2. 程式人生 > 其它 >Hadoop 中利用 mapreduce 讀寫 mysql 資料

Hadoop 中利用 mapreduce 讀寫 mysql 資料

阿新 • • 發佈：2022-04-28

有時候我們在專案中會遇到輸入結果集很大，但是輸出結果很小，比如一些 pv、uv 資料，然後為了實時查詢的需求，或者一些 OLAP 的需求，我們需要 mapreduce 與 mysql 進行資料的互動，而這些特性正是 hbase 或者 hive 目前亟待改進的地方。

好了言歸正傳，簡單的說說背景、原理以及需要注意的地方：

1、為了方便 MapReduce 直接訪問關係型資料庫（Mysql,Oracle），Hadoop提供了DBInputFormat和DBOutputFormat兩個類。通過DBInputFormat類把資料庫表資料讀入到HDFS，根據DBOutputFormat類把MapReduce產生的結果集匯入到資料庫表中。

2、由於0.20版本對DBInputFormat和DBOutputFormat支援不是很好，該例用了0.19版本來說明這兩個類的用法。

至少在我的 0.20.203 中的 org.apache.hadoop.mapreduce.lib 下是沒見到 db 包，所以本文也是以老版的 API 來為例說明的。

3、執行MapReduce時候報錯：java.io.IOException: com.mysql.jdbc.Driver，一般是由於程式找不到mysql驅動包。解決方法是讓每個tasktracker執行MapReduce程式時都可以找到該驅動包。

新增包有兩種方式：

（1）在每個節點下的${HADOOP_HOME}/lib下新增該包。重啟叢集，一般是比較原始的方法。

（2）a)把包傳到叢集上： hadoop fs -put mysql-connector-java-5.1.0- bin.jar /hdfsPath/

       b)在mr程式提交job前，新增語句：DistributedCache.addFileToClassPath(new Path(“/hdfsPath/mysql- connector-java- 5.1.0-bin.jar”), conf);

（3）雖然API用的是0.19的，但是使用0.20的API一樣可用，只是會提示方法已過時而已。

4、測試資料： 

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、程式碼： 

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: 測試 mr 與 mysql 的資料互動，此測試用例將一個表中的資料複製到另一張表中
 * 			 實際當中，可能只需要從 mysql 讀，或者寫到 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);
		}
	}

	// 記住此處是靜態內部類，要不然你自己實現無參構造器，或者等著拋異常：
	// Caused by: java.lang.NoSuchMethodException: DBInputMapper.<init>()
	// http://stackoverflow.com/questions/7154125/custom-mapreduce-input-format-cant-find-constructor
	// 網上腦殘式的轉帖，沒見到一個寫對的。。。
	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" };
		// 從 t 表讀資料
		DBInputFormat.setInput(conf, StudentinfoRecord.class, "t", null, "id", fields);
		// mapreduce 將資料輸出到 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、結果：

執行兩次後，你可以看到mysql結果： 

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、日誌： 

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

8、REF：

新版 API 寫法：

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

老版：

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

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

相關推薦

Hadoop 中利用 mapreduce 讀寫 mysql 資料

有時候我們在專案中會遇到輸入結果集很大，但是輸出結果很小，比如一些 pv、uv 資料，然後為了實時查詢的需求，或者一些 OLAP 的需求，我們需要 mapreduce 與 mysql 進行資料的互動，而這些特性正是 hbase 或者 hiv

在python中使用pyspark讀寫Hive資料操作

1、讀Hive表資料 pyspark讀取hive資料非常簡單，因為它有專門的介面來讀取，完全不需要像hbase那樣，需要做很多配置，pyspark提供的操作hive的介面，使得程式可以直接使用SQL語句從hive裡面查詢需要的資料，程式碼如

