概述
Sqoop是apache旗下的一款 ”Hadoop和关系数据库之间传输数据”的工具。
导入数据：将MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统
导出数据：从Hadoop的文件系统中导出数据到关系数据库
Sqoop的工作机制
- 将导入和导出的命令翻译成mapreduce程序实现
- 在翻译出的mapreduce中主要是对inputformat和outputformat进行定制
Sqoop1与Sqoop2架构对比
- sqoop在发展中的过程中演进出来了两种不同的架构.架构演变史
Sqoop1架构
版本号为1.4.x为sqoop1
在架构上：sqoop1使用sqoop客户端直接提交的方式
访问方式：CLI控制台方式进行访问
安全性：命令或脚本中指定用户数据库名及密码
Sqoop2架构
版本号为1.99x为sqoop2
在架构上：sqoop2引入了sqoop server，对connector实现了集中的管理
访问方式：REST API、 JAVA API、 WEB UI以及CLI控制台方式进行访问
sqoop1与sqoop2比较
Sqoop安装部署
Sqoop安装很简单，解压好进行简单的修改就可以使用
第一步：下载安装包
http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.14.2.tar.gz
第二步：上传并解压
1 | cd /opt/software/ |
第三步：修改配置文件
1 | cd /opt/module/sqoop-1.4.6-cdh5.14.2/conf |
1 | Set path to where bin/hadoop is available |
第四步：添加两个必要的jar包
sqoop需要两个额外依赖的jar包，将课件资料当中两个jar包添加到sqoop的lib目录下
第五步：配置sqoop的环境变量
1 | sudo vim /etc/profile |
Sqoop的数据导入
列举出所有的数据库
命令行查看帮助
1 | bin/sqoop list-databases --help |
列出node01主机所有的数据库
1 | bin/sqoop list-databases --connect jdbc:mysql://node01:3306/ --username root --password '!Qaz123456' |
查看某一个数据库下面的所有数据表
1 | bin/sqoop list-tables --connect jdbc:mysql://node01:3306/hive --username root --password '!Qaz123456' |
准备表数据
在mysql中有一个库userdb中三个表：emp, emp_add和emp_conn
表emp
| id | name | deg | salary | dept |
|---|---|---|---|---|
| 1201 | gopal | manager | 50,000 | TP |
| 1202 | manisha | Proof reader | 50,000 | TP |
| 1203 | khalil | php dev | 30,000 | AC |
| 1204 | prasanth | php dev | 30,000 | AC |
| 1205 | kranthi | admin | 20,000 | TP |
表emp_add
| id | hno | street | city |
|---|---|---|---|
| 1201 | 288A | vgiri | jublee |
| 1202 | 108I | aoc | sec-bad |
| 1203 | 144Z | pgutta | hyd |
| 1204 | 78B | old city | sec-bad |
| 1205 | 720X | hitec | sec-bad |
表emp_conn
| id | phno | |
|---|---|---|
| 1201 | 2356742 | gopal@tp.com |
| 1202 | 1661663 | manisha@tp.com |
| 1203 | 8887776 | khalil@ac.com |
| 1204 | 9988774 | prasanth@ac.com |
| 1205 | 1231231 | kranthi@tp.com |
- 建表语句如下：
1 | CREATE DATABASE /*!32312 IF NOT EXISTS*/`userdb` /*!40100 DEFAULT CHARACTER SET utf8 */; |
导入数据库表数据到HDFS，使用sqoop命令导入、导出数据前，要先启动hadoop集群
下面的命令用于从MySQL数据库服务器中的emp表导入HDFS。
1 | sudo -u hdfs bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --password '!Qaz123456' --username root --table emp --m 1 |
