6. Sqoop

Sqoop原理
- 将导入或导出命令翻译成mapreduce程序来实现。
- 在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。

通过Sqoop将关系型数据库数据导到Hive有两种方式：
- 原生Sqoop API方式，支持的数据格式较少，仅支持textFile格式，支持数据覆盖，字段名比较随意，更多关注字段顺序
- HCatalog API方式，支持的数据格式多，支持sequencefile、avro、parquet、rcfile、ORC、textFile、json、csv等格式，不支持数据覆盖，每一次都是追加操作，字段名必须与表字段名一致，不关心顺序
- 建议：在导入数据的时候，不管是顺序还是字段名都保持一致

hive的常见的文件格式，textfile，sequencefile，rcfile，orcfile
- textfile  hive 中默认格式，特点是占用空间大，压缩之后不支持切分
- sequencefile  二进制存储格式
- rcfile  数据按行分块 每块按照列存储
- orcfile  数据按行分块 每块按照列存储 ，orc（ Optimized RCFile）他是RCFile的plus版，支持 lzo snappy 压缩（这个是今天的主角）
- 使用orc的比text格式的要小7-9倍
压缩比：ORC >  Parquet >  textFile（textfile没有进行压缩）
查询速度：三者几乎一致
如果为textfile的文件格式，直接load就OK，不需要走MapReduce；
如果是其他的类型就需要走MapReduce了，因为其他的类型都涉及到了文件的压缩，这需要借助MapReduce的压缩方式来实现
# hive textfile这种格式存储
CREATE TABLE `t_user_active`(
 `id` string COMMENT '主键ID',
 `user_id` string COMMENT '用户ID',
 `user_name` string COMMENT '用户名称',
 `channel_id` string COMMENT '渠道号id',
 `use_count` int COMMENT '使用个数据',
 `create_by` string COMMENT '创建者ID',
 `create_date` string COMMENT '创建时间',
 `update_by` string COMMENT '更新者ID',
 `update_date` timestamp COMMENT '更新时间'
 )
PARTITIONED BY (
 `create_data` string)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE;

# dataX配置
"fileType": "text",

# ocr的格式存储，开启snappy压缩
CREATE TABLE `t_user_active`(
 `id` string COMMENT '主键ID',
 `user_id` string COMMENT '用户ID',
 `user_name` string COMMENT '用户名称',
 `channel_id` string COMMENT '渠道号id',
 `use_count` int COMMENT '使用个数据',
 `create_by` string COMMENT '创建者ID',
 `create_date` string COMMENT '创建时间',
 `update_by` string COMMENT '更新者ID',
 `update_date` timestamp COMMENT '更新时间'
 )
PARTITIONED BY ( `create_data` string)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
STORED AS orc
tblproperties("orc.compress"="SNAPPY");

# dataX配置
"fileType": "orc",
"compress": "SNAPPY",

# - 安装Sqoop的前提是已经具备Java和Hadoop的环境。
# 1) 下载地址：https://archive.apache.org/dist/sqoop/1.4.6/
# 2) 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中
# 3) 解压sqoop安装包到指定目录，如：
tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/

# 修改配置文件
# Sqoop的配置文件与大多数大数据框架类似，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
vim 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
# 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/
# 验证Sqoop
# 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
# 测试Sqoop是否能够成功连接数据库
bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 000000
# 出现如下输出：
information_schema
metastore
mysql
oozie
performance_schema

Warning: /opt/cloudera/parcels/CDH-5.16.1-1.cdh5.16.1.p0.3/bin/../lib/sqoop/../accumulo does not exist! Accumulo imports will fail.
Please set $ACCUMULO_HOME to the root of your Accumulo installation.
主要是因为Sqoop加载$ACCUMULO_HOME环境变量，没有找到所以做出警告，其实也可以忽略。

解决办法两种：

1. 到Sqoop配置文件中$SQOOP_HOME/bin/configure-sqoop，注释掉Accumulo检查
#if [ ! -d "${ACCUMULO_HOME}" ]; then
#  echo "Warning: $ACCUMULO_HOME does not exist! Accumulo imports will fail."
#  echo 'Please set $ACCUMULO_HOME to the root of your Accumulo installation.'
#fi

