码迷，mamicode.com
首页 > 其他好文 > 详细

[Sqoop]Sqoop使用

时间：2016-11-14 20:50:50      阅读：409      评论：0      收藏：0      [点我收藏+]

标签：bind   orm   jdbc   thread   country   get   word   nec   0.00   

Sqoop的本质还是一个命令行工具，和HDFS，MapReduce相比，并没有什么高深的理论。

我们可以通过sqoop help命令来查看sqoop的命令选项，如下：

  1. 16/11/13 20:10:17 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. usage: sqoop COMMAND [ARGS]
  4. Available commands:
  5.   codegen            Generate code to interact with database records
  6.   create-hive-table  Import a table definition into Hive
  7.   eval               Evaluate a SQL statement and display the results
  8.   export             Export an HDFS directory to a database table
  9.   help               List available commands
  10.   import             Import a table from a database to HDFS
  11.   import-all-tables  Import tables from a database to HDFS
  12.   import-mainframe   Import datasets from a mainframe server to HDFS
  13.   job                Work with saved jobs
  14.   list-databases     List available databases on a server
  15.   list-tables        List available tables in a database
  16.   merge              Merge results of incremental imports
  17.   metastore          Run a standalone Sqoop metastore
  18.   version            Display version information
  20. See ‘sqoop help COMMAND‘ for information on a specific command.

其中使用频率最高的选项还是import 和 export 选项。

1. codegen

将关系型数据库表的记录映射为一个Java文件，Java class类以及相关的jar包，该命令将数据库表的记录映射为一个Java文件，在该Java文件中对应有表的各个字段。生成的jar和class文件在Metastore功能使用时会用到。该命令选项的参数如下图所示：

技术分享

举例：

  1. sqoop codegen --connect jdbc:mysql://localhost:3306/test --table order_info -outdir /home/xiaosi/test/ --username root -password root

上面实例以test数据库的order_info表来生成Java代码，其中-outdir指定了Java代码生成的路径

运行结果信息如下：

  1. 16/11/13 21:50:34 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/13 21:50:38 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. 16/11/13 21:50:38 INFO tool.CodeGenTool: Beginning code generation
  5. 16/11/13 21:50:38 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `order_info` AS t LIMIT 1
  6. 16/11/13 21:50:38 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `order_info` AS t LIMIT 1
  7. 16/11/13 21:50:38 INFO orm.CompilationManager: HADOOP_MAPRED_HOME is /opt/hadoop-2.7.2
  8. 注: /tmp/sqoop-xiaosi/compile/ea41fe40e1f12f6b052ad9fe4a5d9710/order_info.java使用或覆盖了已过时的 API。
  9. 注: 有关详细信息, 请使用 -Xlint:deprecation 重新编译。
  10. 16/11/13 21:50:39 INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-xiaosi/compile/ea41fe40e1f12f6b052ad9fe4a5d9710/order_info.jar

我们还可以使用-bindir指定编译成的class文件以及将生成文件打包为jar的jar包文件输出路径：

  1. 16/11/13 21:53:55 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/13 21:53:58 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. 16/11/13 21:53:58 INFO tool.CodeGenTool: Beginning code generation
  5. 16/11/13 21:53:58 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `order_info` AS t LIMIT 1
  6. 16/11/13 21:53:58 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `order_info` AS t LIMIT 1
  7. 16/11/13 21:53:58 INFO orm.CompilationManager: HADOOP_MAPRED_HOME is /opt/hadoop-2.7.2
  8. 注: /home/xiaosi/data/order_info.java使用或覆盖了已过时的 API。
  9. 注: 有关详细信息, 请使用 -Xlint:deprecation 重新编译。
  10. 16/11/13 21:53:59 INFO orm.CompilationManager: Writing jar file: /home/xiaosi/data/order_info.jar

上面实例指定编译成的class文件（order_info.class）以及将生成文件打包为jar的jar包文件（order_info.jar）输出路径为/home/xiaosi/data路径，java文件（order_info.java）路径为/home/xiaosi/test