1 | 为了验证在HDFS导入的数据，请使用以下命令查看导入的数据 |
导入到HDFS指定目录
在导入表数据到HDFS使用Sqoop导入工具，我们可以指定目标目录。
使用参数 --target-dir来指定导出目的地，使用参数--delete-target-dir来判断导出目录是否存在，如果存在就删掉
1 | bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password '!Qaz123456' --delete-target-dir --table emp --target-dir /sqoop/emp --m 1 |
1 | 查看导出的数据，默认使用逗号隔开 |
导入到hdfs指定目录并指定字段之间的分隔符
1 | bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 --m 1 --fields-terminated-by '\t' |
1 | [root@node01 ~]# hdfs dfs -cat /sqoop/emp2/part-m-00000 |
导入关系表到HIVE
第一步：拷贝jar包
将我们mysql表当中的数据直接导入到hive表中的话，我们需要将hive的一个叫做hive-exec-1.1.0-cdh5.14.0.jar的jar包拷贝到sqoop的lib目录下
1 | cp /opt/module/hive-1.1.0-cdh5.14.0/lib/hive-exec-1.1.0-cdh5.14.2.jar /kkb/install/sqoop-1.4.6-cdh5.14.2/lib/ |
第二步：准备hive数据库与表
1 | hive (default)> create database sqooptohive; |
第三步：开始导入
1 | bin/sqoop import --connect jdbc:mysql://node01:3306/userdb --username root --password '!Qaz123456' --table emp --fields-terminated-by '\001' --hive-import --hive-table sqooptohive.emp_hive --hive-overwrite --delete-target-dir --m 1 |
第四步：hive表数据查看
1 | select * from emp_hive; |
导入关系表到hive并自动创建hive表
我们也可以通过命令来将我们的mysql的表直接导入到hive表当中去
1 | bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive; |
通过这个命令，我们可以直接将我们mysql表当中的数据以及表结构一起倒入到hive当中去
将mysql表数据导入到hbase当中去,先要开启hbase集群
第一步：修改sqoop配置文件
sqoop导入导出HBase的数据，需要修改sqoop的配置文件sqoop-env.sh
1 | cd /opt/module/sqoop-1.4.6-cdh5.14.2/conf |
第二步：在mysql当中创建数据库以及数据库表并插入数据
1 | CREATE DATABASE IF NOT EXISTS library; |
第三步：将mysql表当中的数据导入HBase表当中去
1 | bin/sqoop import \ |
第四步：HBase当中查看表数据
1 | hbase(main):057:0> scan 'hbase_book' |
导入表数据子集
我们可以导入表的使用Sqoop导入工具，”where”子句的一个子集。它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。
1 | --where <condition> |
- 按照条件进行查找，通过–where参数来查找表emp_add当中city字段的值为sec-bad的所有数据导入到hdfs上面去
1 | bin/sqoop import \ |
sql语句查找导入hdfs
- 我们还可以通过 –query参数来指定我们的sql语句，通过sql语句来过滤我们的数据进行导入
1 | bin/sqoop import \ |
- 查看hdfs数据内容
1
hdfs dfs -text /sqoop/emp_conn/part*
注意：
使用sql语句来进行查找是不能加参数–table
并且必须要添加where条件，
并且where条件后面必须带一个$CONDITIONS 这个字符串，
并且这个sql语句必须用单引号，不能用双引号
增量导入
在实际工作当中，数据的导入，很多时候都是只需要导入增量数据即可，并不需要将表中的数据全部导入到hive或者hdfs当中去，肯定会出现重复的数据的状况，所以我们一般都是选用一些字段进行增量的导入，为了支持增量的导入，sqoop也给我们考虑到了这种情况并且支持增量的导入数据.
