`
cocoIT
  • 浏览: 50990 次
  • 性别: Icon_minigender_1
  • 来自: 福建
文章分类
社区版块
存档分类
最新评论

Hadoop 中利用 mapreduce 读写 mysql 数据

 
阅读更多

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： 

CREATE TABLE `t` (
`id` int DEFAULT NULL,
`name` varchar(10) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `t2` (
`id` int DEFAULT NULL,
`name` varchar(10) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into t values (1,"june"),(2,"decli"),(3,"hello"),
	(4,"june"),(5,"decli"),(6,"hello"),(7,"june"),
	(8,"decli"),(9,"hello"),(10,"june"),
	(11,"june"),(12,"decli"),(13,"hello");

5、代码： 

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 java.util.Iterator;

import org.apache.hadoop.filecache.DistributedCache;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.lib.IdentityReducer;
import org.apache.hadoop.mapred.lib.db.DBConfiguration;
import org.apache.hadoop.mapred.lib.db.DBInputFormat;
import org.apache.hadoop.mapred.lib.db.DBOutputFormat;
import org.apache.hadoop.mapred.lib.db.DBWritable;

/**
 * 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 mysql 中。
 * date: 2013-7-29 上午2:34:04 <br/>
 * @author june
 */
public class Mysql2Mr {
	// DROP TABLE IF EXISTS `hadoop`.`studentinfo`;
	// CREATE TABLE studentinfo (
	// id INTEGER NOT NULL PRIMARY KEY,
	// name VARCHAR(32) NOT NULL);

	public static class StudentinfoRecord implements Writable, DBWritable {
		int id;
		String name;

		public StudentinfoRecord() {

		}

		public void readFields(DataInput in) throws IOException {
			this.id = in.readInt();
			this.name = Text.readString(in);
		}

		public String toString() {
			return new String(this.id + " " + this.name);
		}

		@Override
		public void write(PreparedStatement stmt) throws SQLException {
			stmt.setInt(1, this.id);
			stmt.setString(2, this.name);
		}

		@Override
		public void readFields(ResultSet result) throws SQLException {
			this.id = result.getInt(1);
			this.name = result.getString(2);
		}

		@Override
		public void write(DataOutput out) throws IOException {
			out.writeInt(this.id);
			Text.writeString(out, this.name);
		}
	}

	// 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：
	// Caused by: java.lang.NoSuchMethodException: DBInputMapper.<init>()
	// http://stackoverflow.com/questions/7154125/custom-mapreduce-input-format-cant-find-constructor
	// 网上脑残式的转帖，没见到一个写对的。。。
	public static class DBInputMapper extends MapReduceBase implements
			Mapper<LongWritable, StudentinfoRecord, LongWritable, Text> {
		public void map(LongWritable key, StudentinfoRecord value,
				OutputCollector<LongWritable, Text> collector, Reporter reporter) throws IOException {
			collector.collect(new LongWritable(value.id), new Text(value.toString()));
		}
	}

	public static class MyReducer extends MapReduceBase implements
			Reducer<LongWritable, Text, StudentinfoRecord, Text> {
		@Override
		public void reduce(LongWritable key, Iterator<Text> values,
				OutputCollector<StudentinfoRecord, Text> output, Reporter reporter) throws IOException {
			String[] splits = values.next().toString().split(" ");
			StudentinfoRecord r = new StudentinfoRecord();
			r.id = Integer.parseInt(splits[0]);
			r.name = splits[1];
			output.collect(r, new Text(r.name));
		}
	}

	public static void main(String[] args) throws IOException {
		JobConf conf = new JobConf(Mysql2Mr.class);
		DistributedCache.addFileToClassPath(new Path("/tmp/mysql-connector-java-5.0.8-bin.jar"), conf);

		conf.setMapOutputKeyClass(LongWritable.class);
		conf.setMapOutputValueClass(Text.class);
		conf.setOutputKeyClass(LongWritable.class);
		conf.setOutputValueClass(Text.class);

		conf.setOutputFormat(DBOutputFormat.class);
		conf.setInputFormat(DBInputFormat.class);
		// // mysql to hdfs
		// conf.setReducerClass(IdentityReducer.class);
		// Path outPath = new Path("/tmp/1");
		// FileSystem.get(conf).delete(outPath, true);
		// FileOutputFormat.setOutputPath(conf, outPath);

		DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.1.101:3306/test",
				"root", "root");
		String[] fields = { "id", "name" };
		// 从 t 表读数据
		DBInputFormat.setInput(conf, StudentinfoRecord.class, "t", null, "id", fields);
		// mapreduce 将数据输出到 t2 表
		DBOutputFormat.setOutput(conf, "t2", "id", "name");
		// conf.setMapperClass(org.apache.hadoop.mapred.lib.IdentityMapper.class);
		conf.setMapperClass(DBInputMapper.class);
		conf.setReducerClass(MyReducer.class);

		JobClient.runJob(conf);
	}
}

6、结果：

执行两次后，你可以看到mysql结果： 

mysql> select * from t2;
+------+-------+
| id   | name  |
+------+-------+
|    1 | june  |
|    2 | decli |
|    3 | hello |
|    4 | june  |
|    5 | decli |
|    6 | hello |
|    7 | june  |
|    8 | decli |
|    9 | hello |
|   10 | june  |
|   11 | june  |
|   12 | decli |
|   13 | hello |
|    1 | june  |
|    2 | decli |
|    3 | hello |
|    4 | june  |
|    5 | decli |
|    6 | hello |
|    7 | june  |
|    8 | decli |
|    9 | hello |
|   10 | june  |
|   11 | june  |
|   12 | decli |
|   13 | hello |
+------+-------+
26 rows in set (0.00 sec)

mysql>

7、日志： 

13/07/29 02:33:03 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
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
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
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
13/07/29 02:33:03 INFO mapred.JobClient: Running job: job_local_0001
13/07/29 02:33:03 INFO mapred.MapTask: numReduceTasks: 1
13/07/29 02:33:03 INFO mapred.MapTask: io.sort.mb = 100
13/07/29 02:33:03 INFO mapred.MapTask: data buffer = 79691776/99614720
13/07/29 02:33:03 INFO mapred.MapTask: record buffer = 262144/327680
13/07/29 02:33:03 INFO mapred.MapTask: Starting flush of map output
13/07/29 02:33:03 INFO mapred.MapTask: Finished spill 0
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
13/07/29 02:33:04 INFO mapred.JobClient:  map 0% reduce 0%
13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
13/07/29 02:33:06 INFO mapred.Task: Task 'attempt_local_0001_m_000000_0' done.
13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
13/07/29 02:33:06 INFO mapred.Merger: Merging 1 sorted segments
13/07/29 02:33:06 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 235 bytes
13/07/29 02:33:06 INFO mapred.LocalJobRunner: 
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
13/07/29 02:33:07 INFO mapred.JobClient:  map 100% reduce 0%
13/07/29 02:33:09 INFO mapred.LocalJobRunner: reduce > reduce
13/07/29 02:33:09 INFO mapred.Task: Task 'attempt_local_0001_r_000000_0' done.
13/07/29 02:33:09 WARN mapred.FileOutputCommitter: Output path is null in cleanup
13/07/29 02:33:10 INFO mapred.JobClient:  map 100% reduce 100%
13/07/29 02:33:10 INFO mapred.JobClient: Job complete: job_local_0001
13/07/29 02:33:10 INFO mapred.JobClient: Counters: 18
13/07/29 02:33:10 INFO mapred.JobClient:   File Input Format Counters 
13/07/29 02:33:10 INFO mapred.JobClient:     Bytes Read=0
13/07/29 02:33:10 INFO mapred.JobClient:   File Output Format Counters 
13/07/29 02:33:10 INFO mapred.JobClient:     Bytes Written=0
13/07/29 02:33:10 INFO mapred.JobClient:   FileSystemCounters
13/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_READ=1211691
13/07/29 02:33:10 INFO mapred.JobClient:     HDFS_BYTES_READ=1081704
13/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=2392844
13/07/29 02:33:10 INFO mapred.JobClient:   Map-Reduce Framework
13/07/29 02:33:10 INFO mapred.JobClient:     Map output materialized bytes=239
13/07/29 02:33:10 INFO mapred.JobClient:     Map input records=13
13/07/29 02:33:10 INFO mapred.JobClient:     Reduce shuffle bytes=0
13/07/29 02:33:10 INFO mapred.JobClient:     Spilled Records=26
13/07/29 02:33:10 INFO mapred.JobClient:     Map output bytes=207
13/07/29 02:33:10 INFO mapred.JobClient:     Map input bytes=13
13/07/29 02:33:10 INFO mapred.JobClient:     SPLIT_RAW_BYTES=75
13/07/29 02:33:10 INFO mapred.JobClient:     Combine input records=0
13/07/29 02:33:10 INFO mapred.JobClient:     Reduce input records=13
13/07/29 02:33:10 INFO mapred.JobClient:     Reduce input groups=13
13/07/29 02:33:10 INFO mapred.JobClient:     Combine output records=0
13/07/29 02:33:10 INFO mapred.JobClient:     Reduce output records=13
13/07/29 02:33:10 INFO mapred.JobClient:     Map output records=13



