Sqoop和Hive数据仓库速查笔记

Sqoop和Hive数据仓库笔记

Sqoop常用命令

基本操作命令

命令	说明
import	将关系型数据库数据导入到HDFS、HIVE、HBASE
export	将HDFS上的数据导出到关系型数据库
codegen	获取数据库中某张表数据生成java并打成jar包
create-hive-table	创建hive表
eval	查询SQL的执行结果
list-databases	列出所有数据库
list-tables	列出某个数据库下的所有表
help	打印sqoop帮助信息
version	打印sqoop版本信息

连接参数

参数	描述
--connect	指定JDBC连接字符串
--connection-manager	指定要使用的连接管理器类
--driver	指定要使用的JDBC驱动类
--hadoop-mapred-home	指定$HADOOP_MAPRED_HOME路径
--password-file	设置密码文件路径
-P	从控制台读取密码
--username	设置认证用户名
--verbose	打印运行信息

常用操作示例

数据库操作

查看所有数据库：

复制代码

sqoop list-databases --connect jdbc:mysql://localhost:3306 --username root --password 123456

查看表列表：

复制代码

sqoop list-tables --connect jdbc:mysql://localhost:3306/hive_meta --username root --password 123456

数据导入

全量导入到HDFS：

复制代码

sqoop import --connect jdbc:mysql://master:3306/onlinedb --username root --password 123456 \
--delete-target-dir --target-dir /sqooptest --table goods --m 1

带分隔符导入：

复制代码

sqoop import --connect jdbc:mysql://master:3306/onlinedb --username root --password 123456 \
--delete-target-dir --target-dir /sqooptest --table goods --fields-terminated-by '\t'

Hive集成

创建Hive表并导入：

bash 复制代码

sqoop create-hive-table --connect jdbc:mysql://master:3306/onlinedb --table goods \
--username root --password 123456 --hive-table default.test

sqoop import --connect jdbc:mysql://master:3306/onlinedb --table goods --username root \
--password 123456 --hive-import --hive-table default.test

Hive配置与使用

Hiveserver2配置

初始化元数据库：

bash 复制代码

schematool -initSchema -dbType mysql

启动服务：

bash 复制代码

hiveserver2 &
beeline -u jdbc:hive2://master:10000 -n root

表类型对比

类型	特点	存储位置
内部表	删除表时同时删除数据	hive.metastore.warehouse.dir
外部表	删除表保留数据	用户自定义路径
分区表	按分区字段存储数据	分区目录结构
分桶表	数据分桶存储	分桶文件

表创建语法

sql 复制代码

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name
[(col_name data_type [COMMENT], ...)]
[PARTITIONED BY (col_name data_type, ...)]
[CLUSTERED BY (col_name) INTO num_buckets BUCKETS]
[ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n']
[STORED AS file_format]
[LOCATION 'hdfs_path']

数据操作

动态分区配置：

sql 复制代码

SET hive.exec.dynamic.partition = true;
SET hive.exec.dynamic.partition.mode = nonstrict;

INSERT OVERWRITE TABLE student_dyna PARTITION(age)
SELECT * FROM student;

JSON数据处理：

sql 复制代码

SELECT GET_JSON_OBJECT('{"level":"2"}', '$.level') AS level

数据导出

Hive到本地/HDFS：

sql 复制代码

INSERT OVERWRITE [LOCAL] DIRECTORY '/root/output'
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
SELECT * FROM goods;

命令行执行：

bash 复制代码

hive -e "SELECT * FROM table"
hive -f /path/to/query.hql

增量导入

追加模式示例：

bash 复制代码

sqoop import --connect jdbc:mysql://master:3306/onlinedb --username root --password 123456 \
--table goods --target-dir /appenresult --incremental append --check-column gid --last-value 1205