欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识！
您现在的位置是： 首页

Hadoop 中利用 mapreduce 读写 mysql 数据 博客分类： Hadoop Hadoop 

程序员文章站 2024-03-17 23:54:04
...

问题导读
1.hadoop mapreduce的通过哪两个类可以读取数据源？
2.如果没有mysql驱动包，一般会是什么问题？
3.如何添加包？

Hadoop 中利用 mapreduce 读写 mysql 数据 博客分类： Hadoop Hadoop 


有时候我们在项目中会遇到输入结果集很大，但是输出结果很小，比如一些 pv、uv 数据，然后为了实时查询的需求，或者一些 OLAP 的需求，我们需要 mapreduce 与 mysql 进行数据的交互，而这些特性正是 hbase 或者 hive 目前亟待改进的地方。

好了言归正传，简单的说说背景、原理以及需要注意的地方：

1、为了方便 MapReduce 直接访问关系型数据库（Mysql,Oracle），Hadoop提供了DBInputFormat和DBOutputFormat两个类。通过DBInputFormat类把数据库表数据读入到HDFS，根据DBOutputFormat类把MapReduce产生的结果集导入到数据库表中。

2、由于0.20版本对DBInputFormat和DBOutputFormat支持不是很好，该例用了0.19版本来说明这两个类的用法。

至少在我的 0.20.203 中的 org.apache.hadoop.mapreduce.lib 下是没见到 db 包，所以本文也是以老版的 API 来为例说明的。

3、运行MapReduce时候报错：java.io.IOException: com.mysql.jdbc.Driver，一般是由于程序找不到mysql驱动包。解决方法是让每个tasktracker运行MapReduce程序时都可以找到该驱动包。

添加包有两种方式：

（1）在每个节点下的${HADOOP_HOME}/lib下添加该包。重启集群，一般是比较原始的方法。

（2）a)把包传到集群上： hadoop fs -put mysql-connector-java-5.1.0- bin.jar /hdfsPath/

       b)在mr程序提交job前，添加语句：DistributedCache.addFileToClassPath(new Path(“/hdfsPath/mysql- connector-java- 5.1.0-bin.jar”), conf);

（3）虽然API用的是0.19的，但是使用0.20的API一样可用，只是会提示方法已过时而已。、

4、测试数据：

  1. CREATE TABLE `t` (
  2. `id` int DEFAULT NULL,
  3. `name` varchar(10) DEFAULT NULL
  4. ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
  6. CREATE TABLE `t2` (
  7. `id` int DEFAULT NULL,
  8. `name` varchar(10) DEFAULT NULL
  9. ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
  11. insert into t values (1,"june"),(2,"decli"),(3,"hello"),
  12.         (4,"june"),(5,"decli"),(6,"hello"),(7,"june"),
  13.         (8,"decli"),(9,"hello"),(10,"june"),
  14.         (11,"june"),(12,"decli"),(13,"hello");
复制代码