初識spark 之 讀寫MySql資料

需求 1、使用spark讀取MySql庫資料； 2、使用spark讀取MySql庫資料，並寫入另一張表。

檔案與IO --讀寫位元組資料中的一些問題

問題： 讀寫二進位制檔案，比如圖片、檔案、視訊等 函式： open(file, mode=\'r\', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

python讀寫Excel資料（xlwt,xlrd,xlutils寫入資料到已存在的Excel表格中）

一、用到的庫：xlwt,xlrd,xlutils 二、通過xlrd讀取Excel資料： import xlrd # 通過open_workbook讀取Excel檔案

非常簡單的 spring cloud + mybatis + 註解方式 讀寫MySQL資料庫

非常簡單的 spring cloud + mybatis + 註解方式 讀寫MySQL資料庫 前注：本是使用STS工具

Python3中configparser模組讀寫ini檔案並解析配置的用法詳解

Python3中configparser模組簡介 configparser 是 Pyhton 標準庫中用來解析配置檔案的模組，並且內建方法和字典非常接近。Python2.x 中名為 ConfigParser，3.x 已更名小寫，並加入了一些新功能。

在Keras中利用np.random.shuffle()打亂資料集例項

我就廢話不多說了，大家還是直接看程式碼吧~ from numpy as np index=np.arange(2000) np.random.shuffle(index)

如何讀寫json資料？

需求： 在web應用中常用JSON（JavaScript ObjectNotation)格式傳輸資料，例如我們利用baidu語音識別伺服器做語音識別，將本地音訊資料post到baidu語音識別伺服器，伺服器響應為json字串：

Python如何讀寫位元組資料

問題 你想讀寫二進位制檔案，比如圖片，聲音檔案等等。 解決方案 使用模式為 rb 或 wb 的 open() 函式來讀取或寫入二進位制資料。比如：

【python系統學習17】python中的檔案讀寫

python中的檔案讀寫 檔案讀寫，是Python程式碼呼叫電腦檔案的主要功能，能被用於讀取和寫入文字、音訊片段、Excel文件、郵件以及任何儲存在電腦上的東西。

利用python 讀寫csv檔案

1、讀檔案 import csv csv_reader = csv.reader(open(\"data.file\",encoding=\"utf-8\")) for row in csv_reader:

Python讀寫Excel資料，這樣簡直不要太粗暴！

什麼是xlrd&xlwt？ xlrd和xlwt是Python語言中，讀取和寫入Excel資料的擴充套件工具。xlrd為xls檔案read庫，xlwt為xls檔案write庫。具體請看xlrd百度百科和xlwt百度百科。

LabVIEW中TCP/IP讀寫

LabVIEW的TCP/IP讀寫 收發命令時，無法使用\\t\\n等操作符，使用行結束常量代替，達到傳送指令目的，調式時使用高亮模式可以檢視到具體那一步驟出現錯誤

stm32 實現讀寫flash資料

注：讀寫操作需指定地址。例如：　　FLASH_START_ADDR 0x0801f000//寫入的起始地址

python基礎教程利用python 讀寫csv檔案

更多python教程請到：菜鳥教程https://www.piaodoo.com/ 1、讀檔案 import csv csv_reader = csv.reader(open(\"data.file\", encoding=\"utf-8\"))

spark讀寫mysql

df = spark.read\\ .format(\"jdbc\")\\ .option(\"url\", \"jdbc:mysql://172.10.2.70:3306/aftersale\")\\ .option(\"driver\", \"com.mysql.jdbc.Driver\")\\

基於HslCommunication公開PLC讀寫給第三方程式 C#,Java,Python分散式讀寫PLC資料，包括三菱，西門子，歐姆龍，modbus，ab plc，臺達，橫河，信捷，松下，匯川，基恩士，富士，LS等等PLC

本文介紹在一些特殊的場景和需求下，使用HslCommunication的可以實現一些比較有意思的功能。例行介紹HSL的安裝

C# 利用 FileInfo 讀寫檔案

技術標籤：C# C# 利用 FileInfo 讀寫檔案 /// <summary> /// 獲取指定文字檔案中的內容

C#讀寫共享資料夾

1、在伺服器設定一個共享資料夾，在這裡我的伺服器ip地址是10.200.8.73，共享資料夾名字是share，訪問許可權，使用者名稱是administrator，密碼是11111111。