2. create-hive-table

这个命令上一篇文章[Sqoop导入与导出]中已经使用过了，作用就是生成与关系数据库表的表结构对应的Hive表。该命令选项的参数如下图所示：

技术分享技术分享

举例：

  1. sqoop create-hive-table --connect jdbc:mysql://localhost:3306/test --table employee --username root -password root --fields-terminated-by ‘,‘

3. eval

eval命令选项可以让Sqoop使用SQL语句对关系性数据库进行操作，在使用import这种工具进行数据导入的时候，可以预先了解相关的SQL语句是否正确，并能将结果显示在控制台。

3.1 选择查询评估计算

使用eval工具，我们可以评估计算任何类型的SQL查询。我们以test数据库的order_info表为例子：

  1. sqoop eval --connect jdbc:mysql://localhost:3306/test --username root --query "select * from order_info limit 3" -P

运行结果信息：

  1. 16/11/13 22:25:19 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/13 22:25:22 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. ------------------------------------------------------------
  5. | id                   | order_time           | business   | 
  6. ------------------------------------------------------------
  7. | 358574046793404      | 2016-04-05           | flight     | 
  8. | 358574046794733      | 2016-08-03           | hotel      | 
  9. | 358574050631177      | 2016-05-08           | vacation   | 
  10. ------------------------------------------------------------

3.2 插入评估计算

Sqoop的eval工具可以适用于两个模拟和定义的SQL语句。这意味着，我们可以使用eval的INSERT语句了。下面的命令用于在test数据库的order_info表中插入新行：

  1. sqoop eval --connect jdbc:mysql://localhost:3306/test --username root --query "insert into order_info (id, order_time, business) values(‘358574050631166‘, ‘2016-11-13‘, ‘hotel‘)" -P

运行结果信息输出：

  1. 16/11/13 22:29:42 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/13 22:29:44 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. 16/11/13 22:29:44 INFO tool.EvalSqlTool: 1 row(s) updated.
如果命令成功执行，会在控制台上显示更新的行的状态。或者我们可以在mysql中查询我们刚插入的那条信息：
  1. mysql> select * from order_info where id = "358574050631166";
  2. +-----------------+------------+----------+
  3. | id              | order_time | business |
  4. +-----------------+------------+----------+
  5. | 358574050631166 | 2016-11-13 | hotel    |
  6. +-----------------+------------+----------+
  7. 1 row in set (0.00 sec)

4. export 

从HDFS中将数据导出到关系性数据库中。该命令选项的参数如下图所示：

技术分享

技术分享

举例：

在HDFS文件中的员工数据的一个例子，数据如下：

  1. hadoop fs -text /user/xiaosi/employee/* | less
  2. yoona,qunar,创新事业部
  3. xiaosi,qunar,创新事业部
  4. jim,ali,淘宝
  5. kom,ali,淘宝
  6. lucy,baidu,搜索
  7. jim,ali,淘宝

在将HDFS中数据导出到关系性数据库时，必须在关系性数据库中新建一张来接受数据的表，如下：

  1. CREATE TABLE `employee` (
  2.   `name` varchar(255) DEFAULT NULL,
  3.   `company` varchar(255) DEFAULT NULL,
  4.   `depart` varchar(255) DEFAULT NULL
  5. );

下面执行导出操作，命令如下：

  1. sqoop export --connect jdbc:mysql://localhost:3306/test --table employee --export-dir /user/xiaosi/employee --username root -m 1 --fields-terminated-by ‘,‘ -P

