access是微软的关系数据库管理系统，界面简洁易操作，是最好上手的数据库，易学易操作，是最适合非计算机专业人员学习的数据库。access拥有强大的数据处理和统计分析能力，处理速度快，操作方便。用access开发的各类企业软件，大幅了提高企业管理人员的工作效率。首先，我们来看一下access数据库最基本的建立数据库表格操作。

首先，从网络上下载安装access数据库。双击打开access数据库之后，就会看到如图所示的操作界面。双击界面中的“空数据库”，便可快速建立一个空白的数据库。

打开空白数据库之后，里面有一张数据表格，在操作界面左侧选中表格，右击可以给数据表进行命名。

数据表中的字段可右击自定义字段类型，例如”文本“”数字“”时间“等。

数据表中字段的名称可以双击修改，当有一条记录存贮在数据表格中时，ID属性会自动生成。

当数据表格中字段类型为”日期与时间“，系统会自动生成日历表供你选择，非常方便。

设置完成数据表格中的字段，并不断往表格中添加记录。至此，一张完整的数据表就生成了。

【IT168 评论】大多数企业的关键数据存在于OLTP数据库中，存储在这些数据库中的数据包含有关用户，产品和其他有用信息。如果要分析此数据，传统方法是定期将该数据复制到OLAP数据仓库中。Hadoop已经出现在这个领域并扮演了两个角色：数据仓库的替代品;结构化、非结构化数据和数据仓库之间的桥梁。图5.8显示了第一个角色，其中Hadoop在将数据导到OLAP系统(BI应用程序的常用平台)之前用作大规模加入和聚合工具。

图5.8 使用Hadoop进行OLAP数据输入输出和处理

以Facebook为例，该企业已成功利用Hadoop和Hive作为OLAP平台来处理数PB数据。图5.9显示了类似于Facebook的架构。该体系结构还包括OLTP系统的反馈循环，可用于推送在Hadoop中发现的洞察，例如为用户提供建议。

在任一使用模型中，我们都需要一种将关系数据引入Hadoop的方法，还需要将其输出到关系数据库中。本节，我们将使用Sqoop简化将关系数据输出到Hadoop的过程。

实践：使用Sqoop从MySQL导入数据

Sqoop是一个可用于将关系数据输入和输出Hadoop的项目。它是一个很好的高级工具，封装了与关系数据移动到Hadoop相关的逻辑，我们需要做的就是为Sqoop提供确定输出哪些数据的SQL查询。该技术提供了有关如何使用Sqoop将MySQL中的某些数据移动到HDFS的详细信息。

图5.9 使用Hadoop进行OLAP并反馈到OLTP系统

本节使用Sqoop 1.4.4版本，此技术中使用的代码和脚本可能无法与其他版本的Sqoop一起使用，尤其是Sqoop 2，它是作为Web应用程序实现的。

问题

将关系数据加载到集群中，并确保写入有效且幂等。

解决方案

在这种技术中，我们将看到如何使用Sqoop作为将关系数据引入Hadoop集群的简单机制。我们会介绍将数据从MySQL导入Sqoop的过程，还将介绍使用快速连接器的批量导入(连接器是提供数据库读写访问的特定于数据库的组件)。

讨论

Sqoop是一个关系数据库输入和输出系统，由Cloudera创建，目前是Apache项目。

执行导入时，Sqoop可以写入HDFS、Hive和HBase，对于输出，它可以执行相反操作。导入分为两部分：连接到数据源以收集统计信息，然后触发执行实际导入的MapReduce作业。图5.10显示了这些步骤。

图5.10 Sqoop导入：连接到数据源并使用MapReduce

Sqoop有连接器的概念，它包含读写外部系统所需的专用逻辑。Sqoop提供两类连接器：用于常规读取和写入的通用连接器，以及使用数据库专有批处理机制进行高效导入的快速连接器。图5.11显示了这两类连接器及其支持的数据库。

图5.11用于读写外部系统的Sqoop连接器

在继续之前，我们需要访问MySQL数据库，并且MySQL JDBC JAR需要可用。以下脚本将创建必要的MySQL用户和模式并加载数据。该脚本创建了一个hip_sqoop_user MySQL用户，并创建了包含三个表的sqoop_test数据库：stocks，stocks_export和stocks_staging。然后，它将stock样本数据加载到表中。所有这些步骤都通过运行以下命令来执行：

