大数据技术之_12_Sqoop学习_Sqoop 简介+Sqoop 原理+Sqoop 安装+Sqoop 的简单使用案例+Sqoop 一些常用命令及参数

第1章 Sqoop 简介第2章 Sqoop 原理第3章 Sqoop 安装3.1 下载并解压3.2 修改配置文件3.3 拷贝 JDBC 驱动3.4 验证 Sqoop3.5 测试 Sqoop 是否能够成功连接数据库第4章 Sqoop 的简单使用案例4.1 导入数据4.1.1 从 RDBMS 到 HDFS4.1.2 从 RDBMS 到 Hive4.1.3 从 RDBMS 到 HBase4.2 导出数据4.2.1 从 HIVE/HDFS 到 RDBMS4.3 脚本打包第5章 Sqoop 一些常用命令及参数5.1 常用命令列举5.2 命令&参数详解5.2.1 公用参数：数据库连接5.2.2 公用参数：import5.2.3 公用参数：export5.2.4 公用参数：hive5.2.5 命令&参数：import5.2.6 命令&参数：export5.2.7 命令&参数：codegen5.2.8 命令&参数：create-hive-table5.2.9 命令&参数：eval5.2.10 命令&参数：import-all-tables5.2.11 命令&参数：job5.2.12 命令&参数：list-databases5.2.13 命令&参数：list-tables5.2.14 命令&参数：merge5.2.15 命令&参数：metastore

第1章 Sqoop 简介

  Sqoop 是一款开源的工具，主要用于

在 Hadoop(Hive) 与传统的数据库 (mysql,postgresql,...) 间进行数据的高校传递

，可以将一个关系型数据库（例如：MySQL,Oracle,Postgres等）中的数据导入到 Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。

  Sqoop 项目开始于 2009 年，最早是作为 Hadoop 的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop 独立成为一个 Apache 顶级项目。

  Sqoop2 的最新版本是 1.99.7。请注意，2 与 1 不兼容，且特征不完整，它并不打算用于生产部署。

第2章 Sqoop 原理

  将导入或导出命令翻译成 mapreduce 程序来实现。

  在翻译出的 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。

第3章 Sqoop 安装

  安装 Sqoop 的前提是已经具备 Java 和 Hadoop 的环境。

3.1 下载并解压

1) 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/

2) 上传安装包 sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz 到虚拟机中

3) 解压 sqoop 安装包到指定目录，如：

$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
           

4) 重命名 sqoop 安装目录，如：

[atguigu@hadoop102 module]$ mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop
           

3.2 修改配置文件

  Sqoop 的配置文件与大多数大数据框架类似，在 sqoop 根目录下的 conf 目录中。

1) 重命名配置文件

$ mv sqoop-env-template.sh sqoop-env.sh
           

2) 修改配置文件

[atguigu@hadoop102 conf]$ pwd
/opt/module/sqoop/conf
[atguigu@hadoop102 conf]$ vim sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2
export HIVE_HOME=/opt/module/hive
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10
export HBASE_HOME=/opt/module/hbase
           

3.3 拷贝 JDBC 驱动

拷贝 jdbc 驱动到 sqoop 的 lib 目录下，如：

[atguigu@hadoop102 sqoop]$ cp /opt/software/mysql-libs/mysql-connector-java-5.1.27/mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop/lib/
           

3.4 验证 Sqoop

我们可以通过某一个 command 来验证 sqoop 配置是否正确：

[atguigu@hadoop102 sqoop]$ bin/sqoop help
           

出现一些 Warning 警告（警告信息已省略），并伴随着帮助命令的输出：

Available commands:
  codegen            Generate code to interact with database records
  create-hive-table     Import a table definition into Hive
  eval               Evaluate a SQL statement and display the results
  export             Export an HDFS directory to a database table
  help               List available commands
  import             Import a table from a database to HDFS
  import-all-tables     Import tables from a database to HDFS
  import-mainframe    Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases        List available databases on a server
  list-tables           List available tables in a database
  merge              Merge results of incremental imports
  metastore           Run a standalone Sqoop metastore
  version            Display version information
           

