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...)间进行数据的传递，能够将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也能够将HDFS的数据导进到关系型数据库中。java
Sqoop项目开始于2009年，最先是做为Hadoop的一个第三方模块存在，后来为了让使用者可以快速部署，也为了让开发人员可以更快速的迭代开发，Sqoop独立成为一个Apache项目。mysql
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。linux
将导入或导出命令翻译成mapreduce程序来实现。sql
在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。shell
安装Sqoop的前提是已经具有Java和Hadoop的环境。数据库
1) 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/apache
2) 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中app
3) 解压sqoop安装包到指定目录，如：框架
$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/工具
Sqoop的配置文件与大多数大数据框架相似，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
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
拷贝jdbc驱动到sqoop的lib目录下，如：
$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/
咱们能够经过某一个command来验证sqoop配置是否正确：
$ 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
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 000000
出现以下输出：
information_schema
metastore
mysql
oozie
performance_schema
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，叫作：导入，即便用import关键字。
1) 肯定Mysql服务开启正常
2) 在Mysql中新建一张表并插入一些数据
$ mysql -uroot -p000000
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）所有导入
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
（2）查询导入
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--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.
若是query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为本身的变量。
（3）导入指定列
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
提示：columns中若是涉及到多列，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
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--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
$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table company \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id
提示：sqoop1.4.6只支持HBase1.0.1以前的版本的自动建立HBase表的功能
解决方案：手动建立HBase表
hbase> create 'hbase_company,'info'
(5) 在HBase中scan这张表获得以下内容
hbase> scan ‘hbase_company’
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，叫作：导出，即便用export关键字。
$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
提示：Mysql中若是表不存在，不会自动建立
使用opt格式的文件打包sqoop命令，而后执行
1) 建立一个.opt文件
$ mkdir opt
$ touch opt/job_HDFS2RDBMS.opt
2) 编写sqoop脚本
$ vi opt/job_HDFS2RDBMS.opt
export
--connect
jdbc:mysql://hadoop102:3306/company
--username
root
--password
000000
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"
3) 执行该脚本
$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
这里给你们列出来了一部分Sqoop操做时的经常使用参数，以供参考，须要深刻学习的能够参看对应类的源代码。
| 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 |
建立Hive表 |
| 5 |
eval |
EvalSqlTool |
查看SQL执行结果 |
| 6 |
import-all-tables |
ImportAllTablesTool |
导入某个数据库下全部表到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 |
列出全部数据库名 |
| 9 |
list-tables |
ListTablesTool |
列出某个数据库下全部表 |
| 10 |
merge |
MergeTool |
将HDFS中不一样目录下面的数据合在一块儿，并存放在指定的目录中 |
| 11 |
metastore
|
MetastoreTool |
记录sqoop job的元数据信息，若是不启动metastore实例，则默认的元数据存储目录为：~/.sqoop，若是要更改存储目录，能够在配置文件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 |
刚才列举了一些Sqoop的经常使用命令，对于不一样的命令，有不一样的参数，让咱们来一一列举说明。
首先来咱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。
| 序号 |
参数 |
说明 |
| 1 |
--connect |
链接关系型数据库的URL |
| 2 |
--connection-manager |
指定要使用的链接管理类 |
| 3 |
--driver |
Hadoop根目录 |
| 4 |
--help |
打印帮助信息 |
| 5 |
--password |
链接数据库的密码 |
| 6 |
--username |
链接数据库的用户名 |
| 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> |
设定每一个字段是以什么符号做为结束，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先后加上指定字符。 |
| 序号 |
参数 |
说明 |
| 1 |
--input-enclosed-by <char> |
对字段值先后加上指定字符 |
| 2 |
--input-escaped-by <char> |
对含有转移符的字段作转义处理 |
| 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先后加上指定字符 |
| 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，能够更改生成字段的数据类型 |
| 4 |
--hive-partition-key |
建立分区，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，能够经过该参数覆盖以前默认配置的目录 |
| 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，若是目标表已经存在了，那么建立任务失败。 |
| 10 |
--hive-table |
后面接要建立的hive表,默认使用MySQL的表名 |
| 11 |
--table |
指定关系数据库的表名 |
公用参数介绍完以后，咱们来按照命令介绍命令对应的特有参数。
将关系型数据库中的数据导入到HDFS（包括Hive，HBase）中，若是导入的是Hive，那么当Hive中没有对应表时，则自动建立。
1) 命令：
如：导入数据到hive中
| $ bin/sqoop import \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --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 000000 \ --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 000000 \ --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 000000 \ --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）仍是要--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：
