sqoop 常用命令整理（一）

关注

转载最新推荐文章于 2025-07-25 09:42:20 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

Sqoop详解 Sqoop(SQL-to-Hadoop)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的数据导出到关系型数据库中。阅读详情

这些内容是从sqoop的官网整理出来的，是1.4.3版本的Document，如果有错误，希望大家指正。

1.使用sqoop导入数据

　　sqoop import --connect jdbc:mysql://localhost/db --username foo --table TEST

　　2.账号密码

    sqoop import --connect jdbc:mysql://database.example.com/employees \
    --username aaron --password 12345

　　3.驱动

    sqoop import --driver com.microsoft.jdbc.sqlserver.SQLServerDriver \
    --connect <connect-string> ...

　　 4.写sql语句导入的方式

    sqoop import \
  --query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' \
  --split-by a.id --target-dir /user/foo/joinresults

　　如果是顺序导入的话，可以只开一个线程

    sqoop import \
  --query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' \
  -m 1 --target-dir /user/foo/joinresults

　　如果where语句中有要用单引号的，就像这样子写就可以啦"SELECT * FROM x WHERE a='foo' AND \$CONDITIONS"

　　5. 1.4.3版本的sqoop不支持复杂的sql语句，不支持or语句

　　6. --split-by <column-name>
　　默认是主键，假设有100行数据，它会执行那个SELECT * FROM sometable WHERE id >= lo AND id < hi,
　　with (lo, hi) 会分为4次导入（0,250），（250,500），(500,750),(750,1001)
　　如果这个字段不能达到实际的划分区域的效果，可以用别的字段。如果没有索引列或者是组合主键的表，需要手动设置一个划分列

　　7. --direct 是为了利用某些数据库本身提供的快速导入导出数据的工具，比如mysql的mysqldump
　　性能比jdbc更好，但是不知大对象的列，使用的时候，那些快速导入的工具的客户端必须的shell脚本的目录下

　　8.导入数据到hdfs目录，这个命令会把数据写到/shared/foo/ 目录

    sqoop import --connnect <connect-str> --table foo --warehouse-dir /shared \

　　或者

    sqoop import --connnect <connect-str> --table foo --target-dir /dest \

　　9.传递参数给快速导入的工具，使用--开头，下面这句命令传递给mysql默认的字符集是latin1

    sqoop import --connect jdbc:mysql://server.foo.com/db --table bar \
    --direct -- --default-character-set=latin1

　　10.转换为对象
　　--map-column-java <mapping> 转换为java数据类型
　　--map-column-hive <mapping> 转转为hive数据类型

　　11.增加导入
　　--check-column (col) Specifies the column to be examined when determining which rows to import.
　　--incremental (mode) Specifies how Sqoop determines which rows are new. Legal values for mode include append and lastmodified.
　　--last-value (value) Specifies the maximum value of the check column from the previous import.

　　增加导入支持两种模式append和lastmodified，用--incremental来指定

　　12.在导入大对象，比如BLOB和CLOB列时需要特殊处理，小于16MB的大对象可以和别的数据一起存储，超过这个值就存储在_lobs的子目录当中

　　它们采用的是为大对象做过优化的存储格式，最大能存储2^63字节的数据，我们可以用--inline-lob-limit参数来指定每个lob文件最大的限制是多少

　　如果设置为0，则大对象使用外部存储

　　13.分隔符、转移字符

　　下面的这句话
　　Some string, with a comma.
　　Another "string with quotes"
　　使用这句命令导入$ sqoop import --fields-terminated-by , --escaped-by \\ --enclosed-by '\"' ...
　　会有下面这个结果
　　"Some string, with a comma.","1","2","3"...
　　"Another \"string with quotes\"","4","5","6"...
　　使用这句命令导入$ sqoop import --optionally-enclosed-by '\"' (the rest as above)...
　　"Some string, with a comma.",1,2,3...
　　"Another \"string with quotes\"",4,5,6...

