在我们的一些应用程序中,常常避免不了要与数据库进行交互,而在我们的hadoop中,有时候也需要和数据库进行交互,比如说,数据分析的结果存入数据库,或者是,读取数据库的信息写入HDFS上,不过直接使用MapReduce操作数据库,这种情况在现实开发还是比较少,一般我们会采用Sqoop来进行数据的迁入,迁出,使用Hive分析数据集,大多数情况下,直接使用Hadoop访问关系型数据库,可能产生比较大的数据访问压力,尤其是在数据库还是单机的情况下,情况可能更加糟糕,在集群的模式下压力会相对少一些。
那么,今天散仙就来看下,如何直接使用Hadoop1.2.0的MR来读写操作数据库,hadoop的API提供了DBOutputFormat和DBInputFormat这两个类,来进行与数据库交互,除此之外,我们还需要定义一个类似JAVA Bean的实体类,来与数据库的每行记录进行对应,通常这个类要实现Writable和DBWritable接口,来重写里面的4个方法以对应获取每行记录里面的各个字段信息。
下面,我们先来看下如何使用MR来读取数据库的数据,并写入HDFS上,
数据表的截图如下所示,
实体类定义代码:
<pre name="code" class="java">package com.qin.operadb;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.mapreduce.lib.db.DBWritable;
/***
* 封装数据库实体信息
* 的记录
*
* 搜索大数据技术交流群:376932160
*
* **/
public class PersonRecoder implements Writable,DBWritable {
public int id;//对应数据库中id字段
public String name;//对应数据库中的name字段
public int age;//对应数据库中的age字段
@Override
public void readFields(ResultSet result) throws SQLException {
this.id=result.getInt(1);
this.name=result.getString(2);
this.age=result.getInt(3);
}
@Override
public void write(PreparedStatement stmt) throws SQLException {
stmt.setInt(1, id);
stmt.setString(2, name);
stmt.setInt(3, age);
}
@Override
public void readFields(DataInput arg0) throws IOException {
// TODO Auto-generated method stub
this.id=arg0.readInt();
this.name=Text.readString(arg0);
this.age=arg0.readInt();
}
@Override
public void write(DataOutput out) throws IOException {
// TODO Auto-generated method stub
out.writeInt(id);
Text.writeString(out, this.name);
out.writeInt(this.age);
}
@Override
public String toString() {
// TODO Auto-generated method stub
return "id: "+id+" 年龄: "+age+" 名字:"+name;
}
}
</pre>
MR类的定义代码,注意是一个Map Only作业:
<pre name="code" class="java">package com.qin.operadb;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.lib.IdentityReducer;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.db.DBConfiguration;
import org.apache.hadoop.mapreduce.lib.db.DBInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class ReadMapDB {
/**
* Map作业读取数据记录数
*
* **/
private static class DBMap extends Mapper&lt;LongWritable, PersonRecoder , LongWritable, Text&gt;{
@Override
protected void map(LongWritable key, PersonRecoder value,Context context)
throws IOException, InterruptedException {
context.write(new LongWritable(value.id), new Text(value.toString()));
}
}
public static void main(String[] args)throws Exception {
JobConf conf=new JobConf(ReadMapDB.class);
//Configuration conf=new Configuration();
// conf.set("mapred.job.tracker","192.168.75.130:9001");
//读取person中的数据字段
// conf.setJar("tt.jar");
//注意这行代码放在最前面,进行初始化,否则会报
DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.211.36:3306/test", "root", "qin");
/**要读取的字段信息**/
String fileds[]=new String[]{"id","name","age"};
/**Job任务**/
Job job=new Job(conf, "readDB");
System.out.println("模式: "+conf.get("mapred.job.tracker"));
/**设置数据库输入格式的一些信息**/
DBInputFormat.setInput(job, PersonRecoder.class, "person", null, "id", fileds);
/***设置输入格式*/
