尚硅谷大数据技术之Sqoop第5章 Sqoop一些常用命令及参数
5.2.5 命令&参数：import
将关系型数据库中的数据导入到HDFS（包括Hive，HBase）中，如果导入的是Hive，那么当Hive中没有对应表时，则自动创建。
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）还是要--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，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 |
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 |
|
23 |
--last-value <value> |
指定某一个值，用于标记增量导入的位置 |
