sqoop导入

gmdzxx

Sqoop导入笔记


发表: 2016-10-08 浏览: 1784



sqoop



　　Sqoop 导入

• 
  
  
  
  • 
    
    
    
    • 1、通用参数
      
    • 2、导入控制参数——选择部分数据导入
      
    • 3、目的目录（HDFS）
      
    • 4、分隔符
      
    • 5、控制导入并行度
      
    • 6、类型映射(导入到Hive时使用)
      
    • 7、实战
      
      
      
      • 1、 查看对应库、表情况
        
      • 2、 密码
        
      • 3、 导入全表
        
      • 4、 指定导入目录
        
      • 5、 控制并行度
        
      • 6、 控制字段分隔符
        
      • 7、 导入部分数据
        
      • 8、 使用文件进行导入
        
      
      
      
    
    
    
  
  
  

注：若需转载，请注明出处！

导入使用的MySQL数据创建语句详见：https://ask.hellobi.com/blog/marsj/5093
　　大家可以直接参考上述博文在你的MySQL数据库中创建对应的表用于实战Sqoop导入

1、通用参数
　　–connect，数据库连接字符串
–username，数据库访问用户名
–password ，指定数据库连接密码（明文）
-P 交互式的指定数据库密码
–password-file，使用密码文件制定数据库密码

2、导入控制参数——选择部分数据导入
　　–query，要导入的数据用SQL查询控制
示例：sqoop import –connect jdbc:mysql://centos:3306/sqooptest –username root –password 123456 –query “select * from sqoop where student_id<=500 AND $CONDITION”
–table，指定要导入的数据表 tbl 、–where，指定导入时的条件 “student_id<=500”
–columns，指定要导入的字段名 例如 –columns class_id,class_name

3、目的目录（HDFS）
　　–warehouse-dir，指定导入到HDFS中的目录

4、分隔符
　　–fields-terminated-by，例– fields-terminated-by ‘|’，默认情况下用‘，’进行字段分隔
–lines-terminated-by,行分隔符
–escaped-by，转义字符

5、控制导入并行度
　　-m或–num-mappers [INT]，控制导入时MR作业的Map任务数量，后接一个整数值，用来表示MR的并行度。在进行并行导入的时候，Sqoop会使用split-by进行负载切分（按照表的PK进行切分），首先获取切分字段Max和Min值，再根据Max和Min值去进行切分，举例：student_id [1,1000]，Sqoop会直接使用4个Map任务”select * from student where id >=min and id <=max，(1,250),(250,500),(500,750),(750,1000)。如果非常不幸，你的ID或切分字段不是均匀分布的话，会导致任务的不平衡。注明：Sqoop目前不能使用多个字段作为切分字段。

6、类型映射(导入到Hive时使用)
　　–map-column-hive， id=String,value=Int

7、实战

1、 查看对应库、表情况
　　sqoop list-databases –connect jdbc:mysql://centos:3306 –username root –password 123456
sqoop list-tables –connect jdbc:mysql://centos:3306/sqooptest –username root –password 123456

2、 密码
　　–password，明文密码
-P，交互式密码
–password-file， 失败【待解决】

3、 导入全表

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata

　　注意
a) 目录不能已存在
b) 没指定-m或splite-by时，表必须有PK

4、 指定导入目录

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata --warehouse-dir /sqoopim

5、 控制并行度

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata -m 2

6、 控制字段分隔符

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata -m 2 –fields-terminated-by “|”

7、 导入部分数据
　　仅导入class_id<=5的数据
–query，必须使用–target-dir指定导入目录，且删除–table参数

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --query "select * from bigdata where class_id<=5 and \$CONDITIONS" -m 1 --target-dir /user/root/bigdata

　　–where，直接用–where指定条件，用引号引起来

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata --where "class_id<=5" -m 1

　　–columns，指定导入字段名
仅导入class_id,class_name,teacher

sqoop import --connect jdbc:mysql://centos:3306/sqooptest --username root --password 123456 --table bigdata --columns class_id,class_name,teacher -m 1

8、 使用文件进行导入
　　注意：文件中的参数与指定值必须每个一行
写入参数文件sqoop.im，内容如下：

import
--connect
jdbc:mysql://centos:3306/sqooptest
--username
root
--password
123456
--table
bigdata
--columns
class_id,class_name,teacher
-m
1

　　执行sqoop：

sqoop --options-file sqoop.im