mapreduce 读mysql_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：

5、代码：

6、结果：

执行两次后，你可以看到mysql结果：

7、日志：

0113/07/29 02:33:03 WARN mapred.JobClient: Use GenericOptionsParserfor parsing the arguments. Applications should implement Toolfor the same.

0213/07/29 02:33:03 INFO filecache.TrackerDistributedCacheManager: Creating mysql-connector-java-5.0.8-bin.jarin /tmp/hadoop-june/mapred/local/archive/-8943686319031389138_-1232673160_640840668/192.168.1.101/tmp-work--8372797484204470322 with rwxr-xr-x

0313/07/29

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

0413/07/29

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

0513/07/29 02:33:03 INFO mapred.JobClient: Running job: job_local_0001

0613/07/29 02:33:03 INFO mapred.MapTask: numReduceTasks: 1

0713/07/29 02:33:03 INFO mapred.MapTask: io.sort.mb = 100

0813/07/29 02:33:03 INFO mapred.MapTask: data buffer = 79691776/99614720

0913/07/29 02:33:03 INFO mapred.MapTask: record buffer = 262144/327680

1013/07/29 02:33:03 INFO mapred.MapTask: Starting flush of map output

1113/07/29 02:33:03 INFO mapred.MapTask: Finished spill 0

1213/07/29 02:33:03 INFO mapred.Task: Task:attempt_local_0001_m_000000_0 isdone. And isin the process of commiting

1313/07/29 02:33:04 INFO mapred.JobClient:  map 0% reduce 0%

1413/07/29 02:33:06 INFO mapred.LocalJobRunner:

1513/07/29 02:33:06 INFO mapred.Task: Task'attempt_local_0001_m_000000_0' done.

1613/07/29 02:33:06 INFO mapred.LocalJobRunner:

1713/07/29 02:33:06 INFO mapred.Merger: Merging 1 sorted segments

1813/07/29 02:33:06 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 235 bytes

1913/07/29 02:33:06 INFO mapred.LocalJobRunner:

2013/07/29 02:33:06 INFO mapred.Task: Task:attempt_local_0001_r_000000_0 isdone. And isin the process of commiting

2113/07/29 02:33:07 INFO mapred.JobClient:  map 100% reduce 0%

2213/07/29 02:33:09 INFO mapred.LocalJobRunner: reduce > reduce

2313/07/29 02:33:09 INFO mapred.Task: Task'attempt_local_0001_r_000000_0' done.

2413/07/29 02:33:09 WARN mapred.FileOutputCommitter: Output path is nullin cleanup

2513/07/29 02:33:10 INFO mapred.JobClient:  map 100% reduce 100%

2613/07/29 02:33:10 INFO mapred.JobClient: Job complete: job_local_0001

2713/07/29 02:33:10 INFO mapred.JobClient: Counters: 18

2813/07/29 02:33:10 INFO mapred.JobClient:   File Input Format Counters

2913/07/29 02:33:10 INFO mapred.JobClient:     Bytes Read=0

3013/07/29 02:33:10 INFO mapred.JobClient:   File Output Format Counters

3113/07/29 02:33:10 INFO mapred.JobClient:     Bytes Written=0

3213/07/29 02:33:10 INFO mapred.JobClient:   FileSystemCounters

3313/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_READ=1211691

3413/07/29 02:33:10 INFO mapred.JobClient:     HDFS_BYTES_READ=1081704

3513/07/29 02:33:10 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=2392844

3613/07/29 02:33:10 INFO mapred.JobClient:   Map-Reduce Framework

3713/07/29 02:33:10 INFO mapred.JobClient:     Map output materialized bytes=239

3813/07/29 02:33:10 INFO mapred.JobClient:     Map input records=13

3913/07/29 02:33:10 INFO mapred.JobClient:     Reduce shuffle bytes=0

4013/07/29 02:33:10 INFO mapred.JobClient:     Spilled Records=26

4113/07/29 02:33:10 INFO mapred.JobClient:     Map output bytes=207

4213/07/29 02:33:10 INFO mapred.JobClient:     Map input bytes=13

4313/07/29 02:33:10 INFO mapred.JobClient:     SPLIT_RAW_BYTES=75

4413/07/29 02:33:10 INFO mapred.JobClient:     Combine input records=0

4513/07/29 02:33:10 INFO mapred.JobClient:     Reduce input records=13

4613/07/29 02:33:10 INFO mapred.JobClient:     Reduce inputgroups=13

4713/07/29 02:33:10 INFO mapred.JobClient:     Combine output records=0

4813/07/29 02:33:10 INFO mapred.JobClient:     Reduce output records=13

4913/07/29 02:33:10 INFO mapred.JobClient:     Map output records=13

8、REF：

新版 API 写法：

http://superlxw1234.iteye.com/blog/1880712

老版：

http://blog.csdn.net/dajuezhao/article/details/5799371

http://www.zhengmenbb.com/archives/583.htm