5、代码：

  1. import java.io.DataInput;
  2. import java.io.DataOutput;
  3. import java.io.IOException;
  4. import java.sql.PreparedStatement;
  5. import java.sql.ResultSet;
  6. import java.sql.SQLException;
  7. import java.util.Iterator;
  9. import org.apache.hadoop.filecache.DistributedCache;
  10. import org.apache.hadoop.fs.Path;
  11. import org.apache.hadoop.io.LongWritable;
  12. import org.apache.hadoop.io.Text;
  13. import org.apache.hadoop.io.Writable;
  14. import org.apache.hadoop.mapred.JobClient;
  15. import org.apache.hadoop.mapred.JobConf;
  16. import org.apache.hadoop.mapred.MapReduceBase;
  17. import org.apache.hadoop.mapred.Mapper;
  18. import org.apache.hadoop.mapred.OutputCollector;
  19. import org.apache.hadoop.mapred.Reducer;
  20. import org.apache.hadoop.mapred.Reporter;
  21. import org.apache.hadoop.mapred.lib.IdentityReducer;
  22. import org.apache.hadoop.mapred.lib.db.DBConfiguration;
  23. import org.apache.hadoop.mapred.lib.db.DBInputFormat;
  24. import org.apache.hadoop.mapred.lib.db.DBOutputFormat;
  25. import org.apache.hadoop.mapred.lib.db.DBWritable;
  27. /**
  28. * Function: 测试 mr 与 mysql 的数据交互，此测试用例将一个表中的数据复制到另一张表中
  29. *                          实际当中，可能只需要从 mysql 读，或者写到 mysql 中。
  30. * date: 2013-7-29 上午2:34:04 <br/>
  31. * @author june
  32. */
  33. public class Mysql2Mr {
  34.         // DROP TABLE IF EXISTS `hadoop`.`studentinfo`;
  35.         // CREATE TABLE studentinfo (
  36.         // id INTEGER NOT NULL PRIMARY KEY,
  37.         // name VARCHAR(32) NOT NULL);
  39.         public static class StudentinfoRecord implements Writable, DBWritable {
  40.                 int id;
  41.                 String name;
  43.                 public StudentinfoRecord() {
  45.                 }
  47.                 public void readFields(DataInput in) throws IOException {
  48.                         this.id = in.readInt();
  49.                         this.name = Text.readString(in);
  50.                 }
  52.                 public String toString() {
  53.                         return new String(this.id + " " + this.name);
  54.                 }
  56.                 @Override
  57.                 public void write(PreparedStatement stmt) throws SQLException {
  58.                         stmt.setInt(1, this.id);
  59.                         stmt.setString(2, this.name);
  60.                 }
  62.                 @Override
  63.                 public void readFields(ResultSet result) throws SQLException {
  64.                         this.id = result.getInt(1);
  65.                         this.name = result.getString(2);
  66.                 }
  68.                 @Override
  69.                 public void write(DataOutput out) throws IOException {
  70.                         out.writeInt(this.id);
  71.                         Text.writeString(out, this.name);
  72.                 }
  73.         }
  75.         // 记住此处是静态内部类，要不然你自己实现无参构造器，或者等着抛异常：
  76.         // Caused by: java.lang.NoSuchMethodException: DBInputMapper.<init>()
  77.         // http://*.com/questions/7154125/custom-mapreduce-input-format-cant-find-constructor
  78.         // 网上脑残式的转帖，没见到一个写对的。。。
  79.         public static class DBInputMapper extends MapReduceBase implements
  80.                         Mapper<LongWritable, StudentinfoRecord, LongWritable, Text> {
  81.                 public void map(LongWritable key, StudentinfoRecord value,
  82.                                 OutputCollector<LongWritable, Text> collector, Reporter reporter) throws IOException {
  83.                         collector.collect(new LongWritable(value.id), new Text(value.toString()));
  84.                 }
  85.         }
  87.         public static class MyReducer extends MapReduceBase implements
  88.                         Reducer<LongWritable, Text, StudentinfoRecord, Text> {
  89.                 @Override
  90.                 public void reduce(LongWritable key, Iterator<Text> values,
  91.                                 OutputCollector<StudentinfoRecord, Text> output, Reporter reporter) throws IOException {
  92.                         String[] splits = values.next().toString().split(" ");
  93.                         StudentinfoRecord r = new StudentinfoRecord();
  94.                         r.id = Integer.parseInt(splits[0]);
  95.                         r.name = splits[1];
  96.                         output.collect(r, new Text(r.name));
  97.                 }
  98.         }
  100.         public static void main(String[] args) throws IOException {
  101.                 JobConf conf = new JobConf(Mysql2Mr.class);
  102.                 DistributedCache.addFileToClassPath(new Path("/tmp/mysql-connector-java-5.0.8-bin.jar"), conf);
  104.                 conf.setMapOutputKeyClass(LongWritable.class);
  105.                 conf.setMapOutputValueClass(Text.class);
  106.                 conf.setOutputKeyClass(LongWritable.class);
  107.                 conf.setOutputValueClass(Text.class);
  109.                 conf.setOutputFormat(DBOutputFormat.class);
  110.                 conf.setInputFormat(DBInputFormat.class);
  111.                 // // mysql to hdfs
  112.                 // conf.setReducerClass(IdentityReducer.class);
  113.                 // Path outPath = new Path("/tmp/1");
  114.                 // FileSystem.get(conf).delete(outPath, true);
  115.                 // FileOutputFormat.setOutputPath(conf, outPath);
  117.                 DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.1.101:3306/test",
  118.                                 "root", "root");
  119.                 String[] fields = { "id", "name" };
  120.                 // 从 t 表读数据
  121.                 DBInputFormat.setInput(conf, StudentinfoRecord.class, "t", null, "id", fields);
  122.                 // mapreduce 将数据输出到 t2 表
  123.                 DBOutputFormat.setOutput(conf, "t2", "id", "name");
  124.                 // conf.setMapperClass(org.apache.hadoop.mapred.lib.IdentityMapper.class);
  125.                 conf.setMapperClass(DBInputMapper.class);
  126.                 conf.setReducerClass(MyReducer.class);
  128.                 JobClient.runJob(conf);
  129.         }
  130. }
复制代码