　　14.hive导入参数
　　--hive-home <dir> 重写$HIVE_HOME
　　--hive-import          插入数据到hive当中，使用hive的默认分隔符
　　--hive-overwrite 重写插入
　　--create-hive-table 建表，如果表已经存在，该操作会报错！
　　--hive-table <table-name> 设置到hive当中的表名
　　--hive-drop-import-delims 导入到hive时删除 \n, \r, and \01
　　--hive-delims-replacement 导入到hive时用自定义的字符替换掉 \n, \r, and \01
　　--hive-partition-key          hive分区的key
　　--hive-partition-value <v> hive分区的值
　　--map-column-hive <map>          类型匹配，sql类型对应到hive类型

　　15.hive空值处理
　　sqoop会自动把NULL转换为null处理，但是hive中默认是把\N来表示null，因为预先处理不会生效的
　　我们需要使用 --null-string 和 --null-non-string来处理空值把\N转为\\N

    sqoop import  ... --null-string '\\N' --null-non-string '\\N'

　　16.导入数据到hbase
　　导入的时候加上--hbase-table，它就会把内容导入到hbase当中，默认是用主键作为split列
　　也可以用--hbase-row-key来指定，列族用--column-family来指定,它不支持--direct。
　　如果不想手动建表或者列族，就用--hbase-create-table参数

　　17.代码生成参数，没看懂
　　--bindir <dir> Output directory for compiled objects
　　--class-name <name> Sets the generated class name. This overrides --package-name. When combined with --jar-file, sets the input class.
　　--jar-file <file> Disable code generation; use specified jar
　　--outdir <dir> Output directory for generated code
　　--package-name <name> Put auto-generated classes in this package
　　--map-column-java <m> Override default mapping from SQL type to Java type for configured columns.

　　18.通过配置文件conf/sqoop-site.xml来配置常用参数

 <property>
    <name>property.name</name>
    <value>property.value</value>
 </property>

　　如果不在这里面配置的话，就需要像这样写命令

    sqoop import -D property.name=property.value ...

　　19.两个特别的参数
　　sqoop.bigdecimal.format.string 大decimal是否保存为string，如果保存为string就是 0.0000007,否则则为1E7
　　sqoop.hbase.add.row.key 是否把作为rowkey的列也加到行数据当中，默认是false的

　　20.例子

#指定列
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --columns "employee_id,first_name,last_name,job_title"
#使用8个线程
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    -m 8
#快速模式
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --direct
#使用sequencefile作为存储方式
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --class-name com.foocorp.Employee --as-sequencefile
#分隔符
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --fields-terminated-by '\t' --lines-terminated-by '\n' \
    --optionally-enclosed-by '\"'
#导入到hive
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --hive-import
#条件过滤
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --where "start_date > '2010-01-01'"
#用dept_id作为分个字段
$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \
    --split-by dept_id
#追加导入
$ sqoop import --connect jdbc:mysql://db.foo.com/somedb --table sometable \
    --where "id > 100000" --target-dir /incremental_dataset --append

　　21.导入所有的表sqoop-import-all-tables
　　每个表都要有主键，不能使用where条件过滤　

    sqoop import-all-tables --connect jdbc:mysql://db.foo.com/corp

　　22.export

　　我们采用sqoop-export插入数据的时候，如果数据已经存在了，插入会失败
　　如果我们使用--update-key，它会认为每个数据都是更新，比如我们使用下面这条语句

   sqoop-export --table foo --update-key id --export-dir /path/to/data --connect …
　　UPDATE foo SET msg='this is a test', bar=42 WHERE id=0;
　　UPDATE foo SET msg='some more data', bar=100 WHERE id=1;
　　...

　　这样即使找不到它也不会报错

　　23.如果存在就更新，不存在就插入
　　加上这个参数就可以啦--update-mode allowinsert

　　24.事务的处理
　　它会一次statement插入100条数据，然后每100个statement提交一次，所以一次就会提交10000条数据

　　25.例子

$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar  \
    --export-dir /results/bar_data

$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar  \
    --export-dir /results/bar_data --validate

$ sqoop export --connect jdbc:mysql://db.example.com/foo --call barproc \
    --export-dir /results/bar_data