这是快速浏览脚本功能：　　

第一个Sqoop命令是基本导入，在其中指定MySQL数据库和要导出的表连接信息：

MySQL表名称

Linux中的MySQL表名称区分大小写，确保在Sqoop命令中提供的表名使用正确的大小写。

默认情况下，Sqoop使用表名作为HDFS中的目标目录，用于执行导入的MapReduce作业。如果再次运行相同的命令，MapReduce作业将失败，因为该目录已存在。

我们来看看HDFS中的stocks目录：

导入数据格式

Sqoop已将数据导入为逗号分隔的文本文件。它支持许多其他文件格式，可以使用表5.6中列出的参数激活它们。

表5.6 控制导入文件格式的Sqoop参数

如果要导入大量数据，则可能需要使用Avro等文件格式，这是一种紧凑的数据格式，并将其与压缩结合使用。以下示例将Snappy压缩编解码器与Avro文件结合使用。它还使用--target-dir选项将输出写入表名的不同目录，并指定应使用--where选项导入行的子集。可以使用--columns指定要提取的特定列：

请注意，必须在iopression.codecs属性下的配置文件core-site.xml中定义在命令行上提供的压缩。Snappy压缩编解码器要求安装Hadoop本机库。有关压缩设置和配置等更多详细信息，请参见第4章，链接见文末。

可以通过引入AvroDump工具来了解Avro文件结构，以了解Sqoop如何布局记录。Sqoop使用Avro的GenericRecord进行记录级存储(有关详细信息，请参阅第3章，链接见文末)。如果针对HDFS中Sqoop生成的文件运行AvroDump，将看到以下内容：

将Sqoop与SequenceFiles结合使用

SequenceFiles难以使用的一个原因是，没有通用的方法来访问SequenceFile中的数据。必须有权访问用于写入数据的Writable类。在Sqoop的情况下，代码可生成此文件，这引入了一个主要问题：如果转移到较新版本的Sqoop，并且该版本修改了代码生成器，那么旧代码生成的类可能无法与SequenceFiles一起使用。需要将所有旧的SequenceFiles迁移到新版本，或者具有可以使用这些SequenceFiles不同版本的代码。由于此限制，不建议将SequenceFiles与Sqoop一起使用。如果正在寻找有关SequenceFiles如何工作的更多信息，请运行Sqoop导入工具并查看在工作目录中生成的stocks.java文件。

可以更进一步，使用--query选项指定整个查询，如下所示：

保护密码

到目前为止，我们一直在命令行中使用明文密码，这是一个安全漏洞，因为主机上的其他用户可以轻松列出正在运行的进程并查看密码。幸运的是，Sqoop有一些机制可以用来避免密码泄露。

第一种方法是使用-P选项，这将导致Sqoop提示输入密码。这是最安全的方法，因为它不需要存储密码，但这意味着无法自动执行Sqoop命令。

第二种方法是使用--password-file选项，可以在其中指定包含密码的文件。请注意，此文件必须存在于已配置的文件系统中(通常可能是HDFS)，而不是存在于Sqoop客户端本地磁盘上。你可能希望锁定文件，以便只有你对此文件具有读取权限。 这仍然不是最安全的选项，因为文件系统上的root用户仍然可以窥探文件，除非运行安全级别较高的Hadoop，否则即使非root用户也可以轻松访问。

最后一个选项是使用选项文件。创建一个名为/.sqoop-import-opts的文件：　　

不要忘记锁定文件以避免用户窥探：

然后，我们可以通过--options-file选项将此文件名提供给Sqoop作业，Sqoop将读取文件中指定的选项，这意味着无需在命令行上提供它们：

数据拆分

Sqoop如何在多个mapper之间并行化导入?在图5.10中，我展示了Sqoop的第一步是如何从数据库中提取元数据。它检查导入的表以确定主键，并运行查询以确定表中数据的下限和上限(见图5.12)。Sqoop假设在最小和最大键内的数据接近均匀分布，因为它将delta(最小和最大键之间的范围)按照mapper数量拆分。然后，为每个mapper提供包含一系列主键的唯一查询。

图5.12 确定查询拆分的Sqoop预处理步骤

我们可以将Sqoop配置为使用带有--split-by参数的非主键，这在最小值和最大值之间没有均匀分布的情况下非常有用。但是，对于大型表，需要注意--split-by中指定的列已编制索引以确保最佳导入时间，可以使用--boundary-query参数构造备用查询以确定最小值和最大值。

增量导入

Sqoop支持两种导入类型：追加用于随时间递增的数值数据，例如自动增量键;lastmodified适用于带时间戳的数据。在这两种情况下，都需要使用--check-column指定列，通过--incremental参数指定模式(值必须是append或lastmodified)，以及用于通过--last-value确定增量更改的实际值。