增量导入是仅导入新添加的表中的行的技术。
它需要添加‘incremental’, ‘check-column’, 和 ‘last-value’选项来执行增量导入。
下面的语法用于Sqoop导入命令增量选项。
1
2
3
4
5
6
7Incremental import arguments:
--check-column <column> Source column to check for incremental
change
--incremental <import-type> Define an incremental import of type
'append' or 'lastmodified'
--last-value <value> Last imported value in the incremental
check columns
第一种增量导入使用上面的选项来实现
导入emp表当中id大于1202的所有数据
注意：增量导入的时候，一定不能加参数–delete-target-dir否则会报错
1 | bin/sqoop import \ |
- 查看数据内容
1
hdfs dfs -text /sqoop/increment/part*
第二种增量导入通过–where条件来实现
- 或者我们使用–where来进行控制数据的选取会更加精准
1 | bin/sqoop import \ |
作业：增量导入hive表中该如何实现？？？
面试题：如何解决减量数据？？？
Sqoop的数据导出
将数据从HDFS把文件导出到RDBMS数据库
导出前，目标表必须存在于目标数据库中, 默认操作是从将文件中的数据使用INSERT语句插入到表中, 更新模式下，是生成UPDATE语句更新表数据, 数据是在HDFS当中的如下目录/sqoop/emp，数据内容如下
1 | 1201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1 |
第一步：创建mysql表
1 | CREATE TABLE `emp_out` ( |
第二步：执行导出命令
通过kkb来实现数据的导出，将hdfs的数据导出到mysql当中去
1 | bin/sqoop export \ |
第三步：验证mysql表数据
1 | mysql> select * from emp_out; |
将数据从Hbase导出到mysql
将hbase_book这张表当中的数据导出到mysql当中来
注意：sqoop不支持我们直接将HBase当中的数据导出，所以我们可以通过以下的转换进行导出
Hbase→hive外部表→hive内部表→通过sqoop→mysql
第一步：创建hive外部表
- 进入hive客户端，创建hive外部表，映射hbase当中的hbase_book表
1
2
3
4
5
6
7
8CREATE EXTERNAL TABLE course.hbase2mysql (id int,name string,price int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" =
":key,info:name, info:price"
)
TBLPROPERTIES( "hbase.table.name" = "hbase_book",
"hbase.mapred.output.outputtable" = "hbase2mysql");
第二步：创建hive内部表并将外部表数据插入到内部表当中来
- 进入hive客户端，执行以下命令，创建hive内部表，并将外部表的数据插入到hive的内部表当中来
1 | CREATE TABLE course.hbase2mysqlin(id int,name string,price int); |
第三步：外部表数据插入内部表
- 进入hive客户端执行以下命令，将hive外部表数据插入到hive内部表当中来
1 | insert overwrite table course.hbase2mysqlin select * from course.hbase2mysql; |
第四步：清空mysql表数据
- 进入mysql客户端，执行以下命令，将mysql表数据清空
1 | TRUNCATE TABLE book; |
第五步：执行sqoop导出hive内部表数据到
1 | sqoop export -connect jdbc:mysql://node03:3306/library -username root -password 123456 -table book -export-dir /user/hive/warehouse/course.db/hbase2mysqlin --input-fields-terminated-by '\001' --input-null-string '\\N' --input-null-non-string '\\N'; |
Sqoop常用命令及参数
常用命令列举
- 这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以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 | 创建Hive表 |
| 5 | eval | EvalSqlTool | 查看SQL执行结果 |
| 6 | import-all-tables | ImportAllTablesTool | 导入某个数据库下所有表到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 | 列出所有数据库名 |
| 9 | list-tables | ListTablesTool | 列出某个数据库下所有表 |
| 10 | 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 |
| 11 | 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。 |
| 12 | help | HelpTool | 打印sqoop帮助信息 |
| 13 | version | VersionTool | 打印sqoop版本信息 |
命令&参数详解
刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。
首先来我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。
1、公用参数：数据库连接
| 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 | JDBC的driver class |
| 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 |
2、公用参数：import
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –enclosed-by |
给字段值前后加上指定的字符 |
| 2 | –escaped-by |
对字段中的双引号加转义符 |
| 3 | –fields-terminated-by |
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 |
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 |
给带有双引号或单引号的字段值前后加上指定字符。 |
3、公用参数：export
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –input-enclosed-by |
对字段值前后加上指定字符 |
| 2 | –input-escaped-by |
对含有转移符的字段做转义处理 |
| 3 | –input-fields-terminated-by |
字段之间的分隔符 |
| 4 | –input-lines-terminated-by |
行之间的分隔符 |
| 5 | –input-optionally-enclosed-by |
给带有双引号或单引号的字段前后加上指定字符 |
4、公用参数：hive
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –hive-delims-replacement |
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 | 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 |
导入数据时，指定某个分区的值 |
| 6 | –hive-home |
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 |
公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。
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
1 | $ bin/sqoop import \ |
如：增量导入数据到hive中，mode=append
append导入：
1 | $ bin/sqoop import \ |
易错提醒：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：
