1.导入工具的起点importTool.java
抽取就是从这个地方开始的,重点是其中的run() 方法
@Override
/** {@inheritDoc} */
public int run(SqoopOptions options) {
.........
codeGenerator.setManager(manager);
try {
if (options.doHiveImport()) {
hiveImport = new HiveImport(options, manager, options.getConf(), false);
}
// Import a single table (or query) the user specified.
importTable(options, options.getTableName(), hiveImport);
这个manager 的作用就是管理下面各种数据库的访问,比如你是要访问mysql 呢,还是oracle 呢。
这个代码重点是在manager 这个地方,这个是什么时候初始化的呢
protected ConnManager manager;
1.1 诞生之地
这个就是链接管理,那么这个东东的初始化在哪里呢?通过尾随其回家的路,终于嘿嘿。。。
public abstract class BaseSqoopTool extends com.cloudera.sqoop.tool.SqoopTool {
这就是manager 的老巢了。
进去看看
*/
protected boolean init(SqoopOptions sqoopOpts) {
// Get the connection to the database.
try {
JobData data = new JobData(sqoopOpts, this);
this.manager = new ConnFactory(sqoopOpts.getConf()).getManager(data);
return true;
} catch (Exception e) {
LOG.error("Got error creating database manager: "
+ StringUtils.stringifyException(e));
if (System.getProperty(Sqoop.SQOOP_RETHROW_PROPERTY) != null) {
throw new RuntimeException(e);
}
}
return false;
}
这就是他的出生之地了
this.manager = new ConnFactory(sqoopOpts.getConf()).getManager(data);
1.2 工厂
public class ConnFactory {
在这个类里面,可以看到默认有两个工厂实现类
当然,也可以通过配置文件指定自定义的工厂实现类,相关代码也在这个类中可以找到
public static final String[] DEFAULT_FACTORY_CLASS_NAMES_ARR =
{OraOopManagerFactory.class.getName(),
DefaultManagerFactory.class.getName(), };
......
private List<ManagerFactory> factories; // 存储实例化的工厂对象
除了这两个默认的工厂,还可以利用配置文件来进行扩展,一般是在conf 目录下,利用manager.d 目录提供的配置文件来
控制你要提供的工厂,具体的请结合ConnFactory的代码来看
ConnFactory 的对外接口
public ConnManager getManager(JobData data) throws IOException {
根据配置信息来构造出一个连接器供抽取使用。
下面分别对这两个默认工厂的实现进行介绍
1.2.1 缺省工厂DefaultManagerFactory
public class DefaultManagerFactory
extends com.cloudera.sqoop.manager.ManagerFactory {
.........
public ConnManager accept(JobData data) {
SqoopOptions options = data.getSqoopOptions();
String scheme = extractScheme(options);
if (null == scheme) {
// We don't know if this is a mysql://, hsql://, etc.
// Can't do anything with this.
LOG.warn("Null scheme associated with connect string.");
return null;
}
LOG.debug("Trying with scheme: " + scheme);
if (scheme.equals("jdbc:mysql:")) {
if (options.isDirect()) {
return new DirectMySQLManager(options);
} else {
return new MySQLManager(options);
}
} else if (scheme.equals("jdbc:postgresql:")) {
if (options.isDirect()) {
return new DirectPostgresqlManager(options);
} else {
return new PostgresqlManager(options);
}
} else if (scheme.startsWith("jdbc:hsqldb:")) {
return new HsqldbManager(options);
} else if (scheme.startsWith("jdbc:oracle:")) {
return new OracleManager(options);
} else if (scheme.startsWith("jdbc:sqlserver:")) {
return new SQLServerManager(options);
} else if (scheme.startsWith("jdbc:jtds:sqlserver:")) {
return new SQLServerManager(
"net.sourceforge.jtds.jdbc.Driver",
options);
} else if (scheme.startsWith("jdbc:db2:")) {
return new Db2Manager(options);
} else if (scheme.startsWith("jdbc:netezza:")) {
if (options.isDirect()) {
return new DirectNetezzaManager(options);
} else {
return new NetezzaManager(options);
}
} else if (scheme.startsWith("jdbc:cubrid:")) {
return new CubridManager(options);
} else {
return null;
}
}
protected String extractScheme(SqoopOptions options) {
..............