3.5 测试 Sqoop 是否能够成功连接数据库

[atguigu@hadoop102 sqoop]$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 123456
           

出现如下输出：

information_schema
metastore
mysql
performance_schema
test
           

第4章 Sqoop 的简单使用案例

4.1 导入数据

  在 Sqoop 中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用 import 关键字。

4.1.1 从 RDBMS 到 HDFS

1) 确定 Mysql 服务开启正常

查询监控端口或者查询进程来确定，以下两种办法可以确认mysql是否在启动运行状态：

办法一：查询端口

$ netstat -tulpn
           

MySQL监控的是TCP的3306端口，如下图，说明MySQL服务在运行中。

办法二：查询进程

ps -ef | grep mysqld
           

可以看见mysql的进程

2) 在 Mysql 中新建一张表并插入一些数据

$ mysql -uroot -p123456
mysql> create database company;
mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
mysql> insert into company.staff(name, sex) values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');
           

3) 导入数据

（1）全部导入

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
           

（2）查询导入

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

等价于

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query "select name,sex from staff where id <=1 and \$CONDITIONS;"
           

提示

：must contain '$CONDITIONS' in WHERE clause.

$CONDITIONS

：传递作用。

如果 query 后使用的是双引号，则

$CONDITIONS

前必须加转义符，防止 shell 识别为自己的变量。

（3）导入指定列

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
           

提示

：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格。

（4）使用 sqoop 关键字筛选查询导入数据

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
           

4.1.2 从 RDBMS 到 Hive

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--hive-import \
--hive-overwrite \
--hive-table staff_hive
           

提示

：该过程分为两步，第一步将数据导入到 HDFS，第二步将导入到 HDFS 的数据迁移到 Hive 仓库，第一步默认的临时目录是 /user/atguigu/表名。

4.1.3 从 RDBMS 到 HBase

（1）导入数据

[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--num-mappers 1 \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_staff" \
--split-by id
           

会报错，如下图所示：

原因

：sqoop1.4.6 只支持 HBase1.0.1 之前的版本的自动创建 HBase 表的功能。

解决方案

：手动创建 HBase 表

hbase> create 'hbase_staff','info'
           

(5) 在 HBase 中 scan 这张表得到如下内容

hbase> scan ‘hbase_staff’
           

4.2 导出数据

在Sqoop中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用 export 关键字。

4.2.1 从 HIVE/HDFS 到 RDBMS

（1）导出数据

[atguigu@hadoop102 sqoop]$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
           

提示

：Mysql 中如果表不存在，不会自动创建。

4.3 脚本打包

  使用opt格式的文件打包 sqoop 命令，然后执行。

1) 创建一个 xxx.opt 文件

[atguigu@hadoop102 sqoop]$ pwd
/opt/module/sqoop
[atguigu@hadoop102 sqoop]$ mkdir opt
[atguigu@hadoop102 sqoop]$ touch opt/job_HDFS2RDBMS.opt
           

2) 编写 sqoop 脚本

[atguigu@hadoop102 sqoop]$ cd opt/
[atguigu@hadoop102 opt]$ vim job_HDFS2RDBMS.opt 

export
--connect
jdbc:mysql://hadoop102:3306/company
--username
root
--password
123456
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"
           

3) 执行该脚本

[atguigu@hadoop102 sqoop]$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
           

尖叫提示

：Mysql 中如果表不存在，不会自动创建，所以我们要先创建表 staff，如果表 staff 存在，我们应该清除掉 staff 表的数据，不然会出现主键冲突！如下图所示：

