设为首页 收藏本站
查看: 702|回复: 0

[经验分享] 如何使用Hadoop读写数据库

[复制链接]

尚未签到

发表于 2016-12-8 10:42:56 | 显示全部楼层 |阅读模式
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,

DSC0000.jpg
实体类定义代码:
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;
}

}

MR类的定义代码,注意是一个Map Only作业:
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<LongWritable, PersonRecoder, LongWritable, Text>{
@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);  



}



}

写入到HDFS目录下数据集:
DSC0001.jpg
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:

DSC0002.jpg
实体类定义代码:
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);

}

}


统计的2个文件的内容所示:
DSC0003.jpg
MR的核心类代码:
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<LongWritable, Text, Text, IntWritable>{

/***
* 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 > 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<Text, IntWritable, Text, IntWritable>{
@Override
protected void reduce(Text text, Iterable<IntWritable> 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<Text, IntWritable, WordRecoder, Text>{

@Override
protected void reduce(Text key, Iterable<IntWritable> 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);  

}

}

运行状态如下所示:
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

最后,我们就可以去数据库里,查看统计的信息了,截图如下:
DSC0004.jpg
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。

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.iyunv.com/thread-311410-1-1.html 上篇帖子: Hadoop使用常见问题以及解决方法 . 下篇帖子: Hadoop源代码分析(九)
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表