分享到：
| Hadoop,MapReduce 操作 Mysql
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    mysql数据抽取，自动生成hive建表语句

    在实际业务中，将MySQL中的数据迁移到Hive进行分析和挖掘是一个常见的需求。本教程主要围绕“mysql数据抽取，自动生成hive建表语句”这一主题展开，讲解如何高效地实现这一过程。 首先，我们需要理解MySQL与Hive...

    读写数据库数据的mr程序

    在ETL过程中，"提取"（Extract）阶段涉及从MySQL中读取数据。这通常需要编写一个MapReduce作业，该作业使用JDBC（Java Database Connectivity）API连接到MySQL服务器，查询需要的数据，并将结果作为键值对输出，其中...

    18、MapReduce的计数器与通过MapReduce读取-写入数据库示例

    在大数据场景下，有时需要将MapReduce处理的结果存储到关系型数据库中，或者从数据库中读取数据进行处理。Hadoop提供了JDBC（Java Database Connectivity）接口，使得MapReduce作业能够与数据库进行连接和操作。 要...

    基于hadoop的云盘系统

    基于Hadoop的云盘系统是一种分布式存储解决方案，利用Hadoop的可扩展性和高容错性来处理大规模数据。Hadoop是Apache软件基金会的一个开源项目，主要由HDFS（Hadoop Distributed File System）和MapReduce两部分组成...

    hadoop中Map-Reduce使用示例，输入(DBInputFormat),输出(DBOu-MR_HBase.zip

    这个示例，"MR_HBase-Hadoop中的MapReduce使用示例，输入(DBInputFormat)，输出(DBOutputFormat)"，主要展示了如何利用MapReduce与HBase进行交互，进行数据的读取和写入。下面将详细介绍相关的知识点。 1. **...

    hadoop组件tar.gz安装包

    在IT行业中，Hadoop是一个广泛使用的开源框架，主要用于大数据处理和分析。这个“hadoop组件tar.gz安装包”集合了多个关键的组件，为搭建一个完整的大数据处理环境提供了便利。让我们详细了解一下这些组件以及它们...

    Hadoop Share

    元数据存储通常在关系型数据库如MySQL中，记录表结构、分区信息等。Hive服务器处理客户端的请求，驱动器解析SQL语句并生成执行计划，执行器则负责运行MapReduce任务。 **Hive的优化**: Hive可以通过设置各种配置...

    MapReduce实例

    总的来说，这个实例展示了如何利用Hbase的分布式存储，结合MapReduce的并行计算能力，对海量数据进行处理，并将结果存储到传统的关系型数据库MySQL中。这个流程体现了大数据处理的典型应用，即从NoSQL数据库中获取...

