Sqoop1工具import和export使用详解Word文件下载.docx

1、-password 设置认证密码-username 设置认证用户名-verbose打印详细的运行信息-connection-param-file 可选，指定存储数据库连接参数的属性文件数据导入工具importimport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

2、（默认）-boundary-query 边界查询，用于创建分片（InputSplit）-columns 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 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 指定按照哪个列去分割数据-table 导入的

3、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 指定导出时所使用的查询条件-z,-compress启用压缩-compression-codec 指定Hadoop的codec方式（默认gzip）-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/sqoop import -co

4、nnectjdbc:mysql:/10.95.3.49:3306/workflow-table project -username shirdrn -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HDFS1. bin/sqoop import -connect jdbc:3306/workflow -username shirdrn -P -query SELECT users.*, tags.tag FROM users

5、 JOIN tags ON （users.id = tags.user_id） WHERE $CONDITIONS -split-by users.id -target-dir /hive/tag_db/user_tags这里，使用了-query选项，不能同时与-table选项使用。而且，变量$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/sqoop job -create your-sync-job - import -co

6、nnect jdbc:3306/workflow -table project -username shirdrn -P -hive-import -incremental append -check-column id -last-value 1 - -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-username shirdrn -P -table tags -columns id,tag -create-hive-

7、table -target-dir /hive/tag_db/tags -m 1 -hive-table tags -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SHOW TABLES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. 2. javax

8、.jdo.option.ConnectionURL3. valuederby:;databaseName=hive_metastore_db;create=true4. 5. 然后再重新运行，就能看到了。使用验证配置选项1. sqoop import -connect/ -table EMPLOYEES -validate -validator org.apache.sqoop.validation.RowCountValidator -validation-threshold org.apache.sqoop.validation.AbsoluteValidationThreshold -v

9、alidation-failurehandler org.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exportexport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

10、）-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 导出数据调用的指定存储过程名-update-key 更新参考的列名称，多个列名使用逗号分隔-update-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 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

11、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. CREATE TABLE tag_db.users （id INT（11） NOT NULL AUTO_INCREMENT,name VARCHAR（100） NOT NULL,4. PRIMARY KEY （id）5. ） ENGINE=InnoDB DEFAULT CHARSET=utf8;6. 7. 8. CREATE TABLE tag_db.tags （9. 10. user_id

12、INT NOT NULL,11. tag VARCHAR（100） NOT NULL,12. 13. ） ENGINE=InnoDB DEFAULT CHARSET=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. CREATE TABLE users （id INT,name STRING4. ）;6. CREATE TABLE tags （7. 8. user_id INT,tag STRING10. ）;11. 我们首先在上述MySQL的两个表中插入一些测试数据：1. INSERT INTO tag_db.users（name） VALUES（j

13、effery）;2. INSERT INTO tag_db.users（name） VALUES（shirdrn3. INSERT INTO tag_db.users（name） VALUES（sulee4. 5. INSERT INTO tag_db.tags（user_id, tag） VALUES（1, Music6. INSERT INTO tag_db.tags（user_id, tag） VALUES（1, Programming7. INSERT INTO tag_db.tags（user_id, tag） VALUES（2, Travel8. INSERT INTO tag_d

14、b.tags（user_id, tag） VALUES（3, Sport9. 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 -table users -username shirdrn -P -hive-import - -default-character-set=utf-82. 3. bin/sqoop import -connect3306/tag_db -table tags -username shirdrn -P -hive-import - -default-character-set=utf-8导入成

15、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. CREATE TABLE user_tags （id STRING,name STRING,5. ）;执行如下HQL语句，将关联数据插入user_tags表：1. FROM users u JOIN tags t ON u.id=t.user_id INSERT INTO TABLE user_tags SELECT CONCAT（CAST（u.id AS STRING）, CAST（t.id AS STRING）, 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

16、，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. CREATE TABLE tag_db.user_tags （id varchar（200） NOT NULL,name varchar（100） NOT NULL,tag varchar（100） NOT NULL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/sqoop export -connect3306/tag_db -username shirdrn -P -table u

17、ser_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. 14/02/27 17:59:06 INFO mapred.JobClient: Task Id : attempt_201402260008_0057_m_000001_0, Status : FAILED2. java.io.IOException: Cant expo

18、rt data, please check task tracker logsat org.apache.sqoop.mapreduce.TextExportMapper.map（TextExportMapper.java:112）39）5. at org.apache.hadoop.mapreduce.Mapper.run（Mapper.java:145）6. at org.apache.sqoop.mapreduce.AutoProgressMapper.run（AutoProgressMapper.java:64）at org.apache.hadoop.mapred.MapTask.r

19、unNewMapper（MapTask.java:764）at org.apache.hadoop.mapred.MapTask.run（MapTask.java:364）at org.apache.hadoop.mapred.Child$4.run（Child.java:255）at java.security.AccessController.doPrivileged（Native Method）at javax.security.auth.Subject.doAs（Subject.java:396）at org.apache.hadoop.security.UserGroupInform

20、ation.doAs（UserGroupInformation.java:1190）13. at org.apache.hadoop.mapred.Child.main（Child.java:249）14. Caused by: java.util.NoSuchElementException15. at java.util.AbstractList$Itr.next（AbstractList.java:350）16. at user_tags._loadFromFields（user_tags.java:225）17. at user_tags.parse（user_tags.java:17

21、4）18. 83）19. . 10 more20. 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：Sqoop Import Examples:Sqoop Import :- Import data from a relational database management system （RDBMS） such as MySQL or Oracle into the Hadoop Distributed File System （HDFS） and its subpr

22、ojects （Hive, HBase）.Import the data （MySQL table） to HBase:Case 1: If table have primary key and import all the column of MySQL table into HBase table.$ bin/sqoop import -connect jdbc:/localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -column-family hbase_tab

23、le_col1 -hbase-create-tableCase 2: If table have primary key and import only few columns of MySQL table into HBase table. /localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -columns column1,column2 -column-family hbase_table_col1 -hbase-create-tableNote : Colu

24、mn names specified in -columns attribute must contain the primary key column.Case 3: If table doesnt have primary key then choose one column as a hbase-row-key. Import all the column of MySQL table into HBase table./localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -column-family hbase_table_col1 -hbase-r