通过查看日志历史服务器，可知：

第5章 Sqoop 一些常用命令及参数

5.1 常用命令列举

  这里给大家列出来了一部分 Sqoop 操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。

如下表所示：

序号	命令	类	说明
1	import	ImportTool	将数据导入到集群
2	export	ExportTool	将集群数据导出
3	codegen	CodeGenTool	获取数据库中某张表数据生成 Java 并打包 Jar
4	create-hive-table	CreateHiveTableTool	创建 Hive 表
5	eval	EvalSqlTool	查看 SQL 执行结果
6	import-all-tables	ImportAllTablesTool	导入某个数据库下所有表到 HDFS 中
7	job	JobTool	用来生成一个 sqoop 的任务，生成后，该任务并不执行，除非使用命令执行该任务。
8	list-databases	ListDatabasesTool	列出所有数据库名
9	list-tables	ListTablesTool	列出某个数据库下所有表
10	merge	MergeTool	将 HDFS 中不同目录下面的数据合并在一起，并存放在指定的目录中
11	metastore	MetastoreTool	记录 sqoop job 的元数据信息，如果不启动 metastore 实例，则默认的元数据存储目录为： ~/.sqoop ，如果要更改存储目录，可以在配置文件 sqoop-site.xml 中进行更改。
12	help	HelpTool	打印 sqoop 帮助信息
13	version	VersionTool	打印 sqoop 版本信息

5.2 命令&参数详解

  刚才列举了一些 Sqoop 的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。

  首先来我们来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。

5.2.1 公用参数：数据库连接

	参数
	--connect	连接关系型数据库的URL
	--connection-manager	指定要使用的连接管理类
	--driver	Hadoop 根目录
	--help	打印帮助信息
	--password	连接数据库的密码
	--username	连接数据库的用户名
	--verbose	在控制台打印出详细信息

5.2.2 公用参数：import

	--enclosed-by < char>	给字段值前加上指定的字符
	--escaped-by < char>	对字段中的双引号加转义符
	--fields-terminated-by < char>	设定每个字段是以什么符号作为结束，默认为逗号
	--lines-terminated-by < char>	设定每行记录之间的分隔符，默认是 \n
	--mysql-delimiters	Mysql默认的分隔符设置，字段之间以逗号分隔，行之间以 \n分隔，默认转义符是 \，字段值以单引号包裹
	--optionally-enclosed-by < char>	给带有双引号或单引号的字段值前后加上指定字符

5.2.3 公用参数：export

	--input-enclosed-by < char>	对字段值前后加上指定字符
	--input-escaped-by < char>	对含有转移符的字段做转义处理
	--input-fields-terminated-by < char>	字段之间的分隔符
	--input-lines-terminated-by < char>	行之间的分隔符
	--input-optionally-enclosed-by < char>	给带有双引号或单引号的字段前后加上指定字符

5.2.4 公用参数：hive

	--hive-delims-replacement < arg>	用自定义的字符串替换掉数据中的 \r\n 和 \013 \010 等字符
	--hive-drop-import-delims	在导入数据到 hive 时，去掉数据中的 \r\n \013 \010这样的字符
	--map-column-hive < arg>	生成 hive 表时，可以更改生成字段的数据类型
	--hive-partition-key	创建分区，后面直接跟分区名，分区字段的默认类型为 string
	--hive-partition-value < v>	导入数据时，指定某个分区的值
	--hive-home < dir>	hive 的安装目录，可以通过该参数覆盖之前默认配置的目录
	--hive-import	将数据从关系数据库中导入到 hive 表中
	--hive-overwrite	覆盖掉在 hive 表中已经存在的数据
	--create-hive-table	默认是 false，即，如果目标表已经存在了，那么创建任务失败。
	--hive-table	后面接要创建的 hive 表,默认使用 MySQL 的表名
	--table	指定关系数据库的表名

公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。

5.2.5 命令&参数：import

  将关系型数据库中的数据导入到 HDFS（包括Hive，HBase）中，如果导入的是 Hive，那么当 Hive 中没有对应表时，则自动创建。

1) 命令：

如：导入数据到 hive 中

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-import
           

如：增量导入数据到 hive 中，mode=append

append导入：

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3
           

尖叫提示

：append 不能与 --hive 等参数同时使用（Append mode for hive imports is not yet supported. Please remove the parameter --append-mode）

