hadoop读取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：

Java代码  

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：

Java代码  

package mysql2mr;

import java.io.DataInput;

import java.io.DataOutput;

import java.io.File;

import java.io.IOException;

import java.sql.PreparedStatement;

import java.sql.ResultSet;

import java.sql.SQLException;

import mapr.EJob;

import org.apache.hadoop.conf.Configuration;

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.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.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。

*

* @author administrator

*

*/

public class Mysql2Mr {

public static class StudentinfoRecord implements Writable, DBWritable {

int id;

String name;

public StudentinfoRecord() {

}

public String toString() {

return new String(this.id + " " + this.name);

}

@Override

public void readFields(ResultSet result) throws SQLException {

this.id = result.getInt(1);

this.name = result.getString(2);

}

@Override

public void write(PreparedStatement stmt) throws SQLException {

stmt.setInt(1, this.id);

stmt.setString(2, this.name);

}

@Override

public void readFields(DataInput in) throws IOException {

this.id = in.readInt();

this.name = Text.readString(in);

}

@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.()

// 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

Mapper {

@Override

public void map(LongWritable key, StudentinfoRecord value,

Context context) throws IOException, InterruptedException {

context.write(new LongWritable(value.id), new Text(value.toString()));

}

}

public static class MyReducer extends Reducer {

@Override

public void reduce(LongWritable key, Iterable values, Context context) throws IOException, InterruptedException {

String[] splits = values.iterator().next().toString().split(" ");

StudentinfoRecord r = new StudentinfoRecord();

r.id = Integer.parseInt(splits[0]);

r.name = splits[1];

context.write(r, new Text(r.name));

}

}

@SuppressWarnings("deprecation")

public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {

File jarfile = EJob.createTempJar("bin");

EJob.addClasspath("usr/hadoop/conf");

ClassLoader classLoader = EJob.getClassLoader();

Thread.currentThread().setContextClassLoader(classLoader);

Configuration conf = new Configuration();

// 这句话很关键

conf.set("mapred.job.tracker", "172.30.1.245:9001");

DistributedCache.addFileToClassPath(new Path(

"hdfs://172.30.1.245:9000/user/hadoop/jar/mysql-connector-java-5.1.6-bin.jar"), conf);

DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://172.30.1.245:3306/sqooptest", "sqoop", "sqoop");

Job job = new  Job(conf, "Mysql2Mr");

//      job.setJarByClass(Mysql2Mr.class);

((JobConf)job.getConfiguration()).setJar(jarfile.toString());

job.setMapOutputKeyClass(LongWritable.class);

job.setMapOutputValueClass(Text.class);

job.setMapperClass(DBInputMapper.class);

job.setReducerClass(MyReducer.class);

job.setOutputKeyClass(LongWritable.class);

job.setOutputValueClass(Text.class);

job.setOutputFormatClass(DBOutputFormat.class);

job.setInputFormatClass(DBInputFormat.class);

String[] fields = {"id","name"};

// 从 t 表读数据

DBInputFormat.setInput(job, StudentinfoRecord.class, "t", null, "id", fields);

// mapreduce 将数据输出到 t2 表

DBOutputFormat.setOutput(job, "t2", "id", "name");

System.exit(job.waitForCompletion(true)? 0:1);

}

}

6、结果：

执行两次后，你可以看到mysql结果：

Java代码  

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>