例如，如果要导入2005年1月1日更新的stock数据，则执行以下操作：

假设还有另一个系统继续写入该表，可以使用此作业的--last-value输出作为后续Sqoop作业的输入，这样只会导入比该日期更新的行。

Sqoop作业和Metastore

可以在命令输出中看到增量列的最后一个值。如何才能最好地自动化可以重用该值的流程?Sqoop有一个作业的概念，可以保存这些信息并在后续执行中重复使用：

执行上述命令会在Sqoop Metastore中创建一个命名作业，该作业会跟踪所有作业。默认情况下，Metastore包含在.sqoop下的主目录中，仅用于自己的作业。如果要在用户和团队之间共享作业，则需要为Sqoop的Metastore安装符合JDBC的数据库，并在发出作业命令时使用--meta-connect参数指定其位置。

在上一个示例中执行的作业创建命令除了将作业添加到Metastore之外没有做任何其他操作。要运行作业，需要显式执行，如下所示：

--show参数显示的元数据包括增量列的最后一个值。这实际上是执行命令的时间，而不是表中的最后一个值。如果正在使用此功能，请确保数据库服务器和与服务器(包括Sqoop客户端)交互的任何客户端的时钟与网络时间协议(NTP)同步。

Sqoop将在运行作业时提示输入密码。要使其在自动脚本中运行，需要使用Expect(一种Linux自动化工具)在检测到Sqoop提示输入密码时从本地文件提供密码，可以在GitHub上找到与Sqoop一起使用的Expect脚本，网址为：https://github/alexholmes/hadoop-book/blob/master/bin/sqoop-job.exp。

Sqoop作业也可以删除，如下所示：

$ sqoop job --delete stock_increment

快速MySQL导入

如果想完全绕过JDBC并使用快速MySQL Sqoop连接器进行HDFS的高吞吐量加载，该怎么办?该方法使用MySQL附带的mysqldump实用程序来执行加载。必须确保mysqldump位于运行MapReduce作业的用户路径中。要启用快速连接器，必须指定--direct参数：

快速连接器有哪些缺点? 快速连接器仅适用于文本输出文件 ，指定Avro或SequenceFile，因为导入的输出格式不起作用。

导入到Hive

此技术的最后一步是使用Sqoop将数据导入Hive表。HDFS导入和Hive导入之间的唯一区别是Hive导入有一个后处理步骤，其中创建并加载Hive表，如图5.13所示。

图5.13 Sqoop Hive导入事件序列

当数据从HDFS文件或目录加载到Hive时，如Sqoop Hive导入的情况(图中的步骤4)，Hive将目录移动到其仓库而不是复制数据(步骤5)以提高效率。导入后，Sqoop MapReduce作业写入的HDFS目录将不存在。

Hive导入是通过--hive-import参数触发的。就像快速连接器一样，此选项与--as-avrodatafile和--as -sequencefile选项不兼容：

导入包含Hive分隔符的字符串

如果要导入可以包含任何Hive分隔符(\n，\r和\01字符)的列，则可能会出现下游处理问题。在这种情况下，有两种选择：指定--hive-drop-import-delims，它将删除导入部分的冲突字符，或指定--hive-delims-replacement，它将用不同的字符替换它们。

如果Hive表已存在，则数据将附加到现有表。如果这不是所需的行为，则可以使用--hive-overwrite参数指示应使用导入的数据替换现有表。Sqoop目前仅支持Hive的文本输出，因此LZOP压缩编解码器是最佳选择，因为它可以在Hadoop中拆分(详见第4章)。以下示例显示如何结合使用--hive-overwrite LZOP压缩。为此，我们需要在集群上构建并安装LZOP，因为默认情况下它不与Hadoop(或CDH)捆绑在一起。有关详细信息，请参阅第4章(链接见文末)：

最后，我们可以使用--hive-partition-key和--hive-partition-value参数根据要导入的列的值创建不同的Hive分区。例如，如果要按stock名称对输入进行分区，请执行以下操作：

现在，前面的例子无论如何都不是最优的。理想情况下，单个导入将能够创建多个Hive分区。因为仅限于指定单个键和值，所以每个唯一的分区值需要运行一次导入，这很费力。最好导入到未分区的Hive表中，然后在加载后在表上追溯创建分区。

此外，提供给Sqoop的SQL查询还必须注意过滤掉结果，以便仅包含与分区匹配的那些。换句话说，如果Sqoop用符号=“AAPL”更新WHERE子句，那将会很有用。