6、结果：

执行两次后，你可以看到mysql结果：

  1. mysql> select * from t2;
  2. +------+-------+
  3. | id   | name  |
  4. +------+-------+
  5. |    1 | june  |
  6. |    2 | decli |
  7. |    3 | hello |
  8. |    4 | june  |
  9. |    5 | decli |
  10. |    6 | hello |
  11. |    7 | june  |
  12. |    8 | decli |
  13. |    9 | hello |
  14. |   10 | june  |
  15. |   11 | june  |
  16. |   12 | decli |
  17. |   13 | hello |
  18. |    1 | june  |
  19. |    2 | decli |
  20. |    3 | hello |
  21. |    4 | june  |
  22. |    5 | decli |
  23. |    6 | hello |
  24. |    7 | june  |
  25. |    8 | decli |
  26. |    9 | hello |
  27. |   10 | june  |
  28. |   11 | june  |
  29. |   12 | decli |
  30. |   13 | hello |
  31. +------+-------+
  32. 26 rows in set (0.00 sec)
  34. mysql>
复制代码


7、日志：

  1. 13/07/29 02:33:03 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
  2. 13/07/29 02:33:03 INFO filecache.TrackerDistributedCacheManager: Creating mysql-connector-java-5.0.8-bin.jar in /tmp/hadoop-june/mapred/local/archive/-8943686319031389138_-1232673160_640840668/192.168.1.101/tmp-work--8372797484204470322 with rwxr-xr-x
  3. 13/07/29 02:33:03 INFO filecache.TrackerDistributedCacheManager: Cached hdfs://192.168.1.101:9000/tmp/mysql-connector-java-5.0.8-bin.jar as /tmp/hadoop-june/mapred/local/archive/-8943686319031389138_-1232673160_640840668/192.168.1.101/tmp/mysql-connector-java-5.0.8-bin.jar
  4. 13/07/29 02:33:03 INFO filecache.TrackerDistributedCacheManager: Cached hdfs://192.168.1.101:9000/tmp/mysql-connector-java-5.0.8-bin.jar as /tmp/hadoop-june/mapred/local/archive/-8943686319031389138_-1232673160_640840668/192.168.1.101/tmp/mysql-connector-java-5.0.8-bin.jar
  5. 13/07/29 02:33:03 INFO mapred.JobClient: Running job: job_local_0001
  6. 13/07/29 02:33:03 INFO mapred.MapTask: numReduceTasks: 1
  7. 13/07/29 02:33:03 INFO mapred.MapTask: io.sort.mb = 100
  8. 13/07/29 02:33:03 INFO mapred.MapTask: data buffer = 79691776/99614720
  9. 13/07/29 02:33:03 INFO mapred.MapTask: record buffer = 262144/327680
  10. 13/07/29 02:33:03 INFO mapred.MapTask: Starting flush of map output
  11. 13/07/29 02:33:03 INFO mapred.MapTask: Finished spill 0
  12. 13/07/29 02:33:03 INFO mapred.Task: Task:attempt_local_0001_m_000000_0 is done. And is in the process of commiting
  13. 13/07/29 02:33:04 INFO mapred.JobClient:  map 0% reduce 0%
  14. 13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
  15. 13/07/29 02:33:06 INFO mapred.Task: Task 'attempt_local_0001_m_000000_0' done.
  16. 13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
  17. 13/07/29 02:33:06 INFO mapred.Merger: Merging 1 sorted segments
  18. 13/07/29 02:33:06 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 235 bytes
  19. 13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
  20. 13/07/29 02:33:06 INFO mapred.Task: Task:attempt_local_0001_r_000000_0 is done. And is in the process of commiting
  21. 13/07/29 02:33:07 INFO mapred.JobClient:  map 100% reduce 0%
  22. 13/07/29 02:33:09 INFO mapred.LocalJobRunner: reduce > reduce
  23. 13/07/29 02:33:09 INFO mapred.Task: Task 'attempt_local_0001_r_000000_0' done.
  24. 13/07/29 02:33:09 WARN mapred.FileOutputCommitter: Output path is null in cleanup
  25. 13/07/29 02:33:10 INFO mapred.JobClient:  map 100% reduce 100%
  26. 13/07/29 02:33:10 INFO mapred.JobClient: Job complete: job_local_0001
  27. 13/07/29 02:33:10 INFO mapred.JobClient: Counters: 18
  28. 13/07/29 02:33:10 INFO mapred.JobClient:   File Input Format Counters 
  29. 13/07/29 02:33:10 INFO mapred.JobClient:     Bytes Read=0
  30. 13/07/29 02:33:10 INFO mapred.JobClient:   File Output Format Counters 
  31. 13/07/29 02:33:10 INFO mapred.JobClient:     Bytes Written=0
  32. 13/07/29 02:33:10 INFO mapred.JobClient:   FileSystemCounters
  33. 13/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_READ=1211691
  34. 13/07/29 02:33:10 INFO mapred.JobClient:     HDFS_BYTES_READ=1081704
  35. 13/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=2392844
  36. 13/07/29 02:33:10 INFO mapred.JobClient:   Map-Reduce Framework
  37. 13/07/29 02:33:10 INFO mapred.JobClient:     Map output materialized bytes=239
  38. 13/07/29 02:33:10 INFO mapred.JobClient:     Map input records=13
  39. 13/07/29 02:33:10 INFO mapred.JobClient:     Reduce shuffle bytes=0
  40. 13/07/29 02:33:10 INFO mapred.JobClient:     Spilled Records=26
  41. 13/07/29 02:33:10 INFO mapred.JobClient:     Map output bytes=207
  42. 13/07/29 02:33:10 INFO mapred.JobClient:     Map input bytes=13
  43. 13/07/29 02:33:10 INFO mapred.JobClient:     SPLIT_RAW_BYTES=75
  44. 13/07/29 02:33:10 INFO mapred.JobClient:     Combine input records=0
  45. 13/07/29 02:33:10 INFO mapred.JobClient:     Reduce input records=13
  46. 13/07/29 02:33:10 INFO mapred.JobClient:     Reduce input groups=13
  47. 13/07/29 02:33:10 INFO mapred.JobClient:     Combine output records=0
  48. 13/07/29 02:33:10 INFO mapred.JobClient:     Reduce output records=13
  49. 13/07/29 02:33:10 INFO mapred.JobClient:     Map output records=13
复制代码