job.setInputFormatClass(DBInputFormat.class);
job.setOutputKeyClass(LongWritable.class);
job.setOutputValueClass(Text.class);
job.setMapperClass(DBMap.class);
String path="hdfs://192.168.75.130:9000/root/outputdb";
FileSystem fs=FileSystem.get(conf);
Path p=new Path(path);
if(fs.exists(p)){
fs.delete(p, true);
System.out.println("输出路径存在,已删除!");
}
FileOutputFormat.setOutputPath(job,p );
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
</pre>
写入到HDFS目录下数据集:
读取相对比较简单,需要注意的第一注意JDBC的驱动jar包要在各个节点上分别上传一份,第二是在main方法里的驱动类的编写顺序,以及数据信息的完整,才是正确连接数据库并读取的关键。
下面来看下,如何使用MR,分析完数据后的结果,写入在数据库中,散仙本篇测试的是一个简单的WordCount的统计。我们先来看下数据库表的信息:
实体类定义代码:
<pre name="code" class="java">package com.qin.operadb;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.mapreduce.lib.db.DBWritable;
public class WordRecoder implements Writable,DBWritable {
public String word;
public int count;
@Override
public void readFields(ResultSet rs) throws SQLException {
this.word=rs.getString(1);
this.count=rs.getInt(2);
}
@Override
public void write(PreparedStatement ps) throws SQLException {
ps.setString(1, this.word);
ps.setInt(2, this.count);
}
@Override
public void readFields(DataInput in) throws IOException {
this.word=Text.readString(in);
this.count=in.readInt();
}
@Override
public void write(DataOutput out) throws IOException {
Text.writeString(out, this.word);
out.writeInt(count);
}
}
</pre>
统计的2个文件的内容所示:
MR的核心类代码:
<pre name="code" class="java">package com.qin.operadb;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.db.DBConfiguration;
import org.apache.hadoop.mapreduce.lib.db.DBInputFormat;
import org.apache.hadoop.mapreduce.lib.db.DBOutputFormat;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WriteMapDB {
private static class WMap extends Mapper&lt;LongWritable, Text, Text, IntWritable&gt;{
/***
* Mapper的参数类型介绍
* K,V,K,V分别依次代表
* Map作业输入类型的K,输入类型的V
* 后面两个是输出类型的K,输出类型的V
* 后面的两个与 context.write(word, one);
* 的两个参数是对应的
* **/
private Text word=new Text();
private IntWritable one=new IntWritable(1);
@Override
protected void map(LongWritable key, Text value,Context context)
throws IOException, InterruptedException {
String line=value.toString();
//处理记事本UTF-8的BOM问题
if (line.getBytes().length &gt; 0) {
if ((int) line.charAt(0) == 65279) {
line = line.substring(1);
}
}
StringTokenizer st=new StringTokenizer(line);
while(st.hasMoreTokens()){
word.set(st.nextToken());//设置单词
context.write(word, one);
}
}
}
/***
* 由于在reduce中,需要向数据库里写入
* 数据,所以跟combine,不能共用
*
*
*
* ***/
private static class WCombine extends Reducer&lt;Text, IntWritable, Text, IntWritable&gt;{
@Override
protected void reduce(Text text, Iterable&lt;IntWritable&gt; value,Context context)
throws IOException, InterruptedException {
int sum=0;
for(IntWritable iw:value){
sum+=iw.get();
}
context.write(text, new IntWritable(sum));
}
}
/**
*
* Reduce类
*
* **/
private static class WReduce extends Reducer&lt;Text, IntWritable, WordRecoder, Text&gt;{
@Override
protected void reduce(Text key, Iterable&lt;IntWritable&gt; values,Context context)