连续Sqoop执行

如果需要定期安排导入HDFS，Oozie可以进行Sqoop集成，允许定期执行导入和导出。Oozie workflow.xml示例如下：

元素中不支持单引号和双引号，因此如果需要指定包含空格的参数，则需要使用元素：

使用Oozie的Sqoop时的另一个考虑因素是需要为Oozie提供JDBC驱动程序JAR。我们可以将JAR复制到工作流的lib/目录中，也可以使用JAR更新Hadoop安装的lib目录。

总结

显然，要使Sqoop工作，Hadoop集群节点需要能够访问MySQL数据库。常见的错误来源是错误配置或缺少Hadoop节点的连接。登录到其中一个Hadoop节点并尝试使用MySQL客户端连接到MySQL服务器或尝试使用mysqldump实用程序(如果使用的是快速连接器)可能是明智的。

使用快速连接器的另一个重点是，假设mysqldump安装在每个Hadoop节点上，并且位于运行map任务的用户路径中。本节内容的重点是将传统关系数据库的数据导入Hadoop，接下来，我们将从关系存储转换到NoSQL存储—HBase，后者擅长与Hadoop的数据互操作，因为它使用HDFS存储数据。大多数企业的关键数据存在于OLTP数据库中，存储在这些数据库中的数据包含有关用户，产品和其他有用信息。如果要分析此数据，传统方法是定期将该数据复制到OLAP数据仓库中。Hadoop已经出现在这个领域并扮演了两个角色：数据仓库的替代品;结构化、非结构化数据和数据仓库之间的桥梁。图5.8显示了第一个角色，其中H...

附加数据库就是将一个备份磁盘中的数据库文件(.MDF)和对应的日志文件(.LDF)拷贝到需要的计算机，并将其添加到某个SQL Server数据库服务器中，由该服务器来管理和使用这个数据库。

把需要附加的数据库文件拷贝到自己想存储的目录下，然后单击“数据库”，附加

点击添加，选择路径，单击确定，即可完成附加。在数据库界面就可以看到被附加的数据库了

分离数据库就是将某个数据库(如student_Mis)从SQL Server数据库列表中删除，使其不再被SQL Server管理和使用，但该数据库的文件(.MDF)和对应的日志文件(.LDF)完好无损。分离成功后，我们就可以把该数据库文件(.MDF)和对应的日志文件(.LDF)拷贝到其它磁盘中作为备份保存。（以Transino_ZHBB为例子）

打开属性窗口，在属性窗口中选择选项，然后找到状态，把限制访问改成“SIGN_USER”

单机确定之后，显示如下窗口

单击Transino_ZHBB,选择任务下的子菜单分离

如下图,如果消息栏为空，则选择“就绪”，否则“未就绪”，同时选择删除连接，更新统计信息

在Linux系统下oracle要如何创建数据库呢？下面来看看

1、 以oracle用户登录系统，打开终端输入dbca，如下图：下一步

2、 点击创建数据库，下一步

3、 默认即可，下一步

4、在全局数据库输入你要定义的名称，例如：myoracl，数据库实例名(SID)默认与全局数据库名相同，下一步

5、 不勾选配置Enterprise Manager，下一步

6、 数据库身份证明,可以为不同的账户分别设置不同的管理口令，也可以为所有账户设置同一口令，单击下一步

7、 数据库文件所在位置，默认存储类型：文件系统，存储位置：使用模板中的数据库文件位置，也可以自己指定存储路径，单击下一步

8、 恢复配置，指定快速恢复区，默认即可。有需要的可以配置。下一步

9、 内存、调整大小、字符集、连接模式可以根据自己的需要设置，下一步

10、 数据库存储，控制文件、数据文件、重做日志文件位置设置，单击下一步，创建选项，创建数据库，生成脚本，单击完成，开始创建数据库

点击退出即完成数据库创建（使用sqldeveloper）

11、 接下来测试下是否能链接上去

启动监听：lsnrctl start

输入：sqlplus / as sysdba

然后启动数据库：startup;