    Hadoop技术对比分析

    与之相比，传统关系型数据库（如Oracle、MySQL等）在企业级应用中被广泛用于在线事务处理（OLTP）系统，支持高并发的读写操作，并且提供了强大的统计分析和即席查询功能。然而，关系型数据库在处理大规模数据集时，...

    基于Hadoop的ETL处理Shell架构

    例如，Bash Shell环境下的脚本可以使用grep、awk、sed等工具进行数据过滤、格式化和修改，或者调用Hadoop的命令行工具如hadoop fs、hadoop jar等进行数据的读写和MapReduce作业的提交。 具体来说，ETL流程可能包括...

    Hadoop权威指南-Hadoop中文文档-第二版本

    2. **HDFS原理**：讲解HDFS的数据存储模型，命名空间，副本策略，以及数据块的读写过程。 3. **MapReduce编程模型**：详细介绍Map阶段和Reduce阶段的工作机制，Mapper和Reducer类的编写，以及中间键值对的分区、...

    Hive、MySQL、HBase数据互导

    - 在MySQL中更新或添加数据后，使用Sqoop连接到MySQL并指定要导入的表。 - 设置HBase的连接信息，包括Zookeeper地址、表名等。 - 使用Sqoop的`--create-hbase-table`选项指定HBase表的列族和列。 - 运行Sqoop...

    离线数据分析项目-电商网站日志项目

    在这个名为“离线数据分析项目-电商网站日志项目”的实践中，我们将重点探讨如何利用Hadoop、Hive、HBase以及MapReduce（MR）技术进行大规模数据的处理和分析，并最终将结果存储到MySQL数据库中。 首先，Hadoop是...

    大型机（HPC）构建 hadoop

    在这个过程中，HDFS作为Hadoop的基础，用于存储海量数据，而HBase则提供快速的随机读写能力，适用于基因组数据的高效存取。Zookeeper确保集群的稳定运行，Hive则提供了SQL-like查询语言，简化了对大数据的分析工作。...

    hadoop性能测试报告

    - 从测试结果来看，Hadoop集群在数据读写和排序方面表现出色，但在大规模数据处理时，map和reduce任务的分配、执行时间以及资源利用率等方面可能需要进一步优化，以提升整体性能。 - 考虑到硬件配置和软件版本，...

    2020年hadoop简历模板.doc

    2. **MapReduce编程**：Hadoop的数据处理框架，通过“映射”和“化简”两个阶段来处理大规模数据。开发者需要能够根据业务需求编写Map和Reduce函数。 3. **Hive数据仓库**：基于Hadoop的数据仓库工具，用于结构化...

    Hadoop生态系统学习

    - **Hive**: 数据仓库工具，提供SQL-like查询语言“HiveQL”，使用户能够更轻松地处理存储在Hadoop中的数据。 - **HBase**: 面向列的分布式数据库，用于存储大量稀疏数据。 - **ZooKeeper**: 分布式协调服务，用于...

    hadoop操作工具.rar

    8. **数据处理流程**: 在Hadoop中，数据处理通常涉及数据摄入（如Flume、Nifi）、预处理（如Pig、Hive）、存储（HDFS）、处理（MapReduce、Spark）和分析（如Impala、Hue）。这些工具共同构建了一个完整的数据生命...

    Hadoop权威指南(第3版) 修订版 中文PDF高清晰

    同时，也会讲解Hadoop生态中的其他重要组件，如HBase（分布式数据库）、Hive（数据仓库工具）、Pig（数据分析平台）和YARN（资源管理系统）等。 《MyCat》是针对MySQL的集群中间件，它的目标是替代高昂的Oracle...

    hadoop 分布式云计算 课程设计报告

    Hadoop 的核心组件包括 HDFS（Hadoop Distributed File System）和 MapReduce，它们分别负责数据存储和并行计算。 【HBase】是构建在 Hadoop 文件系统之上的分布式、列族式的非关系型数据库（NoSQL）。HBase 提供了...

Magicbox
Global site tag (gtag.js) - Google Analytics