Hadoop 中利用 mapreduce 读写 mysql 数据 博客分类： Hadoop Hadoop 

MapReduce直接连接Mysql获取数据






Mysql中数据：

  1. mysql> select * from lxw_tbls;
  2. +---------------------+----------------+
  3. | TBL_NAME            | TBL_TYPE       |
  4. +---------------------+----------------+
  5. | lxw_test_table      | EXTERNAL_TABLE |
  6. | lxw_t               | MANAGED_TABLE  |
  7. | lxw_t1              | MANAGED_TABLE  |
  8. | tt                  | MANAGED_TABLE  |
  9. | tab_partition       | MANAGED_TABLE  |
  10. | lxw_hbase_table_1   | MANAGED_TABLE  |
  11. | lxw_hbase_user_info | MANAGED_TABLE  |
  12. | t                   | EXTERNAL_TABLE |
  13. | lxw_jobid           | MANAGED_TABLE  |
  14. +---------------------+----------------+
  15. 9 rows in set (0.01 sec)
  17. mysql> select * from lxw_tbls where TBL_NAME like 'lxw%' order by TBL_NAME;
  18. +---------------------+----------------+
  19. | TBL_NAME            | TBL_TYPE       |
  20. +---------------------+----------------+
  21. | lxw_hbase_table_1   | MANAGED_TABLE  |
  22. | lxw_hbase_user_info | MANAGED_TABLE  |
  23. | lxw_jobid           | MANAGED_TABLE  |
  24. | lxw_t               | MANAGED_TABLE  |
  25. | lxw_t1              | MANAGED_TABLE  |
  26. | lxw_test_table      | EXTERNAL_TABLE |
  27. +---------------------+----------------+
  28. 6 rows in set (0.00 sec)
复制代码


MapReduce程序代码，ConnMysql.java:

  1. package com.lxw.study;
  3. import java.io.DataInput;
  4. import java.io.DataOutput;
  5. import java.io.IOException;
  6. import java.net.URI;
  7. import java.sql.PreparedStatement;
  8. import java.sql.ResultSet;
  9. import java.sql.SQLException;
  10. import java.util.Iterator;
  12. import org.apache.hadoop.conf.Configuration;
  13. import org.apache.hadoop.filecache.DistributedCache;
  14. import org.apache.hadoop.fs.FileSystem;
  15. import org.apache.hadoop.fs.Path;
  16. import org.apache.hadoop.io.LongWritable;
  17. import org.apache.hadoop.io.Text;
  18. import org.apache.hadoop.io.Writable;
  19. import org.apache.hadoop.mapreduce.Job;
  20. import org.apache.hadoop.mapreduce.Mapper;
  21. import org.apache.hadoop.mapreduce.Reducer;
  22. import org.apache.hadoop.mapreduce.lib.db.DBConfiguration;
  23. import org.apache.hadoop.mapreduce.lib.db.DBInputFormat;
  24. import org.apache.hadoop.mapreduce.lib.db.DBWritable;
  25. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
  27. public class ConnMysql {
  28.         
  29.         private static Configuration conf = new Configuration();
  30.         
  31.         static {
  32.                 conf.addResource(new Path("F:/lxw-hadoop/hdfs-site.xml"));
  33.                 conf.addResource(new Path("F:/lxw-hadoop/mapred-site.xml"));
  34.                 conf.addResource(new Path("F:/lxw-hadoop/core-site.xml"));
  35.                 conf.set("mapred.job.tracker", "10.133.103.21:50021");
  36.         }
  37.         
  38.         public static class TblsRecord implements Writable, DBWritable {
  39.                 String tbl_name;
  40.                 String tbl_type;
  42.                 public TblsRecord() {
  44.                 }
  46.                 @Override
  47.                 public void write(PreparedStatement statement) throws SQLException {
  48.                         // TODO Auto-generated method stub
  49.                         statement.setString(1, this.tbl_name);
  50.                         statement.setString(2, this.tbl_type);
  51.                 }
  53.                 @Override
  54.                 public void readFields(ResultSet resultSet) throws SQLException {
  55.                         // TODO Auto-generated method stub
  56.                         this.tbl_name = resultSet.getString(1);
  57.                         this.tbl_type = resultSet.getString(2);
  58.                 }
  60.                 @Override
  61.                 public void write(DataOutput out) throws IOException {
  62.                         // TODO Auto-generated method stub
  63.                         Text.writeString(out, this.tbl_name);
  64.                         Text.writeString(out, this.tbl_type);
  65.                 }
  67.                 @Override
  68.                 public void readFields(DataInput in) throws IOException {
  69.                         // TODO Auto-generated method stub
  70.                         this.tbl_name = Text.readString(in);
  71.                         this.tbl_type = Text.readString(in);
  72.                 }
  74.                 public String toString() {
  75.                         return new String(this.tbl_name + " " + this.tbl_type);
  76.                 }
  78.         }
  80.         public static class ConnMysqlMapper extends Mapper<LongWritable,TblsRecord,Text,Text> {