| 序号 |
参数 |
说明 |
| 1 |
--append |
将数据追加到HDFS中已经存在的DataSet中，若是使用该参数，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，若是查询中有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做单元，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 |
容许压缩 |
| 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类型的列若是null，替换为指定字符串 |
| 20 |
--null-non-string <null-string> |
非string类型的列若是null，替换为指定字符串 |
| 21 |
--check-column <col> |
做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 |
从HDFS（包括Hive和HBase）中奖数据导出到关系型数据库中。
1) 命令：
如：
| $ bin/sqoop export \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --export-dir /user/company \ --input-fields-terminated-by "\t" \ --num-mappers 1 |
2) 参数：
| 序号 |
参数 |
说明 |
| 1 |
--direct |
利用数据库自带的导入导出工具，以便于提升效率 |
| 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> |
指定导出到哪一个RDBMS中的表 |
| 5 |
--update-key <col-name> |
对某一列的字段进行更新操做 |
| 6 |
--update-mode <mode> |
updateonly allowinsert(默认) |
| 7 |
--input-null-string <null-string> |
请参考import该相似参数说明 |
| 8 |
--input-null-non-string <null-string> |
请参考import该相似参数说明 |
| 9 |
--staging-table <staging-table-name> |
建立一张临时表，用于存放全部事务的结果，而后将全部事务结果一次性导入到目标表中，防止错误。 |
| 10 |
--clear-staging-table |
若是第9个参数非空，则能够在导出操做执行前，清空临时事务结果表 |
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。
如：
| $ bin/sqoop codegen \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --bindir /home/admin/Desktop/staff \ --class-name Staff \ --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，能够将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（通常与5同时使用） |
| 7 |
--map-column-java <arg> |
数据库字段在生成的Java文件中会映射成各类属性，且默认的数据类型与数据库类型保持对应关系。该参数能够改变默认类型，例如：--map-column-java id=long, name=String |
| 8 |
--null-non-string <null-str> |
在生成Java文件时，能够将不存在或者null的字符串设置为其余值 |
| 9 |
--null-string <null-str> |
在生成Java文件时，将null字符串设置为其余值（通常与8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 |
生成与关系数据库表结构对应的hive表结构。
命令：
如：
| $ bin/sqoop create-hive-table \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --table staff \ --hive-table hive_staff |
参数：
| 序号 |
参数 |
说明 |
| 1 |
--hive-home <dir> |
Hive的安装目录，能够经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，若是目标表已经存在了，那么建立任务会失败 |
| 4 |
--hive-table |
后面接要建立的hive表 |
| 5 |
--table |
指定关系数据库的表名 |
能够快速的使用SQL语句对关系型数据库进行操做，常常用于在import数据以前，了解一下SQL语句是否正确，数据是否正常，并能够将结果显示在控制台。
命令：
如：
| $ bin/sqoop eval \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --query "SELECT * FROM staff" |
参数：
| 序号 |
参数 |
说明 |
| 1 |
--query或--e |
后跟查询的SQL语句 |
能够将RDBMS中的全部表导入到HDFS中，每个表都对应一个HDFS目录
命令：
如：
| $ bin/sqoop import-all-tables \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --warehouse-dir /all_tables |
参数：
| 序号 |
参数 |
说明 |
| 1 |
--as-avrodatafile |
这些参数的含义均和import对应的含义一致 |
| 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 |
用来生成一个sqoop任务，生成后不会当即执行，须要手动执行。
命令：
如：
| $ bin/sqoop job \ --create myjob -- import-all-tables \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 $ 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：若是须要链接metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
参数：
| 序号 |
参数 |
说明 |
| 1 |
--create <job-id> |
建立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> |
用来链接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 |
尖叫提示：在执行一个job时，若是须要手动输入数据库密码，能够作以下优化
| <property> <name>sqoop.metastore.client.record.password</name> <value>true</value> <description>If true, allow saved passwords in the metastore.</description> </property> |
命令：
如：
| $ bin/sqoop list-databases \ --connect jdbc:mysql://hadoop102:3306/ \ --username root \ --password 000000 |
参数：与公用参数同样
命令：
如：
| $ bin/sqoop list-tables \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 |
参数：与公用参数同样
将HDFS中不一样目录下面的数据合并在一块儿并放入指定目录中
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，若是直接复制，请检查之。
命令：
如：
| 建立JavaBean： $ bin/sqoop codegen \ --connect jdbc:mysql://hadoop102:3306/company \ --username root \ --password 000000 \ --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 |
参数：
| 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，通常是主键ID |
| 4 |
--jar-file <file> |
合并时引入的jar包，该jar包是经过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 |
记录了Sqoop job的元数据信息，若是不启动该服务，那么默认job元数据的存储目录为~/.sqoop，可在sqoop-site.xml中修改。
命令：
如：启动sqoop的metastore服务
| $ bin/sqoop metastore |
参数：
| 序号 |
参数 |
说明 |
| 1 |
--shutdown |
关闭metastore |