1 | 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); |
先导入一部分数据：
1 | $ bin/sqoop import \ |
再增量导入一部分数据：
1 | mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female'); |
易错提醒：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）
易错提醒：–incremental lastmodified模式下，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 |
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 |
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 |
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 |
关系数据库的表名 |
| 14 | –target-dir |
指定HDFS路径 |
| 15 | –warehouse-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 |
string类型的列如果null，替换为指定字符串 |
| 20 | –null-non-string |
非string类型的列如果null，替换为指定字符串 |
| 21 | –check-column |
作为增量导入判断的列名 |
| 22 | –incremental |
mode：append或lastmodified |
| 23 | –last-value |
指定某一个值，用于标记增量导入的位置 |
6、命令&参数：export
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：
1 | $ bin/sqoop export \ |
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，以便于提高效率 |
| 2 | –export-dir |
存放数据的HDFS的源目录 |
| 3 | -m或–num-mappers |
启动N个map来并行导入数据，默认4个 |
| 4 | –table |
指定导出到哪个RDBMS中的表 |
| 5 | –update-key |
对某一列的字段进行更新操作 |
| 6 | –update-mode |
updateonly allowinsert(默认) |
| 7 | –input-null-string |
请参考import该类似参数说明 |
| 8 | –input-null-non-string |
请参考import该类似参数说明 |
| 9 | –staging-table |
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9个参数非空，则可以在导出操作执行前，清空临时事务结果表 |
7、命令&参数：codegen
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：
1 | $ bin/sqoop codegen \ |
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –bindir |
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 |
设定生成的Java文件指定的名称 |
| 3 | –outdir |
生成Java文件存放的路径 |
| 4 | –package-name |
包名，如com.z，就会生成com和z两级目录 |
| 5 | –input-null-non-string |
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 |
将null字符串替换成想要替换的值（一般与5同时使用） |
| 7 | –map-column-java |
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 |
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 |
在生成Java文件时，将null字符串设置为其他值（一般与8同时使用） |
| 10 | –table |
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 |
8、命令&参数：create-hive-table
生成与关系数据库表结构对应的hive表结构。
命令：
1 | $ bin/sqoop create-hive-table \ |
参数：
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –hive-home |
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 |
9、命令&参数：eval
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。
命令：
1 | $ bin/sqoop eval \ |
参数：
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –query或–e | 后跟查询的SQL语句 |
10、命令&参数：import-all-tables
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
命令：
1 | $ bin/sqoop import-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 |
|
| 6 | –inline-lob-limit |
|
| 7 | –m或—num-mappers |
|
| 8 | –warehouse-dir |
|
| 9 | -z或–compress | |
| 10 | –compression-codec |
11、命令&参数：job
用来生成一个sqoop任务，生成后不会立即执行，需要手动执行。
命令：
1 | $ bin/sqoop job \ |
易错提醒：注意import-all-tables和它左边的–之间有一个空格
易错提醒：如果需要连接metastore，则–meta-connect jdbc:hsqldb:hsql://node03:16000/sqoop
参数：
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –create |
创建job参数 |
| 2 | –delete |
删除一个job |
| 3 | –exec |
执行一个job |
| 4 | –help | 显示job帮助 |
| 5 | –list | 显示job列表 |
| 6 | –meta-connect |
用来连接metastore服务 |
| 7 | –show |
显示一个job的信息 |
| 8 | –verbose | 打印命令运行时的详细信息 |
易错提醒：在执行一个job时，如果需要手动输入数据库密码，可以做如下优化
1 | <property> |
12、命令&参数：list-databases
命令：
如：
1 | $ bin/sqoop list-databases \ |
参数：与公用参数一样
13、命令&参数：list-tables
命令：
如：
1 | $ bin/sqoop list-tables \ |
参数：与公用参数一样
14、命令&参数：merge
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
数据环境：
1 | new_staff |
易错提醒：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，如果直接复制，请检查之。
命令：
如：
创建JavaBean：
1 | $ bin/sqoop codegen \ |
开始合并：
1 | $ bin/sqoop merge \ |
结果：
1 | 1 AAA MALE |
参数：
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –new-data |
HDFS 待合并的数据目录，合并后在新的数据集中保留 |
| 2 | –onto |
HDFS合并后，重复的部分在新的数据集中被覆盖 |
| 3 | –merge-key |
合并键，一般是主键ID |
| 4 | –jar-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 |
对应的表名或对象名，该class类是包含在jar包中的 |
| 6 | –target-dir |
合并后的数据在HDFS里存放的目录 |
15、命令&参数：metastore
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。
命令：
如：启动sqoop的metastore服务
1 | $ bin/sqoop metastore |
参数：
| 序号 | 参数 | 说明 |
|---|---|---|
| 1 | –shutdown | 关闭metastore |