}
return connectStr.substring(0, schemeStopIdx);
}
}
String scheme = extractScheme(options);
取得连接的参数,然后判断是属于那种类型的数据库链接,是mysql 还是oracle.
OracleManager.java 或 MySQLManager.java 等
然后制造出不同数据库的manager. 到这里,工厂的使命就完成了
1.2.2 ORA 工厂 OraOopManagerFactory
TBD
2. 再回 importTool
还是在run 方法里面
importTable(options, options.getTableName(), hiveImport);
再看其实现里面有这么一段
if (null != tableName) {
manager.importTable(context);
} else {
manager.importQuery(context);
}
这里的importTable 或者 importQuery 就是由工厂制造出来具体的类来实现了,比如OracleManager.java 或 MySQLManager.java
3. 进入抽取阶段
3.1 具体实现的继承关系
public abstract class SqlManager
extends com.cloudera.sqoop.manager.ConnManager {
public abstract class SqlManager
extends org.apache.sqoop.manager.SqlManager {
public class GenericJdbcManager
extends com.cloudera.sqoop.manager.SqlManager {
public class GenericJdbcManager
extends org.apache.sqoop.manager.GenericJdbcManager {
GenericJdbcManager下面有多种数据库进行的子类化
public abstract class CatalogQueryManager
extends com.cloudera.sqoop.manager.GenericJdbcManager {
其他的如OracleManager , MySqlManager 应该去代码里面实现。
这是多少层继承关系啊
好了,那么importQuery() 的实现是在SqlManager 这个类里面
3.2 importQuery的实现
public void importQuery(com.cloudera.sqoop.manager.ImportJobContext context)
throws IOException, ImportException {
ImportJobBase importer;
......
if (!opts.isBulkLoadEnabled()){
importer = new HBaseImportJob(opts, context);
} else {
importer = new HBaseBulkImportJob(opts, context);
}
} else if (opts.getAccumuloTable() != null) {
// Import to Accumulo.
......
importer = new AccumuloImportJob(opts, context);
} else {
// Import to HDFS.
importer = new DataDrivenImportJob(opts, context.getInputFormat(),context);
}
importer.runImport(null, jarFile, splitCol, opts.getConf());
这里可以看出,导出主要是有三种存储类型,HBASE 、Accumulo 和 HDFS
那么hive 当然是算导入到hdfs 了,所以重点还是在 DataDrivenImportJob上面
4. 抽取到hdfs
4.1 继承关系
public class DataDrivenImportJob
extends org.apache.sqoop.mapreduce.DataDrivenImportJob {
public class DataDrivenImportJob extends ImportJobBase {
public class ImportJobBase
extends org.apache.sqoop.mapreduce.ImportJobBase {
public class ImportJobBase extends JobBase {
ImportJobBase 提供了 runImport 方法的实现
public void runImport(String tableName, String ormJarFile, String splitByCol,
Configuration conf) throws IOException, ImportException {
...................
if (null != tableName) {
LOG.info("Beginning import of " + tableName);
} else {
LOG.info("Beginning query import.");
}
....................
上传mapred 包
loadJars(conf, ormJarFile, tableClassName);
创建mapred job
Job job = createJob(conf);
try {
// Set the external jar to use for the job.
job.getConfiguration().set("mapred.jar", ormJarFile);
if (options.getMapreduceJobName() != null) {
job.setJobName(options.getMapreduceJobName());
}
propagateOptionsToJob(job);
// 设置输入格式
configureInputFormat(job, tableName, tableClassName, splitByCol);
// 设置输出格式
configureOutputFormat(job, tableName, tableClassName);
configureMapper(job, tableName, tableClassName);
configureNumTasks(job);
cacheJars(job, getContext().getConnManager());
jobSetup(job);
setJob(job);
// 运行mapreduce job.
boolean success = runJob(job);
if (!success) {
throw new ImportException("Import job failed!");
}
completeImport(job);
................