throws IOException, InterruptedException {
int sum=0;
for(IntWritable s:values){
sum+=s.get();
}
WordRecoder wr=new WordRecoder();
wr.word=key.toString();
wr.count=sum;
//写出到数据库里
context.write(wr, new Text());
}
}
public static void main(String[] args)throws Exception {
JobConf conf=new JobConf(WriteMapDB.class);
//Configuration conf=new Configuration();
// conf.set("mapred.job.tracker","192.168.75.130:9001");
//读取person中的数据字段
//conf.setJar("tt.jar");
// conf.setNumReduceTasks(1);
//注意这行代码放在最前面,进行初始化,否则会报
/**建立数据库连接**/
DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.211.36:3306/test?characterEncoding=utf-8", "root", "qin");
String fileds[]=new String[]{"word","count"};
Job job=new Job(conf, "writeDB");
System.out.println("运行模式: "+conf.get("mapred.job.tracker"));
/**设置输出表的的信息 第一个参数是job任务,第二个参数是表名,第三个参数字段项**/
DBOutputFormat.setOutput(job, "wordresult", fileds);
/**设置DB的输入路径**/
job.setInputFormatClass(TextInputFormat.class);
/**设置DB的输出路径**/
job.setOutputFormatClass(DBOutputFormat.class);
/***设置Reduce的个数为1,可以得到全局统计的数字
* 但,需要注意,在分布式环境下,最好不要设置为1,Reduce的个数
* 正是Hadoop并发能力的体现
*
* **/
// job.setNumReduceTasks(1);
/**设置输出K路径**/
job.setOutputKeyClass(Text.class);
/**设置输出V路径**/
job.setOutputValueClass(IntWritable.class);
/**设置Map类**/
job.setMapperClass(WMap.class);
/**设置Combiner类**/
job.setCombinerClass(WCombine.class);
/**设置Reduce类**/
job.setReducerClass(WReduce.class);
/**设置输入路径*/
FileInputFormat.setInputPaths(job, new Path("hdfs://192.168.75.130:9000/root/input"));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
</pre>
运行状态如下所示:
<pre name="code" class="java">运行模式: 192.168.75.130:9001
14/03/26 20:26:59 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
14/03/26 20:27:01 INFO input.FileInputFormat: Total input paths to process : 2
14/03/26 20:27:01 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
14/03/26 20:27:01 WARN snappy.LoadSnappy: Snappy native library not loaded
14/03/26 20:27:01 INFO mapred.JobClient: Running job: job_201403262328_0006
14/03/26 20:27:02 INFO mapred.JobClient: map 0% reduce 0%
14/03/26 20:27:10 INFO mapred.JobClient: map 50% reduce 0%
14/03/26 20:27:11 INFO mapred.JobClient: map 100% reduce 0%
14/03/26 20:27:18 INFO mapred.JobClient: map 100% reduce 33%
14/03/26 20:27:19 INFO mapred.JobClient: map 100% reduce 100%
14/03/26 20:27:20 INFO mapred.JobClient: Job complete: job_201403262328_0006
14/03/26 20:27:20 INFO mapred.JobClient: Counters: 28
14/03/26 20:27:20 INFO mapred.JobClient: Job Counters
14/03/26 20:27:20 INFO mapred.JobClient: Launched reduce tasks=1
14/03/26 20:27:20 INFO mapred.JobClient: SLOTS_MILLIS_MAPS=10345
14/03/26 20:27:20 INFO mapred.JobClient: Total time spent by all reduces waiting after reserving slots (ms)=0
14/03/26 20:27:20 INFO mapred.JobClient: Total time spent by all maps waiting after reserving slots (ms)=0
14/03/26 20:27:20 INFO mapred.JobClient: Launched map tasks=2
14/03/26 20:27:20 INFO mapred.JobClient: Data-local map tasks=2