如：增量导入数据到 hdfs 中，mode=lastmodified

先在mysql中建表并插入几条数据：
mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');

先导入一部分数据：
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff_timestamp \
--delete-target-dir \
--m 1

再增量导入一部分数据：
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append
           

尖叫提示

：使用 lastmodified 方式导入数据，要指定增量数据是要

--append（追加）

还是要

--merge-key（合并）

尖叫提示

：last-value 指定的值是会包含于增量导入的数据中。

2) 参数：

	--append	将数据追加到 HDFS 中已经存在的 DataSet 中，如果使用该参数，sqoop 会把数据先导入到临时文件目录，再合并。
	--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
	--boundary-query < statement>	边界查询，导入的数据为该参数的值（一条sql语句）所执行的结果区间内的数据。
	--columns < col1, col2, col3>	指定要导入的字段
	--direct	直接导入模式，使用的是关系数据库自带的导入导出工具，以便加快导入导出过程。
	--direct-split-size	在使用上面direct直接导入的基础上，对导入的流按字节分块，即达到该阈值就产生一个新的文件
	--inline-lob-limit	设定大对象数据类型的最大值
	--m或–num-mappers	启动N个 map 来并行导入数据，默认4个。
	--query或--e < statement>	将查询结果的数据导入，使用时必须伴随参--target-dir，--hive-table，如果查询中有 where 条件，则条件后必须加上 $CONDITIONS 关键字
	--split-by < column-name>	按照某一列来切分表的工作单元，不能与--autoreset-to-one-mapper连用（请参考官方文档）
	--table < table-name>	关系数据库的表名
14	--target-dir < dir>	指定 HDFS 路径
15	--warehouse-dir < dir>	与14参数不能同时使用，导入数据到 HDFS 时指定的目录
16	--where	从关系数据库导入数据时的查询条件
17	--z或--compress	允许压缩
18	--compression-codec	指定 hadoop 压缩编码类，默认为 gzip(Use Hadoop codec default gzip)
19	--null-string < null-string>	string 类型的列如果 null，替换为指定字符串
20	--null-non-string < null-string>	非 string 类型的列如果 null，替换为指定字符串
21	--check-column < col>	作为增量导入判断的列名
22	--incremental < mode>	mode：append 或 lastmodified
23	--last-value < value>	指定某一个值，用于标记增量导入的位置

5.2.6 命令&参数：export

  从 HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。

如：

$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--export-dir /user/staff \
--input-fields-terminated-by "\t" \
--num-mappers 1
           

		利用数据库自带的导入导出工具，以便于提高效率
	--export-dir < dir>	存放数据的HDFS的源目录
	-m或--num-mappers < n>	启动N个map来并行导入数据，默认4个
		指定导出到哪个RDBMS中的表
	--update-key < col-name>	对某一列的字段进行更新操作
	--update-mode < mode>	updateonly，allowinsert(默认)
	--input-null-string < null-string>	请参考import该类似参数说明
	--input-null-non-string < null-string>
	--staging-table < staging-table-name>	创建一张临时表，用于存放所有事务的结果，然后将所有事务结果一次性导入到目标表中，防止错误
	--clear-staging-table	如果第9个参数非空，则可以在导出操作执行前，清空临时事务结果表

5.2.7 命令&参数：codegen

  将关系型数据库中的表映射为一个 Java 类，在该类中有各列对应的各个字段。

$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
           

	--bindir < dir>	指定生成的 Java 文件、编译成的 class 文件及将生成文件打包为 jar 的文件输出路径
	--class-name < name>	设定生成的 Java 文件指定的名称
	--outdir < dir>	生成 Java 文件存放的路径
	--package-name < name>	包名，如 com.z，就会生成 com 和 z 两级目录
	--input-null-non-string < null-str>	在生成的 Java 文件中，可以将 null 字符串或者不存在的字符串设置为想要设定的值（例如空字符串）
	--input-null-string < null-str>	将null字符串替换成想要替换的值（一般与5同时使用）
	--map-column-java < arg>	数据库字段在生成的 Java 文件中会映射成各种属性，且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型，例如：--map-column-java id=long, name=String
	--null-non-string < null-str>	在生成 Java 文件时，可以将不存在或者 null 的字符串设置为其他值
	--null-string < null-str>	在生成 Java 文件时，将 null 字符串设置为其他值（一般与8同时使用）
		对应关系数据库中的表名，生成的 Java 文件中的各个属性与该表的各个字段一一对应

