sqoop import/export使用经验

佚名 6年前 (2018-05-21) Hadoop 1852人围观抢沙发百度已收录

一.先创建一个小表(test_01)进行测试(主节点IP:169.254.109.130/oracle服务器IP:169.254.109.100) 1.测试连接oracle; sqoop list-tables --connect jdbc:oracle:thin:@169.254.109.100/库名 --username XX --password XX 2.创建HDFS目录； sudo -u hdfs hdfs dfs -mkdir /oracle 3.先将oracle中的数据导入HDFS; sudo -u hdfs sqoop import --connect jdbc:oracle:thin:@169.254.109.100:1521/库名 --username XX --password XX \ --table TEST_01 \ --target-dir /oracle/TEST_01 \cd --fields-terminated-by "\\01" \ --hive-drop-import-delims \ --null-string '\\N' \ --null-non-string '\\N' \ -m 1 4.权限控制； sudo -u hdfs hdfs dfs -chmod -R 777 /oracle/* 5.登录hive创建外部表映射HDFS中的数据； beeline -u jdbc:hive2://169.254.109.130:10000 -n hive -p 123456 create external table test_01(id int,name varchar2(20))location "/oracle/test_01"; 6.查询是否映射到数据； select * from test_01; 二.从Hive导出表到Oracle 1.在Oracle中创建相应的表，注意字段类型要一致； 2.把hive中的数据写入hdfs insert overwrite directory '/user/senior/hive/exp_hive 'select * from emp ; sqoop export --table demo01 --connect jdbc:oracle:thin:@192.168.43.246:1521/库名 --username XX --password XX --export-dir /oracledb/tmp1/test --columns id,name,date_dt --input-fields-terminated-by ',' -m 3; 三.参数说明 1.import/export通用 选项　　　　　　　　含义说明

--connect <jdbc-uri> 指定JDBC连接字符串
--connection-manager <class-name> 指定要使用的连接管理器类
--driver <class-name> 指定要使用的JDBC驱动类
--hadoop-mapred-home <dir> 指定$HADOOP_MAPRED_HOME路径
--help 打印用法帮助信息
--password-file 设置用于存放认证的密码信息文件的路径
-P 从控制台读取输入的密码
--password <password> 设置认证密码
--username <username> 设置认证用户名
--verbose 打印详细的运行信息
--connection-param-file <filename> 可选，指定存储数据库连接参数的属性文件

2.import

选项　　　　含义说明
--append 将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile 将数据导入到Avro数据文件
--as-sequencefile 将数据导入到SequenceFile
--as-textfile 将数据导入到普通文本文件（默认）
--boundary-query <statement> 边界查询，用于创建分片（InputSplit）
--columns <col,col,col…> 从表中导出指定的一组列的数据
--delete-target-dir 如果指定目录存在，则先删除掉
--direct 使用直接导入模式（优化导入速度）
--direct-split-size <n> 分割输入stream的字节大小（在直接导入模式下）
--fetch-size <n> 从数据库中批量读取记录数
--inline-lob-limit <n> 设置内联的LOB对象的大小
-m,--num-mappers <n> 使用n个map任务并行导入数据
-e,--query <statement> 导入的查询语句
--split-by <column-name> 指定按照哪个列去分割数据
--table <table-name> 导入的源表表名
--target-dir <dir> 导入HDFS的目标路径
--warehouse-dir <dir> HDFS存放表的根路径
--where <where clause> 指定导出时所使用的查询条件
-z,--compress 启用压缩
--compression-codec <c> 指定Hadoop的codec方式（默认gzip）
--null-string <null-string> 果指定列为字符串类型，使用指定字符串替换值为null的该类列的值
--null-non-string <null-string> 如果指定列为非字符串类型，使用指定字符串替换值为null的该类列的值

SRE实战互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。 3.export

选项　　　　含义说明
--validate <class-name> 启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类
--validation-threshold <class-name> 指定验证门限所使用的类
--direct 使用直接导出模式（优化速度）
--export-dir <dir> 导出过程中HDFS源路径
-m,--num-mappers <n> 使用n个map任务并行导出
--table <table-name> 导出的目的表名称
--call <stored-proc-name> 导出数据调用的指定存储过程名
--update-key <col-name> 更新参考的列名称，多个列名使用逗号分隔
--update-mode <mode> 指定更新策略，包括：updateonly（默认）、allowinsert
--input-null-string <null-string> 使用指定字符串，替换字符串类型值为null的列
--input-null-non-string <null-string> 使用指定字符串，替换非字符串类型值为null的列
--staging-table <staging-table-name> 在数据导出到数据库之前，数据临时存放的表名称
--clear-staging-table 清除工作区中临时存放的数据
--batch 使用批量模式导出