoop1工具import和export使用详解Word文件下载.docx》由会员分享,可在线阅读,更多相关《Sqoop1工具import和export使用详解Word文件下载.docx(14页珍藏版)》请在冰豆网上搜索。
![Sqoop1工具import和export使用详解Word文件下载.docx](https://file1.bdocx.com/fileroot1/2023-1/30/c702df06-db5d-457b-bfab-b47fce2077ba/c702df06-db5d-457b-bfab-b47fce2077ba1.gif)
--password<
password>
设置认证密码
--username<
username>
设置认证用户名
--verbose
打印详细的运行信息
--connection-param-file<
filename>
可选,指定存储数据库连接参数的属性文件
数据导入工具import
import工具,是将HDFS平台外部的结构化存储系统中的数据导入到Hadoop平台,便于后续分析。
我们先看一下import工具的基本选项及其含义,如下表所示:
--append
将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile
将数据导入到Avro数据文件
--as-sequencefile
将数据导入到SequenceFile
--as-textfile
将数据导入到普通文本文件(默认)
--boundary-query<
statement>
边界查询,用于创建分片(InputSplit)
--columns<
col,col,col…>
从表中导出指定的一组列的数据
--delete-target-dir
如果指定目录存在,则先删除掉
--direct
使用直接导入模式(优化导入速度)
--direct-split-size<
n>
分割输入stream的字节大小(在直接导入模式下)
--fetch-size<
从数据库中批量读取记录数
--inline-lob-limit<
设置内联的LOB对象的大小
-m,--num-mappers<
使用n个map任务并行导入数据
-e,--query<
导入的查询语句
--split-by<
column-name>
指定按照哪个列去分割数据
--table<
table-name>
导入的源表表名
--target-dir<
导入HDFS的目标路径
--warehouse-dir<
HDFS存放表的根路径
--where<
whereclause>
指定导出时所使用的查询条件
-z,--compress
启用压缩
--compression-codec<
c>
指定Hadoop的codec方式(默认gzip)
--null-string<
null-string>
果指定列为字符串类型,使用指定字符串替换值为null的该类列的值
--null-non-string<
如果指定列为非字符串类型,使用指定字符串替换值为null的该类列的值
下面,我们通过实例来说明,在实际中如何使用这些选项。
将MySQL数据库中整个表数据导入到Hive表
1.bin/sqoopimport--connect
jdbc:
mysql:
//10.95.3.49:
3306/workflow
--tableproject--usernameshirdrn-P--hive-import
----default-character-set=utf-8
复制代码
将MySQL数据库workflow中project表的数据导入到Hive表中。
将MySQL数据库中多表JION后的数据导入到HDFS
1.bin/sqoopimport--connectjdbc:
3306/workflow--usernameshirdrn-P--query'
SELECTusers.*,tags.tagFROMusersJOINtagsON(users.id=tags.user_id)WHERE$CONDITIONS'
--split-byusers.id--target-dir/hive/tag_db/user_tags
这里,使用了--query选项,不能同时与--table选项使用。
而且,变量$CONDITIONS必须在WHERE语句之后,供Sqoop进程运行命令过程中使用。
上面的--target-dir指向的其实就是Hive表存储的数据目录。
将MySQL数据库中某个表的数据增量同步到Hive表
1.bin/sqoopjob--createyour-sync-job--import--connectjdbc:
3306/workflow--tableproject--usernameshirdrn-P--hive-import--incrementalappend--check-columnid--last-value1----default-character-set=utf-8
这里,每次运行增量导入到Hive表之前,都要修改--last-value的值,否则Hive表中会出现重复记录。
将MySQL数据库中某个表的几个字段的数据导入到Hive表
--usernameshirdrn--P--tabletags--columns'
id,tag'
--create-hive-table-target-dir/hive/tag_db/tags-m1--hive-tabletags--hive-import----default-character-set=utf-8
我们这里将MySQL数据库workflow中tags表的id和tag字段的值导入到Hive表tag_db.tags。
其中--create-hive-table选项会自动创建Hive表,--hive-import选项会将选择的指定列的数据导入到Hive表。
如果在Hive中通过SHOWTABLES无法看到导入的表,可以在conf/hive-site.xml中显式修改如下配置选项:
1.<
property>
2.
