Hadoop 中利用 mapreduce 读写 mysql 数据

Hadoop 中利用 mapreduce 读写 mysql 数据

 

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

5、代码：

1. package mysql2mr;
2. import java.io.DataInput;
3. import java.io.DataOutput;
4. import java.io.File;
5. import java.io.IOException;
6. import java.sql.PreparedStatement;
7. import java.sql.ResultSet;
8. import java.sql.SQLException;
9. import mapr.EJob;
10. import org.apache.hadoop.conf.Configuration;
11. import org.apache.hadoop.filecache.DistributedCache;
12. import org.apache.hadoop.fs.Path;
13. import org.apache.hadoop.io.LongWritable;
14. import org.apache.hadoop.io.Text;
15. import org.apache.hadoop.io.Writable;
16. import org.apache.hadoop.mapred.JobConf;
17. import org.apache.hadoop.mapreduce.Job;
18. import org.apache.hadoop.mapreduce.Mapper;
19. import org.apache.hadoop.mapreduce.Reducer;
20. import org.apache.hadoop.mapreduce.lib.db.DBConfiguration;
21. import org.apache.hadoop.mapreduce.lib.db.DBInputFormat;
22. import org.apache.hadoop.mapreduce.lib.db.DBOutputFormat;
23. import org.apache.hadoop.mapreduce.lib.db.DBWritable;
24. /**
25. * 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 实际当中，可能只需要从 mysql 读，或者写到
26. * mysql 中。
27. *
28. * @author administrator
29. *
30. */
31. public class Mysql2Mr {
32. public static class StudentinfoRecord implements Writable, DBWritable {
33. int id;
34. String name;
35. public StudentinfoRecord() {
36. }
37. public String toString() {
38. return new String(this.id + " " + this.name);
39. }
40. @Override
41. public void readFields(ResultSet result) throws SQLException {
42. this.id = result.getInt(1);
43. this.name = result.getString(2);
44. }
45. @Override
46. public void write(PreparedStatement stmt) throws SQLException {
47. stmt.setInt(1, this.id);
48. stmt.setString(2, this.name);
49. }
50. @Override
51. public void readFields(DataInput in) throws IOException {
52. this.id = in.readInt();
53. this.name = Text.readString(in);
54. }
55. @Override
56. public void write(DataOutput out) throws IOException {
57. out.writeInt(this.id);
58. Text.writeString(out, this.name);
59. }
60. }
61. // 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：
62. // Caused by: java.lang.NoSuchMethodException: DBInputMapper.<init>()
63. // http://stackoverflow.com/questions/7154125/custom-mapreduce-input-format-cant-find-constructor
64. // 网上脑残式的转帖，没见到一个写对的。。。
65. public static class DBInputMapper extends
66. Mapper<LongWritable, StudentinfoRecord, LongWritable, Text> {
67. @Override
68. public void map(LongWritable key, StudentinfoRecord value,
69. Context context) throws IOException, InterruptedException {
70. context.write(new LongWritable(value.id), new Text(value.toString()));
71. }
72. }
73. public static class MyReducer extends Reducer<LongWritable, Text, StudentinfoRecord, Text> {
74. @Override
75. public void reduce(LongWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
76. String[] splits = values.iterator().next().toString().split(" ");
77. StudentinfoRecord r = new StudentinfoRecord();
78. r.id = Integer.parseInt(splits[0]);
79. r.name = splits[1];
80. context.write(r, new Text(r.name));
81. }
82. }
83. @SuppressWarnings("deprecation")
84. public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
85. File jarfile = EJob.createTempJar("bin");
86. EJob.addClasspath("usr/hadoop/conf");
87. ClassLoader classLoader = EJob.getClassLoader();
88. Thread.currentThread().setContextClassLoader(classLoader);
89. Configuration conf = new Configuration();
90. // 这句话很关键
91. conf.set("mapred.job.tracker", "172.30.1.245:9001");
92. DistributedCache.addFileToClassPath(new Path(
93. "hdfs://172.30.1.245:9000/user/hadoop/jar/mysql-connector-java-5.1.6-bin.jar"), conf);
94. DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://172.30.1.245:3306/sqooptest", "sqoop", "sqoop");
95. Job job = new  Job(conf, "Mysql2Mr");
96. //      job.setJarByClass(Mysql2Mr.class);
97. ((JobConf)job.getConfiguration()).setJar(jarfile.toString());
98. job.setMapOutputKeyClass(LongWritable.class);
99. job.setMapOutputValueClass(Text.class);
100. job.setMapperClass(DBInputMapper.class);
101. job.setReducerClass(MyReducer.class);
102. job.setOutputKeyClass(LongWritable.class);
103. job.setOutputValueClass(Text.class);
104. job.setOutputFormatClass(DBOutputFormat.class);
105. job.setInputFormatClass(DBInputFormat.class);
106. String[] fields = {"id","name"};
107. // 从 t 表读数据
108. DBInputFormat.setInput(job, StudentinfoRecord.class, "t", null, "id", fields);
109. // mapreduce 将数据输出到 t2 表
110. DBOutputFormat.setOutput(job, "t2", "id", "name");
111. System.exit(job.waitForCompletion(true)? 0:1);
112. }
113. }

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)
33. mysql>