sqoop参数详解

从RDBMS到HIVE：

sqoop import 
--connect  jdbc:oracle:thin:@//192.168.156.111/test--username test
--password test
--query select * from it.t_test where inserttime >= to_date('${date1}','yyyy-mm-dd') and inserttime < to_date('${date2}','yyyy-mm-dd') and $CONDITIONS
--hive-overwrite
--hive-table it.test
--target-dir hdfs://ns1/user/hive/warehouse/it.db/t_test
--null-string \\N
-null-non-string \\N
--fields-terminated-by \001
--delete-target-dir
--split-by emp_no
-m
1

参数详解：

　　--connect 关系型数据库连接

　　--username 关系型数据库连接用户名

　　--password 关系型数据库连接密码

　　--table 关系型数据库表

　　--query 自定义sql查询，sql结束要加$CONDITIONS

　　--hive-overwrite 覆盖之前的分区写入数据

　　--hive-drop-import-delims 导入hive的数据某列中如果有换行符或者回车键可以删除

　　--hive-table hive的表

　　--hive-database hive的数据库

　　--hive-partition-key hive的分区字段

　　--hive-partition-value hive的分区值

　　--fields-terminated-by 导入到hdfs时，hdfs文件的分隔符

　　--input-fields-terminated-by 从hdfs导出时，hdfs文件的分隔符

　　--export-dir 从hdfs导出时的源目录

　　--target-dir 导入到hdfs时的目标目录

　　--delete-target-dir 如果hdfs的目录已经存在，则先删除

　　--direct 快速模式，使用mysql自带的mysqldump导出数据

　　--split-by 如果-m参数不为1，一定要加上该参数而且最好是数值类型，否则会报错

　　-m 指定map的数量，也是生成文件的数量

　　--split-by 一般和参数-m放在一起使用，-m表示使用几个map并发执行，--split-by表示拆分数据的字段。

　　例如：-m设置为2，数据有100条，sqoop会首先获取拆分字段的最大值和最小值，间隔为100/2=50，那么第一个map执行拆分字段为（1，50）之间的数据，第二个map执行拆分字段为（50,100）之间的数据

　　NOTES：

　　　　拆分字段默认为主键；

　　　　拆分字段数据类型最好为int，如果为其他类型，将-m参数设置为1，--split-by不设置；

　　　　拆分字段的值最好均匀分布，否则会造成数据倾斜的问题。

　　

　　HCatalog配置：

　　--create-hcatalog-table 指定需要创建表，如果不指定，默认不创建，若指定且创建的表已经存在就会报错

　　--hcatalog-table 要导出的目标表

　　--hcatalog-storage-stanza 指定存储格式，该参数值会拼接到create table的命令中。默认：stored as rcfile。

　　--hcatalog-partition-keys 指定分区字段，多个字段用逗号分隔开（hive-partition-key的加强版）

　　--hcatalog-partition-values 指定分区值，多分区值用逗号分隔开（hive-partition-value的加强版）