<
name>
javax.jdo.option.ConnectionURL<
/name>
3.
value>
derby:
;
databaseName=hive_metastore_db;
create=true<
/value>
4.<
/property>
5.
然后再重新运行,就能看到了。
使用验证配置选项
1.sqoopimport--connect
//--tableEMPLOYEES--validate--validatororg.apache.sqoop.validation.RowCountValidator--validation-thresholdorg.apache.sqoop.validation.AbsoluteValidationThreshold--validation-failurehandlerorg.apache.sqoop.validation.AbortOnFailureHandler
上面这个是官方用户手册上给出的用法,我们在实际中还没用过这个,有感兴趣的可以验证尝试一下。
数据导出工具export
export工具,是将HDFS平台的数据,导出到外部的结构化存储系统中,可能会为一些应用系统提供数据支持。
我们看一下export工具的基本选项及其含义,如下表所示:
--validate<
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<
指定验证门限所使用的类
使用直接导出模式(优化速度)
--export-dir<
导出过程中HDFS源路径
使用n个map任务并行导出
导出的目的表名称
--call<
stored-proc-name>
导出数据调用的指定存储过程名
--update-key<
col-name>
更新参考的列名称,多个列名使用逗号分隔
--update-mode<
mode>
指定更新策略,包括:
updateonly(默认)、allowinsert
--input-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<
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
--clear-staging-table
清除工作区中临时存放的数据
--batch
使用批量模式导出
这里,我们主要结合一个实例,讲解如何将Hive中的数据导入到MySQL数据库。
首先,我们准备几个表,MySQL数据库为tag_db,里面有两个表,定义如下所示:
1.CREATETABLEtag_db.users(
idINT(11)NOTNULLAUTO_INCREMENT,
nameVARCHAR(100)NOTNULL,
4.
PRIMARYKEY(`id`)
5.)ENGINE=InnoDBDEFAULTCHARSET=utf8;
6.
7.
8.CREATETABLEtag_db.tags(
9.
10.
user_idINTNOTNULL,
11.
tagVARCHAR(100)NOTNULL,
12.
13.)ENGINE=InnoDBDEFAULTCHARSET=utf8;
14.
15.
这两个表中存储的是基础数据,同时对应着Hive中如下两个表:
1.CREATETABLEusers(
idINT,
nameSTRING
4.);
6.CREATETABLEtags(
7.
8.
user_idINT,
tagSTRING
10.);
11.
我们首先在上述MySQL的两个表中插入一些测试数据:
1.INSERTINTOtag_db.users(name)VALUES('
jeffery'
);
2.INSERTINTOtag_db.users(name)VALUES('
shirdrn'
3.INSERTINTOtag_db.users(name)VALUES('
sulee'
4.
5.INSERTINTOtag_db.tags(user_id,tag)VALUES(1,'
Music'
6.INSERTINTOtag_db.tags(user_id,tag)VALUES(1,'
Programming'
7.INSERTINTOtag_db.tags(user_id,tag)VALUES(2,'
Travel'
8.INSERTINTOtag_db.tags(user_id,tag)VALUES(3,'
Sport'
9.
然后,使用Sqoop的import工具,将MySQL两个表中的数据导入到Hive表,执行如下命令行:
3306/tag_db--tableusers--usernameshirdrn-P--hive-import----default-character-set=utf-8
2.