14/03/26 20:27:20 INFO mapred.JobClient: SLOTS_MILLIS_REDUCES=8911
14/03/26 20:27:20 INFO mapred.JobClient: File Output Format Counters
14/03/26 20:27:20 INFO mapred.JobClient: Bytes Written=0
14/03/26 20:27:20 INFO mapred.JobClient: FileSystemCounters
14/03/26 20:27:20 INFO mapred.JobClient: FILE_BYTES_READ=158
14/03/26 20:27:20 INFO mapred.JobClient: HDFS_BYTES_READ=325
14/03/26 20:27:20 INFO mapred.JobClient: FILE_BYTES_WRITTEN=182065
14/03/26 20:27:20 INFO mapred.JobClient: File Input Format Counters
14/03/26 20:27:20 INFO mapred.JobClient: Bytes Read=107
14/03/26 20:27:20 INFO mapred.JobClient: Map-Reduce Framework
14/03/26 20:27:20 INFO mapred.JobClient: Map output materialized bytes=164
14/03/26 20:27:20 INFO mapred.JobClient: Map input records=6
14/03/26 20:27:20 INFO mapred.JobClient: Reduce shuffle bytes=164
14/03/26 20:27:20 INFO mapred.JobClient: Spilled Records=24
14/03/26 20:27:20 INFO mapred.JobClient: Map output bytes=185
14/03/26 20:27:20 INFO mapred.JobClient: Total committed heap usage (bytes)=336338944
14/03/26 20:27:20 INFO mapred.JobClient: CPU time spent (ms)=2850
14/03/26 20:27:20 INFO mapred.JobClient: Combine input records=20
14/03/26 20:27:20 INFO mapred.JobClient: SPLIT_RAW_BYTES=218
14/03/26 20:27:20 INFO mapred.JobClient: Reduce input records=12
14/03/26 20:27:20 INFO mapred.JobClient: Reduce input groups=8
14/03/26 20:27:20 INFO mapred.JobClient: Combine output records=12
14/03/26 20:27:20 INFO mapred.JobClient: Physical memory (bytes) snapshot=464982016
14/03/26 20:27:20 INFO mapred.JobClient: Reduce output records=8
14/03/26 20:27:20 INFO mapred.JobClient: Virtual memory (bytes) snapshot=2182836224
14/03/26 20:27:20 INFO mapred.JobClient: Map output records=20
</pre>
最后,我们就可以去数据库里,查看统计的信息了,截图如下:
至此,我们就完成了使用MR来读写数据库了,注意测试前,先确保自己的hadoop集群,可以正常工作。
相关推荐
Jupyter-Notebook
Jupyter-Notebook
高效甘特图模板下载-精心整理.zip
lstm Summary Framework: z = U>x, x u Uz Criteria for choosing U: • PCA: maximize projected variance • CCA: maximize projected correlation • FDA: maximize projected intraclass variance
OpenGL调试工具,适合图形开发者,包括视频开发,播放器开始以及游戏开发者。
全国行政区划shp最新图.zip
全国研究生招生与在校数据+国家线-最新.zip
Jupyter-Notebook
直播电商交流平台 SSM毕业设计 附带论文 启动教程:https://www.bilibili.com/video/BV1GK1iYyE2B
《林黛玉进贾府》课本剧剧本
2000-2020年沪深A股上市公司融资约束程度SA指数-最新数据发布.zip
PPT模版资料,PPT模版资料
CPA注会考试最新教材资料-最新发布.zip
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。
内容概要:本文提供了一个完整的职工管理系统的C++源代码。通过面向对象的编程方法,实现了包括创建新职工、查询、增加、修改、删除、排序、统计以及存储和恢复职工数据在内的多个基本操作功能。该系统支持不同的用户角色(如管理员与老板),并通过菜单驱动方式让用户方便地进行相关操作。此外,还包括了错误检测机制,确保操作过程中的异常得到及时处理。 适合人群:有一定C++语言基础,特别是面向对象编程经验的程序员;企业管理人员和技术开发人员。 使用场景及目标:适用于中小型企业内部的人力资源管理部门或IT部门,用于维护员工基本信息数据库,提高工作效率。通过本项目的学习可以加深对链表、类和对象的理解。 阅读建议:建议先熟悉C++的基本语法和面向对象概念,再深入学习代码的具体实现细节。对于关键函数,比如exchange、creatilist等,应当重点关注并动手实践以加强理解。
Jupyter-Notebook
考研公共课历年真题集-最新发布.zip
Huawei-HKUST Joint Workshop on Theory for Future Wireless 15-16 September 2022 华为-香港科技大学未来无线理论联合研讨会 Speaker:Jingwen Tong
演出人员与观众疫情信息管理系统 SSM毕业设计 附带论文 启动教程:https://www.bilibili.com/video/BV1GK1iYyE2B
《林黛玉进贾府》课本剧剧本.pdf