使用sqldeveloper链接，如下图

可用图形界面或者命令导入：

图形界面需要借助第三方工具plsql，方法如下：

1、登录到要导入的数据库及用户。

2、依次点击“工具”——“导入表”。

3、上方选择“oracle导入”，下方找到.dmp的文件，然后点击“导入”等待完成即可。

命令导入：

1、win键+R键，进入命令提示符。

2、进到.dmp文件所在文件夹：

3、输入如下命令：

imp 被导入用户名/密码@实例名 file=文件名.dmp log=日志.dmp fromuser=导出用户 touser=导入用户

输入后按回车键，等待导入完成即可。

说明：第三点中中文部分，请根据实际情况填写。

（本文内容由百度知道网友badkano贡献）

详细步骤如下：

　　1、点击【新建查询】按钮，打开SQL命令编辑框，对数据库表的操作以及维护都可以通过编辑SQL命令实现。

　　2、在编辑框内编辑创建数据库表的代码，确认代码无误后，单击【执行】按钮，创建数据表。

　　3、创建数据表的源代码如下：

　　use test

　　go

　　if exists(select name from sys.tables where name='Student')

　　drop table Student

　　go

　　create table Student

　　(sname nchar(10) primary key,

　　sex nchar(2) not null,

　　bir datetime

　　)

（本文内容由百度知道网友糖糖寳寳贡献）

方法/步骤

1、找到要打开的数据库文件，如图

2、如图所示，该数据库文件后缀名为.mdf，是SQL Server数据库的数据文件，这里将用SQL Server数据库对该文件进行打开。启动SQL Server数据库，如图

3、图为启动SQL Server Management Studio时的界面，登录后可以管理数据库数据。开启之后的界面如图

4、提示用户输入用户名和登录密码，输入正确后，点击登录，进入管理界面，如图

5、进入管理界面后，右键选择数据库，再选择【附加】功能，如图

6、点击【附加】后，出现窗口，如图

7、在【附加数据库】窗口中，点击【添加】按钮，提示选择要附加的数据库，如图

8、选种要添加的数据库，点击确定，在管理界面中会出现添加的数据库，如图

9、打开数据库，就可以看到数据库中的表，表中的数据都可以看到。如图

注意事项

按以上步骤来，就可以打开数据库文件。

不要直接点右键进行打开，可能会对文件告成损坏。

（本文内容由百度知道网友凉城空也贡献）

1、选择开始菜单中→程序→【Management SQL Server 2008】→【SQL Server Management Studio】命令，打开【SQL Server Management Studio】窗口，并使用Windows或 SQL Server身份验证建立连接。

2、在【对象资源管理器】窗口中展开服务器，然后选择【数据库】节点

3、右键单击【数据库】节点，从弹出来的快捷菜单中选择【新建数据库】命令。

4、执行上述操作后，会弹出【新建数据库】对话框。在对话框、左侧有3个选项，分别是【常规】、【选项】和【文件组】。完成这三个选项中的设置会后，就完成了数据库的创建工作，

5、在【数据库名称】文本框中输入要新建数据库的名称。例如，这里以“新建的数据库”。

6、在【所有者】文本框中输入新建数据库的所有者，如sa。根据数据库的使用情况，选择启用或者禁用【使用全文索引】复选框。

7、在【数据库文件】列表中包括两行，一行是数据库文件，而另一行是日记文件。通过单击下面的【添加】、【删除】按钮添加或删除数据库文件。

8、切换到【选项页】、在这里可以设置数据库的排序规则、恢复模式、兼容级别和其他属性。

9、切换到【文件组】页，在这里可以添加或删除文件组。

10、完成以上操作后，单击【确定】按钮关闭【新建数据库】对话框。至此“新建的数据”数据库创建成功。新建的数据库可以再【对象资源管理器】窗口看到。

（本文内容由百度知道网友贡献）

插入数据分为两种情况，一种是用insert into ...values 的语法，一种是用insert into select ...的语法。

举例：

如test表中有如下数据：

插入一条id为6，name为杨七的数据。

insert into test values (6,'杨七');
commit;

此时表中数据为：

另，要求向表中复制一条目前表中id为1的数据，可用如下语句：

insert into test select * from test where id=1;
commit;

此时表中数据为：

注意：在执行insert语句后，必须提交，即commit，否则插入结果只在当前session有效，重新开启另外的session会插入不成功。

（本文内容由百度知道网友badkano贡献）

eclipse如何使用JDBC向数据库插入数据！

1.在工程中新建InsertTest.java类

2.向数据库中插入数据总共分为4步   1.获取数据库连接   2.准备sql语句   3.执行插入      3.1使用connection的createStatement()方法获取Statement对象      3.2调用Statement对象的executeUpdate(sql)方法执行插入操作   4.关闭数据库连接

3.完成后的代码为：

4.在Main方法中添加测试代码

5.执行结果

6.数据库中的数据为

7.以上代码只能作为学习使用，正式开发中还要进行一些异常处理，如下代码

8.此方法为 JDBC的插入，更新，删除的通用方法，替换SQL为更新sql

9.执行结果，数据库已经更新掉了

10.把SQL替换为删除操作

11.执行后的数据库状态