Sqoop导入导出命令详细介绍(最全最详细一篇)

命令

类

说明

import

ImportTool

将数据导入到集群

export

ExportTool

将集群数据导出

codegen

CodeGenTool

获取数据库中某张表数据生成Java并打包Jar

create-hive-table

CreateHiveTableTool

创建Hive表

eval

EvalSqlTool

查看SQL执行结果

import-all-tables

ImportAllTablesTool

导入某个数据库下所有表到HDFS中

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。

list-databases

ListDatabasesTool

列出所有数据库名

list-tables

ListTablesTool

列出某个数据库下所有表

merge

MergeTool

将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中

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。

help

HelpTool

打印sqoop帮助信息

version

VersionTool

打印sqoop版本信息

小总结：

1）mysql导入hdfs：

要明确mysql的哪张表的数据导入到hdfs的那个路径，使用--target-dir参数来指定目录，而这个路径接受的就是纯数据(可能是一串编号的文件),不会在进一步创建表名，所以，最好在指定hdfs的路径的时候，就指定跟mysql表名一样的路径文件名(注：每次自定义指定的路径要修改,不可以重复,)

2）mysql导入hive：

该导入一定要有--hive-import参数，如果使用--warehouse-dir参数来替代--hive-import是没有用的，只能使用--hive-impor导入才会有元数据到hive里面，如果是hdfs导入/user/hive/warehouse也是没有用，也不会同步元数据。

3）导入路径的区别：

hdfs导入的话，每一次导入都要换一个路径(因为文件不可以一样)。

而导入hive的话路径只能是/user/hive/warehouse也允许同一个表导入多次，只不过表文件里面的数据会不断重复复制。

(即使写了其它的路径也没有用,产生也是空文件,而真实的表实际就在/user/hive/warehouse下面),

4）注意事项

（1）注意一：使用--hive-import参数，如果不指定，默认这个目录/user/hive/warehouse，但某些情况下可能是/user/root,所以以防万一，在添加该参数目录--warehouse-dir /user/hive/warehouse) 。

（2）注意二：一般情况下--warehouse-dir参数是使用在有--hive-import参数的情况下使用，用于导入到hive里面，而--target-dir 使用在没有--hive-import参数的情况下，用于导入hdfs中。

虽然路径某些情况下可以相互使用，不过最好不要这样使用,可能会出错。

（3）注意三：经测试发现：--warehouse-dir参数后面跟的目录只能是 /user/hive/warehouse 下，不可以在进一步指定其它的目录

1）导入数据到hive中

$ sqoop import \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户名 \

--password 密码 \

--table 表名\

--hive-import \

--num-mappers 1 \

--fields-terminated-by "\t"

注释：

--hive-import \ (如果没有指定表名，默认原表名，使用这个参数不能指定路径取表名子)

导入的表要有主键，如果没有，就必须要一个-

-num-mappers 1 参数

2）增量导入数据到hdfs中,mode=append

sqoop import \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户名\

--password 密码 \

--table 表名 \

--num-mappers 1 \

--fields-terminated-by "\t" \

--target-dir 路径 \

--check-column 指定某列作为偏移量 \

--last-value 偏移量起始值 \

--incremental append

注释：

如 --last-value 2 的意思id大于2行才可以进行追加，如果没有一个大于的就会创建一个空文件，什么都不添加，相当于过滤条件。

append不能与--hive-等参数同时使用。

3）增量导入数据到hdsf中,mode=lastmodified

（1）创建mysql表

create table staff_timestamp(id int(4), name varchar(255), sex varchar(255),

last_modified timestamp default current_timestamp on update current_timestamp);

（2）在插入数据，但时间是自动生成的，所以不用添加。mode=lastmodified模式可以处理时间戳的字段

sqoop import \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户名 \

--password 密码 \

--table 表名 \

--fields-terminated-by "\t"

--num-mappers 1 \

--check-column 指定某列作为偏移量 \

--last-value "偏移量起始值" \

--incremental lastmodified \

--append

append不能与--hive-等参数同时使用。

使用--incremental lastmodified方式导入数据还要在后面指定增量数据是要--append（追加），还是要--merge-key（合并）。这里选择--append