3.bin/sqoopimport--connect
3306/tag_db--tabletags--usernameshirdrn-P--hive-import----default-character-set=utf-8
导入成功以后,再在Hive中创建一个用来存储users和tags关联后数据的表:
1.CREATETABLEuser_tags(
idSTRING,
nameSTRING,
5.);
执行如下HQL语句,将关联数据插入user_tags表:
1.FROMusersuJOINtagstONu.id=t.user_idINSERTINTOTABLEuser_tagsSELECTCONCAT(CAST(u.idASSTRING),CAST(t.idASSTRING)),u.name,t.tag;
将users.id与tags.id拼接的字符串,作为新表的唯一字段id,name是用户名,tag是标签名称。
再在MySQL中创建一个对应的user_tags表,如下所示:
1.CREATETABLEtag_db.user_tags(
idvarchar(200)NOTNULL,
namevarchar(100)NOTNULL,
tagvarchar(100)NOTNULL
使用Sqoop的export工具,将Hive表user_tags的数据同步到MySQL表tag_db.user_tags中,执行如下命令行:
1.bin/sqoopexport--connect
3306/tag_db--usernameshirdrn--P--tableuser_tags--export-dir/hive/user_tags--input-fields-terminated-by'
\001'
----default-character-set=utf-8
执行导出成功后,可以在MySQL的tag_db.user_tags表中看到对应的数据。
如果在导出的时候出现类似如下的错误:
1.14/02/2717:
59:
06INFOmapred.JobClient:
TaskId:
attempt_201402260008_0057_m_000001_0,Status:
FAILED
2.java.io.IOException:
Can'
texportdata,pleasechecktasktrackerlogs
atorg.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:
112)
39)
5.
atorg.apache.hadoop.mapreduce.Mapper.run(Mapper.java:
145)
6.
atorg.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:
64)
atorg.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:
764)
atorg.apache.hadoop.mapred.MapTask.run(MapTask.java:
364)
atorg.apache.hadoop.mapred.Child$4.run(Child.java:
255)
atjava.security.AccessController.doPrivileged(NativeMethod)
atjavax.security.auth.Subject.doAs(Subject.java:
396)
atorg.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:
1190)
13.
atorg.apache.hadoop.mapred.Child.main(Child.java:
249)
14.Causedby:
java.util.NoSuchElementException
15.
atjava.util.AbstractList$Itr.next(AbstractList.java:
350)
16.
atuser_tags.__loadFromFields(user_tags.java:
225)
17.
atuser_tags.parse(user_tags.java:
174)
18.
83)
19.
...10more
20.
通过指定字段分隔符选项--input-fields-terminated-by,指定Hive中表字段之间使用的分隔符,供Sqoop读取解析,就不会报错了。
附网上的导入命令参考:
SqoopImportExamples:
SqoopImport:
-Importdatafromarelationaldatabasemanagementsystem(RDBMS)suchasMySQLorOracleintotheHadoopDistributedFileSystem(HDFS)anditssubprojects(Hive,HBase).
Importthedata(MySQLtable)toHBase:
Case1:
IftablehaveprimarykeyandimportallthecolumnofMySQLtableintoHBasetable.
$bin/sqoopimport--connectjdbc:
//localhost/db1--usernameroot--passwordroot--tabletableName--hbase-tablehbase_tableName
--column-familyhbase_table_col1--hbase-create-table
Case2:
IftablehaveprimarykeyandimportonlyfewcolumnsofMySQLtableintoHBasetable.
//localhost/db1--usernameroot--passwordroot--tabletableName--hbase-tablehbase_tableName--columnscolumn1,column2--column-familyhbase_table_col1--hbase-create-table
Note:
Columnnamesspecifiedin--columnsattributemustcontaintheprimarykeycolumn.
Case3:
Iftabledoesn'
thaveprimarykeythenchooseonecolumnasahbase-row-key.ImportallthecolumnofMySQLtableintoHBasetable.
//localhost/db1--usernameroot--passwordroot--tabletableName--hbase-tablehbase_tableName--column-familyhbase_table_col1--hbase-r