运行结果信息输出：

  1. 16/11/13 23:40:49 INFO mapreduce.Job: The url to track the job: http://localhost:8080/
  2. 16/11/13 23:40:49 INFO mapreduce.Job: Running job: job_local611430785_0001
  3. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: OutputCommitter set in config null
  4. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: OutputCommitter is org.apache.sqoop.mapreduce.NullOutputCommitter
  5. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: Waiting for map tasks
  6. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: Starting task: attempt_local611430785_0001_m_000000_0
  7. 16/11/13 23:40:49 INFO mapred.Task:  Using ResourceCalculatorProcessTree : [ ]
  8. 16/11/13 23:40:49 INFO mapred.MapTask: Processing split: Paths:/user/xiaosi/employee/part-m-00000:0+120
  9. 16/11/13 23:40:49 INFO Configuration.deprecation: map.input.file is deprecated. Instead, use mapreduce.map.input.file
  10. 16/11/13 23:40:49 INFO Configuration.deprecation: map.input.start is deprecated. Instead, use mapreduce.map.input.start
  11. 16/11/13 23:40:49 INFO Configuration.deprecation: map.input.length is deprecated. Instead, use mapreduce.map.input.length
  12. 16/11/13 23:40:49 INFO mapreduce.AutoProgressMapper: Auto-progress thread is finished. keepGoing=false
  13. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: 
  14. 16/11/13 23:40:49 INFO mapred.Task: Task:attempt_local611430785_0001_m_000000_0 is done. And is in the process of committing
  15. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: map
  16. 16/11/13 23:40:49 INFO mapred.Task: Task ‘attempt_local611430785_0001_m_000000_0‘ done.
  17. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: Finishing task: attempt_local611430785_0001_m_000000_0
  18. 16/11/13 23:40:49 INFO mapred.LocalJobRunner: map task executor complete.
  19. 16/11/13 23:40:50 INFO mapreduce.Job: Job job_local611430785_0001 running in uber mode : false
  20. 16/11/13 23:40:50 INFO mapreduce.Job:  map 100% reduce 0%
  21. 16/11/13 23:40:50 INFO mapreduce.Job: Job job_local611430785_0001 completed successfully
  22. 16/11/13 23:40:50 INFO mapreduce.Job: Counters: 20
  23. 	File System Counters
  24. 		FILE: Number of bytes read=22247825
  25. 		FILE: Number of bytes written=22732498
  26. 		FILE: Number of read operations=0
  27. 		FILE: Number of large read operations=0
  28. 		FILE: Number of write operations=0
  29. 		HDFS: Number of bytes read=126
  30. 		HDFS: Number of bytes written=0
  31. 		HDFS: Number of read operations=12
  32. 		HDFS: Number of large read operations=0
  33. 		HDFS: Number of write operations=0
  34. 	Map-Reduce Framework
  35. 		Map input records=6
  36. 		Map output records=6
  37. 		Input split bytes=136
  38. 		Spilled Records=0
  39. 		Failed Shuffles=0
  40. 		Merged Map outputs=0
  41. 		GC time elapsed (ms)=0
  42. 		Total committed heap usage (bytes)=245366784
  43. 	File Input Format Counters 
  44. 		Bytes Read=0
  45. 	File Output Format Counters 
  46. 		Bytes Written=0
  47. 16/11/13 23:40:50 INFO mapreduce.ExportJobBase: Transferred 126 bytes in 2.3492 seconds (53.6344 bytes/sec)
  48. 16/11/13 23:40:50 INFO mapreduce.ExportJobBase: Exported 6 records.
导出完毕之后，我们可以在mysql中通过employee表进行查询：
  1. mysql> select name, company from employee;
  2. +--------+---------+
  3. | name   | company |
  4. +--------+---------+
  5. | yoona  | qunar   |
  6. | xiaosi | qunar   |
  7. | jim    | ali     |
  8. | kom    | ali     |
  9. | lucy   | baidu   |
  10. | jim    | ali     |
  11. +--------+---------+
  12. 6 rows in set (0.00 sec)

5. import 

将数据表中的数据导入HDFS或者Hive中，该命令选项的参数如下图所示：

技术分享技术分享

技术分享

技术分享

举例：

  1. sqoop import --connect jdbc:mysql://localhost:3306/test --target-dir /user/xiaosi/data/order_info --query ‘select * from order_info where $CONDITIONS‘ -m 1 --username root -P