  81.                 public void map(LongWritable key,TblsRecord values,Context context) 
  82.                                 throws IOException,InterruptedException {
  83.                         context.write(new Text(values.tbl_name), new Text(values.tbl_type));
  84.                 }
  85.         }
  86.         
  87.         public static class ConnMysqlReducer extends Reducer<Text,Text,Text,Text> {
  88.                 public void reduce(Text key,Iterable<Text> values,Context context) 
  89.                                 throws IOException,InterruptedException {
  90.                         for(Iterator<Text> itr = values.iterator();itr.hasNext();) {
  91.                                 context.write(key, itr.next());
  92.                         }
  93.                 }
  94.         }
  95.         
  96.         public static void main(String[] args) throws Exception {
  97.                 Path output = new Path("/user/lxw/output/");
  98.                 
  99.                 FileSystem fs = FileSystem.get(URI.create(output.toString()), conf);
  100.                 if (fs.exists(output)) {
  101.                         fs.delete(output);
  102.                 }
  103.                 
  104.                 //mysql的jdbc驱动
  105.                 DistributedCache.addFileToClassPath(new Path(  
  106.                           "hdfs://hd022-test.nh.sdo.com/user/liuxiaowen/mysql-connector-java-5.1.13-bin.jar"), conf);  
  107.                 
  108.                 DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver",  
  109.                           "jdbc:mysql://10.133.103.22:3306/hive", "hive", "hive");  
  110.                 
  111.                 Job job = new Job(conf,"test mysql connection");
  112.                 job.setJarByClass(ConnMysql.class);
  113.                 
  114.                 job.setMapperClass(ConnMysqlMapper.class);
  115.                 job.setReducerClass(ConnMysqlReducer.class);
  116.                 
  117.                 job.setOutputKeyClass(Text.class);
  118.                 job.setOutputValueClass(Text.class);
  119.                 
  120.                 job.setInputFormatClass(DBInputFormat.class);
  121.                 FileOutputFormat.setOutputPath(job, output);
  122.                 
  123.                 //列名
  124.                 String[] fields = { "TBL_NAME", "TBL_TYPE" }; 
  125.                 //六个参数分别为：
  126.                 //1.Job;2.Class<? extends DBWritable>
  127.                 //3.表名;4.where条件
  128.                 //5.order by语句;6.列名
  129.                 DBInputFormat.setInput(job, TblsRecord.class,
  130.                      "lxw_tbls", "TBL_NAME like 'lxw%'", "TBL_NAME", fields);  
  131.                 
  132.                 System.exit(job.waitForCompletion(true) ? 0 : 1);
  133.         }
  134.         
  135. }
复制代码


运行结果：

  1. [lxw@hd025-test ~]$ hadoop fs -cat /user/lxw/output/part-r-00000
  2. lxw_hbase_table_1       MANAGED_TABLE
  3. lxw_hbase_user_info     MANAGED_TABLE
  4. lxw_jobid       MANAGED_TABLE
  5. lxw_t   MANAGED_TABLE
  6. lxw_t1  MANAGED_TABLE
  7. lxw_test_table  EXTERNAL_TABLE
复制代码

http://www.aboutyun.com/forum.php?highlight=MapReduce+MySQL&mod=viewthread&tid=7405

相关标签： Hadoop

上一篇： 学习android开源游戏引擎AndEngine----初之感 博客分类： android开源游戏引擎AndEngine androidAndEngine游戏引擎开源框架

下一篇： 面试算法（1）

推荐阅读