Sqoop

程序员文章站 2024-02-29 10:46:28

...

第1章 Sqoop简介
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，可以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，也可以将HDFS的数据导进到关系型数据库中。
Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache项目。
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。还是用sqoop1
第2章 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。
第3章 Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
3.1 下载并解压

下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中
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/
3.2 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。

重命名配置文件

 $ mv sqoop-env-template.sh sqoop-env.sh

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

3.3 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/

3.4 验证Sqoop
我们可以通过某一个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

3.5 测试Sqoop是否能够成功连接数据库

`$ bin/sqoop list-databases --connect jdbc:mysql://hadoop100:3306/ 
--username root --password 123123

出现如下输出：

information_schema
metastore
mysql
oozie
performance_schema

第4章 Sqoop的简单使用案例
4.1 导入数据
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。
4.1.1 RDBMS到HDFS
Source执行脚本

确定Mysql服务开启正常

在Mysql中新建一张表并插入一些数据

$ mysql -uroot -p123123
 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');

数据比较多的：

   create database company;
create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));

insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Danny', 'Male');
insert into company.staff(name, sex) values('zhangsan', 'FeMale');
insert into company.staff(name, sex) values('lisi', 'Male');
insert into company.staff(name, sex) values('wangwu', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');

导入数据
（1）全部导入

 $ bin/sqoop import \
   --connect jdbc:mysql://hadoop100:3306/company \
   --username root \
 --password 123123 \
 --table staff \
 （--columns id,name      \    导部分数据）
 --where ‘id >=10 and id <=20’    \
 --target-dir /user/company \     路径
 --delete-target-dir \     删除之前路径文件
 --num-mappers 1 \       指定map的个数，不指定默认是4
 --fields-terminated-by "\t"\     分隔符不指定默认使用逗号
 --split-by name     指定以name分区,当--num-mappers 1的时候可以不用分区
 --query 'select name,sex from staff where ‘id <=1 and \$CONDITIONS’;'
 //$CONDITIONS的作用：后台会替换成条件进行分区
 用query代替上面的查询语句并且必须手动进行分区指定用--split-by name
 /后不能有空格，否则转译空格
 
 bin/sqoop import \
 --connect jdbc:mysql://hadoop100:3306/company \
 --username root \
 --password 123123 \
 --table staff \
 --columns id,name      \
 --where ‘ id >= 10 and id <= 20 ‘    \
 --target-dir /company \
 --delete-target-dir \
 --fields-terminated-by "\t" \
 --num-mappers 2

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 2
–fields-terminated-by “\t”
–columns id,sex \ 导入指定的列
–where ‘id>=10 and id<=20’ \ 打入指定的条件
–table staff
–split -by id \ 需要手动指定

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
4.1.2 RDBMS到Hive
$ 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 \ 覆盖
–hive-table staff_hive hive往哪个表里倒数据
不用指定路径，直接对应表
使用query必须手动split
只有–table staff \方式才会默认/user/atguigu/表名
–hive-table staff_hive必须指定—target-dir /company
–delete-target-dir
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
4.1.3 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” \ 只能往一个family里面导入数据
–hbase-create-table \ 如果不存在的话自动创建1.4.6不支持
–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’
(5) 在HBase中scan这张表得到如下内容
hbase> scan ‘hbase_company’
4.2、导出数据
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。
4.2.1 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” 文件是以什么分割的
提示：Mysql中如果表不存在，不会自动创建
4.3 脚本打包
使用opt格式的文件打包sqoop命令，然后执行

创建一个.opt文件
$ mkdir opt
$ touch opt/job_HDFS2RDBMS.opt
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
第5章 Sqoop一些常用命令及参数
5.1 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
5.2 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。
5.2.1 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 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
5.2.2 公用参数：import
序号参数说明
1 --enclosed-by 给字段值前加上指定的字符
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。
5.2.3 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
5.2.4 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。
5.2.5 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。

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 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
5.2.6 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。

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
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

5.2.7 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：
$ 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

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
5.2.8 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：
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 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
5.2.9 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：
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

5.2.10 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：
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
6 --inline-lob-limit
7 --m或—num-mappers
8 --warehouse-dir

9 -z或–compress
10 --compression-codec

5.2.11 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：
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：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 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
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

sqoop.metastore.client.record.password
true
If true, allow saved passwords in the metastore.

5.2.12 命令&参数：list-databases
命令：
如：
$ bin/sqoop list-databases
–connect jdbc:mysql://hadoop102:3306/
–username root
–password 000000

参数：与公用参数一样
5.2.13 命令&参数：list-tables
命令：
如：
$ bin/sqoop list-tables
–connect jdbc:mysql://hadoop102:3306/company
–username root
–password 000000
参数：与公用参数一样
5.2.14 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：
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，如果直接复制，请检查之。
命令：
如：
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

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

5.2.15 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
$ bin/sqoop metastore

参数：
序号参数说明
1 --shutdown 关闭metastore

Sqoop

作业:大数据之Sqoop的使用

Sqoop

study-notes（10 Sqoop）

Sqoop2 shell命令的使用

sqoop增量导入--lastmodified模式

在Hadoop集群环境中为MySQL安装配置Sqoop的教程

Kettle与Hadoop（七）执行Sqoop作业

在Hadoop集群环境中为MySQL安装配置Sqoop的教程

一些日常用到的命令shell，sqoop

Sqoop配置安装