如上代码从查询结果中导入数据到HDFS中，存储路径由--target-dir参数指定。这里，使用了--query选项，不能同时与--table选项使用。同时，变量$CONDITIONS必须在WHERE语句之后，供Sqoop进程运行命令过程中使用。

运行结果信息如下：

  1. 16/11/14 12:08:50 INFO mapreduce.Job: The url to track the job: http://localhost:8080/
  2. 16/11/14 12:08:50 INFO mapreduce.Job: Running job: job_local127577466_0001
  3. 16/11/14 12:08:50 INFO mapred.LocalJobRunner: OutputCommitter set in config null
  4. 16/11/14 12:08:50 INFO output.FileOutputCommitter: File Output Committer Algorithm version is 1
  5. 16/11/14 12:08:50 INFO mapred.LocalJobRunner: OutputCommitter is org.apache.hadoop.mapreduce.lib.output.FileOutputCommitter
  6. 16/11/14 12:08:50 INFO mapred.LocalJobRunner: Waiting for map tasks
  7. 16/11/14 12:08:50 INFO mapred.LocalJobRunner: Starting task: attempt_local127577466_0001_m_000000_0
  8. 16/11/14 12:08:50 INFO output.FileOutputCommitter: File Output Committer Algorithm version is 1
  9. 16/11/14 12:08:50 INFO mapred.Task:  Using ResourceCalculatorProcessTree : [ ]
  10. 16/11/14 12:08:50 INFO db.DBInputFormat: Using read commited transaction isolation
  11. 16/11/14 12:08:50 INFO mapred.MapTask: Processing split: 1=1 AND 1=1
  12. 16/11/14 12:08:50 INFO db.DBRecordReader: Working on split: 1=1 AND 1=1
  13. 16/11/14 12:08:50 INFO db.DBRecordReader: Executing query: select * from order_info where ( 1=1 ) AND ( 1=1 )
  14. 16/11/14 12:08:50 INFO mapreduce.AutoProgressMapper: Auto-progress thread is finished. keepGoing=false
  15. 16/11/14 12:08:50 INFO mapred.LocalJobRunner: 
  16. 16/11/14 12:08:51 INFO mapred.Task: Task:attempt_local127577466_0001_m_000000_0 is done. And is in the process of committing
  17. 16/11/14 12:08:51 INFO mapred.LocalJobRunner: 
  18. 16/11/14 12:08:51 INFO mapred.Task: Task attempt_local127577466_0001_m_000000_0 is allowed to commit now
  19. 16/11/14 12:08:51 INFO output.FileOutputCommitter: Saved output of task ‘attempt_local127577466_0001_m_000000_0‘ to hdfs://localhost:9000/user/xiaosi/data/order_info/_temporary/0/task_local127577466_0001_m_000000
  20. 16/11/14 12:08:51 INFO mapred.LocalJobRunner: map
  21. 16/11/14 12:08:51 INFO mapred.Task: Task ‘attempt_local127577466_0001_m_000000_0‘ done.
  22. 16/11/14 12:08:51 INFO mapred.LocalJobRunner: Finishing task: attempt_local127577466_0001_m_000000_0
  23. 16/11/14 12:08:51 INFO mapred.LocalJobRunner: map task executor complete.
  24. 16/11/14 12:08:51 INFO mapreduce.Job: Job job_local127577466_0001 running in uber mode : false
  25. 16/11/14 12:08:51 INFO mapreduce.Job:  map 100% reduce 0%
  26. 16/11/14 12:08:51 INFO mapreduce.Job: Job job_local127577466_0001 completed successfully
  27. 16/11/14 12:08:51 INFO mapreduce.Job: Counters: 20
  28. 	File System Counters
  29. 		FILE: Number of bytes read=22247784
  30. 		FILE: Number of bytes written=22732836
  31. 		FILE: Number of read operations=0
  32. 		FILE: Number of large read operations=0
  33. 		FILE: Number of write operations=0
  34. 		HDFS: Number of bytes read=0
  35. 		HDFS: Number of bytes written=3710
  36. 		HDFS: Number of read operations=4
  37. 		HDFS: Number of large read operations=0
  38. 		HDFS: Number of write operations=3
  39. 	Map-Reduce Framework
  40. 		Map input records=111
  41. 		Map output records=111
  42. 		Input split bytes=87
  43. 		Spilled Records=0
  44. 		Failed Shuffles=0
  45. 		Merged Map outputs=0
  46. 		GC time elapsed (ms)=0
  47. 		Total committed heap usage (bytes)=245366784
  48. 	File Input Format Counters 
  49. 		Bytes Read=0
  50. 	File Output Format Counters 
  51. 		Bytes Written=3710
  52. 16/11/14 12:08:51 INFO mapreduce.ImportJobBase: Transferred 3.623 KB in 2.5726 seconds (1.4083 KB/sec)
  53. 16/11/14 12:08:51 INFO mapreduce.ImportJobBase: Retrieved 111 records.

