sqoop操作

基础语法

导入import：传统关系型数据库---->大数据平台的

mysql------>hadoop

–connect 指定关系型数据库链接url mysql:jdbc://hdp01:3306/
–username 指定数据库的用户名
–password 指定数据库的密码
–table 指定要导出数据的mysql数据库表 关系型数据库中的表名
-m 指定MapTask的个数
–target-dir 指定导入数据在HDFS上的存储目录
–fields-terminated-by 指定每条记录中字段之间的分隔符
–where 指定查询SQL的where条件
–query 指定查询SQL
–columns 指定查询列 指定的是mysql中需要导出的列

列出MySQL数据有哪些数据库：

sqoop list-databases
–connect jdbc:mysql://hdp01:3306/
–username root
–password wwj2018!

#list-databases 列出mysql数据库中的所有库信息

列出MySQL中的某个数据库有哪些数据表：

sqoop list-tables
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!

创建一张跟mysql中的help_keyword表一样的hive表hk：

sqoop create-hive-table
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_keyword
–hive-table hk

常用的数据导入：

mysql–>hdfs、hive、hbase
import

1）mysql—hdfs

导入MySQL表中数据到HDFS中：

// 普通导入：导入mysql库中的help_keyword的数据到HDFS上的默认路径：/user/hadoop/help_keyword
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_topic
-m 1
mysql数据库的表 help_topic ---- hdfs上

默认目录：/user/hadoop/help_topic（表名）
_SUCCESS 成功标志文件
part-m-00000 结果文件 maptask输出的
默认分割符 ，

// 导入： 指定分隔符和导入路径
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_keyword
–target-dir /user/data01/mydata/help_keyword
–fields-terminated-by ‘\t’
-m 1

// 导入数据：带where条件
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–where “name=‘AT’”
–table help_keyword
–target-dir /user/sqoop/data01/myoutport1
-m 1

相当于：select * from help_keyword where name=‘AT’;

sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–where “help_keyword_id>200”
–table help_keyword
–target-dir /user/sqoop/data01/myoutport2
-m 1

select * from help_keyword where help_keyword_id>200;

// 查询指定列
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–columns “name”
–where “help_keyword_id>200”
–table help_keyword
–target-dir /user/sqoop/data01/myoutport3
-m 1
selct name from help_keyword where name = “string”

// 导入：指定自定义查询SQL
sqoop import
–connect jdbc:mysql://hdp01:3306/
–username root
–password wwj2018!
–target-dir /user/sqoop/data01/myimport4
–query ‘select * from mysql.help_keyword where help_keyword_id > 200 and $CONDITIONS’
–split-by help_keyword_id
–fields-terminated-by ‘\t’
-m 4

注意：
–query和–where --columns 不能一起使用 一起使用会报错的
–split-by 指定多个maptask数据划分的 建
-m maptask的个数
当maptask超过一个的时候，指定maptask的切分的列
每一个maptask在进行数据分配的时候 根据指定的列分配

每一个maptask的任务是顺序 平均分配的
201-452 252条数据 4个maptask
maptask0 201-263
maptask1 264-326
maptask2 327-389
maptask3 390-452
报错：
Encountered IOException running import job: java.io.IOException: Query [select * from mysql.help_keyword where help_keyword_id > 200] must contain '$CONDITION{S}^{\prime }inWHEREclause.sql语句中必须包含$CONDITIONS
$CONDITIONS sqoop命令的语法要求 没有任何实际意义的
where过滤条件中 最后添加 and $CONDITIONS

sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–target-dir /user/hadoop/myimport33_2
–query “select * from help_keyword where $CONDITIONS”
–split-by help_keyword_id
–fields-terminated-by ‘\t’
-m 2

在以上需要按照自定义SQL语句导出数据到HDFS的情况下：
1、引号问题，要么外层使用单引号，内层使用双引号，$CONDITIONS的$符号不用转义， 要么外层使用双引号，那么内层使用单引号，然后$CONDITIONS的$符号需要转义
2、自定义的SQL语句中必须带有WHERE $CONDITIONS

2）mysql---->hive中

注意：在hive中创建出来表 但是hive库需要自己手动创建
导入MySQL数据库中的表数据到Hive中：

// 普通导入：数据存储在默认的default hive库中，表名就是对应的mysql的表名：
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_topic
–hive-import
-m 1

–table 指定关系型数据库中的表
–hive-import 将数据导入到hive中

默认的会将数据导入到hive的default数据库下 表名同mysql中的表名

第一步：导入mysql.help_keyword的数据到hdfs的默认路径 /user/用户/help_keyword
第二步：自动仿造mysql.help_keyword去创建一张hive表,
创建在默认的default库中 表名同mysql中的表名
第三步：把临时目录中的数据导入到hive表的数据目录下
load data inpath