5.2.8 命令&参数：create-hive-table

  生成与关系数据库表结构对应的 hive 表结构。

$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-table hive_staff
           

		Hive 的安装目录，可以通过该参数覆盖掉默认的 Hive 目录
		覆盖掉在 Hive 表中已经存在的数据
		默认是 false，如果目标表已经存在了，那么创建任务会失败
		后面接要创建的 hive 表

5.2.9 命令&参数：eval

  可以快速的使用 SQL 语句对关系型数据库进行操作，经常用于在 import 数据之前，了解一下 SQL 语句是否正确，数据是否正常，并可以将结果显示在控制台。

$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--query "SELECT * FROM staff"
           

	--query 或 --e	后跟查询的 SQL 语句

5.2.10 命令&参数：import-all-tables

  可以将 RDBMS 中的所有表导入到 HDFS 中，每一个表都对应一个 HDFS 目录。

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--warehouse-dir /all_tables
           

		这些参数的含义均和import对应的含义一致
		同上
	--direct-split-size < n>
	--inline-lob-limit < n>
	--m或—num-mappers < n>
	-z或--compress

5.2.11 命令&参数：job

  用来生成一个 sqoop 任务，生成后不会立即执行，需要手动执行。

$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
           

尖叫提示

：注意import-all-tables 和它左边的--之间有一个空格。

尖叫提示

：如果需要连接 metastore，则 --meta-connect jdbc:hsqldb:hsql://hadoop102:16000/sqoop

	--create < job-id>	创建 job 参数
	--delete < job-id>	删除一个 job
	--exec < job-id>	执行一个 job
		显示 job 帮助
	--list	显示 job 列表
	--meta-connect < jdbc-uri>	用来连接 metastore 服务
	--show < job-id>	显示一个 job 的信息
		打印命令运行时的详细信息

尖叫提示

：在执行一个 job 时，如果需要手动输入数据库密码，可以做如下优化：

<property>
    <name>sqoop.metastore.client.record.password</name>
    <value>true</value>
    <description>If true, allow saved passwords in the metastore.</description>
</property>
           

5.2.12 命令&参数：list-databases

$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 123456
           

与公用参数一样

5.2.13 命令&参数：list-tables

$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456
           

5.2.14 命令&参数：merge

  将 HDFS 中不同目录下面的数据合并在一起并放入指定目录中。

数据环境：

new_staff
1   AAA male
2   BBB male
3   CCC male
4   DDD male

old_staff
1   AAA female
2   CCC female
3   BBB female
6   DDD female
           

尖叫提示

：上边数据的列之间的分隔符应该为\t，行与行之间的分割符为\n，如果直接复制，请检查之。

创建JavaBean：
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

开始合并：
$ bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id

结果：
1   AAA    MALE
2   BBB    MALE
3   CCC    MALE
4   DDD    MALE
6   DDD    FEMALE
           

	--new-data < path>	HDFS 待合并的数据目录，合并后在新的数据集中保留
	--onto < path>	HDFS 合并后，重复的部分在新的数据集中被覆盖
	--merge-key < col>	合并键，一般是主键 ID
	--jar-file < file>	合并时引入的j ar 包，该 jar 包是通过 Codegen 工具生成的jar包
	--class-name < class>	对应的表名或对象名，该 class 类是包含在 jar 包中的
	--target-dir < path>	合并后的数据在 HDFS 里存放的目录

5.2.15 命令&参数：metastore

$ bin/sqoop metastore
           

	--shutdown	关闭 metastore

Copyright ©2018-2019

【转载文章务必保留出处和署名，谢谢！】