我们可以查看HDFS由参数--target-dir指定的路径查看导入的数据：

  1. hadoop fs -text /user/xiaosi/data/order_info/* | less
  2. 358574046793404,2016-04-05,flight
  3. 358574046794733,2016-08-03,hotel
  4. 358574050631177,2016-05-08,vacation
  5. 358574050634213,2015-04-28,train
  6. 358574050634692,2016-04-05,tuan
  7. 358574050650524,2015-07-26,hotel
  8. 358574050654773,2015-01-23,flight
  9. 358574050668658,2015-01-23,hotel
  10. 358574050730771,2016-11-06,train
  11. 358574050731241,2016-05-08,car
  12. 358574050743865,2015-01-23,vacation
  13. 358574050767666,2015-04-28,train
  14. 358574050767971,2015-07-26,flight
  15. 358574050808288,2016-05-08,hotel
  16. 358574050816828,2015-01-23,hotel
  17. 358574050818220,2015-04-28,car
  18. 358574050821877,2013-08-03,flight

再看一个例子：

  1. sqoop import --connect jdbc:mysql://localhost:3306/test --table order_info --columns "business,id,order_time"  -m 1 --username root -P

HDFS上会在/user/xiaosi/目录下新增一个目录order_info，与关系性数据库的表名一致，内容如下：

  1. flight,358574046793404,2016-04-05
  2. hotel,358574046794733,2016-08-03
  3. vacation,358574050631177,2016-05-08
  4. train,358574050634213,2015-04-28
  5. tuan,358574050634692,2016-04-05

6. import-all-tables

将数据库里的所有表导入HDFS中，每个表在HDFS中对应一个独立的目录。该命令选项的参数如下图所示：

技术分享

7. list-databases

该命令选项可以列出关系性数据库的所有数据库名，命令如下：

  1. sqoop list-databases --connect jdbc:mysql://localhost:3306 --username root -P

运行结果信息如下：

  1. 16/11/14 14:30:11 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/14 14:30:14 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. information_schema
  5. hive_db
  6. mysql
  7. performance_schema
  8. phpmyadmin
  9. test

8. list-tables

该命令选项可以列出关系性数据库的某一个数据库的所有表名，命令如下：

  1. sqoop list-tables --connect jdbc:mysql://localhost:3306/test --username root -P

运行结果信息如下：

  1. 16/11/14 14:32:08 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/14 14:32:10 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. PageView
  5. book
  6. bookID
  7. cc
  8. city_click
  9. country
  10. country2
  11. cup
  12. employee
  13. flightOrder
  14. hotel_book_info
  15. hotel_info
  16. order_info
  17. stu
  18. stu2
  19. stu3
  20. stuInfo
  21. student