// 指定行分隔符和列分隔符，指定hive-import，指定覆盖导入，指定自动创建hive表，指定表名，指定删除中间结果数据目录
sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_keyword
–fields-terminated-by “\t”
–lines-terminated-by “\n”
–hive-import
–hive-overwrite
–create-hive-table
–delete-target-dir
–hive-database weibo
–hive-table new_help_keyword

hive-import 当前这个导入命令。 sqoop会自动给创建hive的表。 但是不会自动创建不存在的库
–hive-overwrite 覆盖导入hive表
–create-hive-table 创建hive表
–hive-database 指定hive表的数据库 数据库一定是hive已经存在的 不会自动创建
–hive-table 指定hive的表名 不需要创建 自动创建的

注意：hive的表会自动创建 库不会自动创建 手动创建

另外一种写法：
sqoop import
–connect jdbc:mysql://hdp01:3306/
–username root
–password wwj2018!
–table mysql.help_keyword
–fields-terminated-by “\t”
–lines-terminated-by “\n”
–hive-import
–hive-overwrite
–create-hive-table \
–hive-table mydb_test.new_help_keyword01
–delete-target-dir

–hive-overwrite 覆盖导入

// 增量导入
1-200 201-400
将mysql中新增的数据导入到大数据平台
在原来的数据基础上 进行追加数据导入
条件：
有一个标识增量的建 通常主键

sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password wwj2018!
–table help_keyword
–target-dir /user/hadoop/myimport_add
–incremental append
–check-column help_keyword_id
–last-value 200
-m 1

参数：
sqoop数据导入hive/hdfs的时候 有两种导入方式：
1）全量数据导入 mysql的数据每次全部导入
2）增量数据导入 每一次只导入新增的数据

Incremental import arguments:
–check-column Source column to check for incremental
change
指定用于标识增量的键 用于检验
help_keyword_id
–incremental Define an incremental import of type
‘append’ or ‘lastmodified’
增量导入的方式 id
append 追加 *****
lastmodified 最后一次修改的时间或建
–last-value Last imported value in the incremental
check column
指定上一次的最后最后一个增量的建的值 500
这次导入则是从这个值的下一个值开始导入

3)导入mysql数据到hbase：

sqoop import
–connect jdbc:mysql://hdp01:3306/mysql
–username root
–password root
–table help_keyword
–hbase-table new_help_keyword
–column-family person
–hbase-row-key help_keyword_id
注意：hbase中的表需要手动创建的 不会自动创建的
–hbase-table 指定hbase的表名的
–column-family 指定hbase的列族的
–hbase-row-key 指定导入到hbase的rowkey的建

常用的数据导出export：

hadoop（hdfs hive hbase）------>mysql中
所有的计算任务的处理结果，有时候是需要被导出到MySQL中的。
注意：导出的RDBMS的表必须自己预先创建，不会自动创建
注： 可以从HDFS导出到MySQL，也可以从Hive导出数据到MySQL, 但是没有一种直接的方式可以让HBase的数据导出到MySQL
面试问题：如何将habse的数据导出mysql中
（1）hbase---->hive----->mysql
（2）编写mapreduce程序

create database sqoopdb default character set utf8 COLLATE utf8_general_ci;
use sqoopdb;
CREATE TABLE sqoopfur (
id INT,
name VARCHAR(60)
);

导出HDFS数据到MySQL：

sqoop export
–connect jdbc:mysql://hdp01:3306/sqoopdb
–username root
–password wwj2018!
–table sqoopfur
–export-dir /user/hadoop/myimport_add
–fields-terminated-by ‘,’

–export-dir 指定hdfs需要导出的数据的文件夹
fields-terminated-by ‘\t’ 指定的是hdfs上文件的分隔符

注意：不会创建mysql上的数据库 和表的需要手动创建

导出hive数据到MySQL：

等同于hdfs—》mysql
sqoop export
–connect jdbc:mysql://hdp01:3306/sqoopdb
–username root
–password wwj2018!
–table uv_info
–export-dir /user/hive/warehouse/uv/dt=2011-08-03
–input-fields-terminated-by ‘\t’

–export-dir 指定的是hive的表在hdfs的存储目录
hive—mysql本质 hdfs—mysql中

一些其他操作：

列出mysql数据库中的所有数据库
sqoop list-databases
–connect jdbc:mysql://hdp01:3306/
-username root
-password root

连接mysql并列出数据库中的表
sqoop list-tables
–connect jdbc:mysql://hdp01:3306/jdbc_test1704
-username root
-password root

将关系型数据的表结构复制到hive中
sqoop create-hive-table
–connect jdbc:mysql://hdp01:3306/jdbc_test1704
–table student
–username root
–password root
–hive-table mydb_test.student
–fields-terminated-by “\t”
–lines-terminated-by “\n”