序号

参数

说明

1

--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。

2

--as-avrodatafile

将数据导入到一个Avro数据文件中

3

--as-sequencefile

将数据导入到一个sequence文件中

4

--as-textfile

将数据导入到一个普通文本文件中

5

--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。

6

--columns <col1, col2, col3>

指定要导入的字段

7

--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。

8

--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

9

--inline-lob-limit

设定大对象数据类型的最大值

10

-m或--num-mappers

启动N个map来并行导入数据，默认4个。

11

--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

12

--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）

13

--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--target-dir <dir>参数不能同时使用，导入数据到HDFS的hive里面，如:--warehouse-dir /user/hive/warehouse/

使用这个路径导入，hive里面可以查看到导入的表。

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 区别：

append模式处理不了更新数据，而 lastmodified模式可以是处理自动更新的时间戳

23

--last-value <value>

指定某一个值，用于标记增量导入的位置，

1）数据导出

HDFS导出RDBMS

注释

$ sqoop export \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户名\

--password 密码 \

--export-dir hdfs路径 \

--table 表名 \

--num-mappers 1 \

--input-fields-terminated-by "\t"

如果导出的时候出现乱码，可以进行临时装换

地址:3306/数据库?cahracterEncoding=utf-8，

还有在导入的时候，如果mysql有主键特别注意：导出的数据不能与mysql的约束冲突。

2）尖叫提示：Mysql中如果表不存在，不会自动创建,手动根据表结构创建思考：数据是覆盖还是追加 答案：追加

序号

参数

说明

1

--direct

利用数据库自带的导入导出工具，以便于提高效率

2

--export-dir <dir>

存放数据的HDFS的源目录

3

-m或--num-mappers <n>

启动N个map来并行导入数据，默认4个

4

--table <table-name>

指定导出到哪个RDBMS中的表

5

--update-key <col-name>

对某一列的字段进行更新操作

6

--update-mode <mode>

updateonly

allowinsert(默认)

7

--input-null-string <null-string>

请参考import该类似参数说明

8

--input-null-non-string <null-string>

请参考import该类似参数说明

9

--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。

10

--clear-staging-table

如果第--staging-table参数非空，则可以在导出操作执行前，清空临时事务结果表

1）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。

$ sqoop codegen \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户名 \

--password 密码 \

--table 选择哪一张表名 \

--bindir 本地路径,不是集群的 \

--class-name 自定义类名\

--fields-terminated-by "\t"

序号

参数

说明

1

--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

2

--class-name <name>

设定生成的Java文件指定的名称

3

--outdir <dir>

生成Java文件存放的路径

4

--package-name <name>

包名，如com.z，就会生成com和z两级目录

5

--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）

6

--input-null-string <null-str>

将null字符串替换成想要替换的值（一般与5号参数同时使用）

7

--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

8

--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

9

--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号参数同时使用）

10

--table <table-name>

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

1）生成与关系数据库表结构对应的hive表结构,作用就是创建表。

$ bin/sqoop create-hive-table \

--connect jdbc:mysql://地址:3306/test \

--username 用户 \

--password 密码 \

--table mysql表名 \

--hive-table 自定义表名

序号

参数

说明

1

--hive-home <dir>

Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录

2

--hive-overwrite

覆盖掉在Hive表中已经存在的数据

3

--create-hive-table

默认是false，如果目标表已经存在了，那么创建任务会失败

4

--hive-table

后面接要创建的hive表

5

--table

指定关系数据库的表名

1）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://地址:3306/数据库 \

--username 用户 \

--password 密码 \

--query "SELECT * FROM staff "

参数

说明

--query或--e

后跟查询的SQL语句

1）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

导入的时候,要指定map个数，不然可能报错

sqoop import-all-tables \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户\

--password 密码 \

--hive-import \

--fields-terminated-by "\t" \

--num-mappers 1

序号

参数

这些参数的含义均和import对应的含义一致

1

--as-avrodatafile

2

--as-sequencefile

3

--as-textfile

4

--direct

5

--direct-split-size <n>

6

--inline-lob-limit <n>

7

--m或—num-mappers <n>

8

--warehouse-dir <dir>

9

-z或--compress

10

--compression-codec

1）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 自定义job名 \

-- \

import-all-tables \

--connect jdbc:mysql://地址:3306/company \

--username 用户 \

--password 密码 \

--hive-import \

--warehouse-dir /user/hive/warehouse/ \

--num-mappers 1

进行测试:

$bin/sqoop job --list

$bin/sqoop job --exec job名字

注意：-- \ 这个是要写的 而且后面是有空格的

序号

参数

说明

1

--create <job-id>

创建job参数

2

--delete <job-id>

删除一个job

3

--exec <job-id>

执行一个job

4

--help

显示job帮助

5

--list

显示job列表

6

--meta-connect <jdbc-uri>

用来连接metastore服务

7

--show <job-id>

显示一个job的信息

8

--verbose

打印命令运行时的详细信息

$ sqoop list-tables \

--connect jdbc:mysql://地址:3306/数据库 \

--username 用户\

--password 密码

参数：与公用参数一样

1）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

sqoop merge \

--new-data hdfs新数据 \

--onto hdfs旧数据 \

--jar-file 合成表的jar包 \

--class-name 类名 \

--merge-key 以某个字段进行合并 \

--target-dir 合成数据存放的路径

hdfs新数据，和hdfs的旧数据可以是来自mysql导入的，也可以是hive创建的。而--jar-file是提前要产生好的(前面的codegen命令生成方法)，jar的作用是用于两表要按照jar里面的结构来合并。合并后就可以查看--target-dir 下文件内容了

--merge-key id 是指两个表以哪个字段合并，两个表之间的合并，指定字段相同的就会覆盖。所以没有重复数据。

(经测试新表和旧表没有明确指定哪个表覆盖那个表)

序号

参数

说明

1

--new-data <path>

HDFS 待合并的数据目录，合并后在新的数据集中保留

2

--onto <path>

HDFS合并后，重复的部分在新的数据集中被覆盖

3

--merge-key <col>

合并键，一般是主键ID

4

--jar-file <file>

合并时引入的jar包，该jar包是通过Codegen工具生成的jar包

5

--class-name <class>

对应的表名或对象名，该class类是包含在jar包中的

6

--target-dir <path>

合并后的数据在HDFS里存放的目录

1）记录了Sqoop job的元数据信息，如果不启动该服务，那么默认job元数据的存储目录为~/.sqoop，可在sqoop-site.xml中修改。

2）启动sqoop的metastore服务

$ sqoop metastore

启动的是悬浮窗口，一般在xml文件修改即可。

序号

参数

说明

1

--shutdown

关闭metastore

序号

参数

说明

1

--connect

连接关系型数据库的URL

2

--connection-manager

指定要使用的连接管理类

3

--driver

Hadoop根目录

4

--help

打印帮助信息

5

--password

连接数据库的密码

6

--username

连接数据库的用户名

7

--verbose

在控制台打印出详细信息

序号

参数

说明

1

--enclosed-by <char>

给字段值前加上指定的字符

2

--escaped-by <char>

对字段中的双引号加转义符

3

--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

4

--lines-terminated-by <char>

设定每行记录之间的分隔符，默认是\n

5

--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。

6

--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。

序号

参数

说明

1

--input-enclosed-by <char>

对字段值前后加上指定字符

2

--input-escaped-by <char>

对含有转移符的字段做转义处理

3

--input-fields-terminated-by <char>

字段之间的分隔符

4

--input-lines-terminated-by <char>

行之间的分隔符

5

--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

序号

参数

说明

1

--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

2

--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

3

--map-column-hive <arg>

生成hive表时，可以更改生成字段的数据类型

4

--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

5

--hive-partition-value <v>

导入数据时，指定某个分区的值

6

--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

7

--hive-import

将数据从关系数据库中导入到hive表中

8

--hive-overwrite

覆盖掉在hive表中已经存在的数据

9

--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。

10

--hive-table

后面接要创建的hive表,默认使用MySQL的表名

11

--table

指定关系数据库的表名