9. merge

该命令选项的作用是将HDFS上的两份数据进行合并，在合并的同时进行数据去重。该命令选项的参数如下图所示：

技术分享

技术分享技术分享

例如，在HDFS的路径/user/xiaosi/old下由一份导入数据，如下：

  1. id name
  2. 1 a
  3. 2 b
  4. 3 c

在HDFS的路径/user/xiaosi/new下也有一份数据，但是在导入时间在第一份之后，如下：

  1. id name
  2. 1 a2
  3. 2 b
  4. 3 c

那么合并的结果为：

  1. id name
  2. 1 a2
  3. 2 b
  4. 3 c

运行如下命令：

  1. sqoop merge -new-data /user/xiaosi/new/part-m-00000 -onto /user/xiaosi/old/part-m-00000 -target-dir /user/xiaosi/final -jar-file /home/xiaosi/test/testmerge.jar -class-name testmerge -merge-key id

备注：

在一份数据集中，多行不应具有相同的主键，否则会发生数据丢失。


10. metastore

记录Sqoop作业的元数据信息，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。

技术分享

启动Metastore实例：

  1. sqoop metastore

运行结果信息如下：

  1. 16/11/14 14:44:40 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. 16/11/14 14:44:40 WARN hsqldb.HsqldbMetaStore: The location for metastore data has not been explicitly set. Placing shared metastore files in /home/xiaosi/.sqoop/shared-metastore.db
  3. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) entered
  4. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) exited
  5. [Server@52308be6]: [Thread[main,5,main]]: setDatabasePath(0,file:/home/xiaosi/.sqoop/shared-metastore.db)
  6. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) entered
  7. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) exited
  8. [Server@52308be6]: [Thread[main,5,main]]: setDatabaseName(0,sqoop)
  9. [Server@52308be6]: [Thread[main,5,main]]: putPropertiesFromString(): [hsqldb.write_delay=false]
  10. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) entered
  11. [Server@52308be6]: [Thread[main,5,main]]: checkRunning(false) exited
  12. [Server@52308be6]: Initiating startup sequence...
  13. [Server@52308be6]: Server socket opened successfully in 3 ms.
  14. [Server@52308be6]: Database [index=0, id=0, db=file:/home/xiaosi/.sqoop/shared-metastore.db, alias=sqoop] opened sucessfully in 153 ms.
  15. [Server@52308be6]: Startup sequence completed in 157 ms.
  16. [Server@52308be6]: 2016-11-14 14:44:40.414 HSQLDB server 1.8.0 is online
  17. [Server@52308be6]: To close normally, connect and execute SHUTDOWN SQL
  18. [Server@52308be6]: From command line, use [Ctrl]+[C] to abort abruptly
  19. 16/11/14 14:44:40 INFO hsqldb.HsqldbMetaStore: Server started on port 16000 with protocol HSQL


11. job

该命令选项可以生产一个Sqoop的作业，但是不会立即执行，需要手动执行，该命令选项目的在于尽可能的服用Sqoop命令。该命令选项的参数如下图所示：

技术分享

技术分享

举例：

  1. sqoop job -create listTablesJob -- list-tables --connect jdbc:mysql://localhost:3306/test --username root -P

上面代码实现一个job，显示关系性数据库test数据库中所有的表。

  1. sqoop job -exec listTablesJob

上面代码执行我们已经定义好的Job，输出结果信息如下：

  1. 16/11/14 19:51:44 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
  2. Enter password: 
  3. 16/11/14 19:51:47 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  4. PageView
  5. book
  6. bookID
  7. cc
  8. city_click
  9. country
  10. country2
  11. cup
  12. employee
  13. flightOrder
  14. hotel_book_info
  15. hotel_info
  16. order_info
  17. stu
  18. stu2
  19. stu3
  20. stuInfo
  21. student

备注：

-- 和 list-tables（Job 所要执行的Sqoop命令） 不能挨着。

?

来自于《Hadoop海量数据处理  技术详解与项目实战》


[Sqoop]Sqoop使用

标签：bind   orm   jdbc   thread   country   get   word   nec   0.00   

原文地址：http://blog.csdn.net/sunnyyoona/article/details/53163460
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！