2. 导入$ACCUMULO_HOME变量
# 创建accumulo文件夹
sudo mkdir /var/lib/accumulo

# 导入accumulo变量
export ACCUMULO_HOME=/var/lib/accumulo

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，叫做：导入，即使用import关键字。
# RDBMS到HDFS
# 1) 确定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）全部导入
$ 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.
如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。
    （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中如果涉及到多列，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"
# RDBMS到Hbase
$ 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之前的版本的自动创建HBase表的功能
解决方案：手动创建HBase表
hbase> create 'hbase_company,'info'

# 在HBase中scan这张表得到如下内容
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，叫做：导出，即使用export关键字。
# HIVE/HDFS到RDBMS
$ 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中如果表不存在，不会自动创建

# 脚本打包
使用opt格式的文件打包sqoop命令，然后执行

1) 创建一个.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
#### Sqoop一些常用命令及参数
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

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    Hadoop根目录
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

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> 设定每个字段是以什么符号作为结束，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前后加上指定字符。

序号  参数  说明
1   --input-enclosed-by <char>    对字段值前后加上指定字符
2   --input-escaped-by <char> 对含有转移符的字段做转义处理
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前后加上指定字符

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，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 <v>    导入数据时，指定某个分区的值
6   --hive-home <dir> 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

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

从HDFS（包括Hive和HBase）中将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，以便于提高效率
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>  指定导出到哪个RDBMS中的表
5   --update-key <col-name>   对某一列的字段进行更新操作
6   --update-mode <mode>  updateonly  allowinsert(默认)
7   --input-null-string <null-string> 请参考import该类似参数说明
8   --input-null-non-string <null-string> 请参考import该类似参数说明
9   --staging-table <staging-table-name>  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

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，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 <null-str>    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 <arg>   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 <null-str>  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 <null-str>  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 <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。
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff

序号  参数  说明
1   --hive-home <dir> 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

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。
$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

序号  参数  说明
1   --query或--e 后跟查询的SQL语句

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
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables

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，生成后不会立即执行，需要手动执行。
$ 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：如果需要连接metastore，则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
参数：
序号  参数  说明
1   --create <job-id> 创建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> 用来连接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，如果需要手动输入数据库密码，可以做如下优化
<property>
    <name>sqoop.metastore.client.record.password</name>
    <value>true</value>
    <description>If true, allow saved passwords in the metastore.</description>
</property>

$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000

$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000

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：
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

创建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

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，一般是主键ID
4   --jar-file <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 <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，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。
如：启动sqoop的metastore服务
$ bin/sqoop metastore

序号  参数  说明
1   --shutdown  关闭metastore

HCatalog 是 Hadoop 的一个 table 与存储管理的一个服务，用户可以更容易地使用不同的数据处理工具 Pig、MapReduce 和 Hive 读写数据。HCatalog 表的抽象呈现给用户一个 HDFS 分布式文件系统（HDFS）中的关系视图，用户不需要担心数据存储在哪里及数据的存储格式：RCFile 格式、text 文件、或者 SequenceFile。
sqoop import  \
--connect 'jdbc:mysql://' \
--username '' \
--password ''  \
-m 10 \
--split-by id \
--table t1 \
--columns 'id,modify_time' \
--hive-drop-import-delims \
--hcatalog-database ods \
--hcatalog-table h1 \
--hcatalog-partition-keys dt \
--hcatalog-partition-values '20190221'

优点：
兼容Hive表的存储格式
不用考虑null值处理问题
输出文件会合并

# 参数    功能
--hcatalog-database 库名，默认为default，必须与--hcatalog-table一起使用，可选
--hcatalog-table    表名，必填
--hcatalog-home HCatalog安装目录，包含lib,share/hcatalog子目录，可选
--create-hcatalog-table 导入过程中如果不存在则创建表，表名自动转为小写，可选
--hcatalog-storage-stanza   对于新建的表指定存储格式，默认值为stored as rcfile，可选
--hcatalog-partition-keys，--hcatalog-partition-values   指定多级静态分区，逗号分隔，可选，如--hcatalog-partition-keys year,month,day和 --hcatalog-partition-values 1999,12,31，两个参数必须一起使用
--map-column-hive   数据类型映射
--hive-home hive home路径
--hive-partition-key    静态分区列，必须为string类型，只能指定一个
--hive-partition-value  静态分区值