使用DBOutputFormat把MapReduce产生的结果集导入到mysql中

时间:2021-10-29 06:47:50

数据在HDFS和关系型数据库之间的迁移,主要有以下两种方式

1、按照数据库要求的文件格式生成文件,然后由数据库提供的导入工具进行导入

2、采用JDBC的方式进行导入

MapReduce默认提供了DBInputFormat和DBOutputFormat,分别用于数据库的读取和数据库的写入

1、需求

下面使用DBOutputFormat,将MapReduce处理后的学生信息导入到mysql中

2、数据集

张明明    45
  李成友    78
  张辉灿    56
  王露      56
  陈东明    67
  陈果      31
  李华明    32
  张明东    12
  李明国    34
  陈道亮    35
  陈家勇    78     
  陈旻昊    13
  陈潘      78
  陈学澄    18

3、实现

package com.buaa;

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.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
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.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.DBOutputFormat;
import org.apache.hadoop.mapreduce.lib.db.DBWritable;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner; /**
* @ProjectName DBOutputormatDemo
* @PackageName com.buaa
* @ClassName MysqlDBOutputormatDemo
* @Description TODO
* @Author 刘吉超
* @Date 2016-05-06 09:15:57
*/
@SuppressWarnings({ "unused", "deprecation" })
public class MysqlDBOutputormatDemo extends Configured implements Tool {
/**
* 实现DBWritable
*
* TblsWritable需要向mysql中写入数据
*/
public static class TblsWritable implements Writable, DBWritable {
String tbl_name;
int tbl_age; public TblsWritable() {
} public TblsWritable(String name, int age) {
this.tbl_name = name;
this.tbl_age = age;
} @Override
public void write(PreparedStatement statement) throws SQLException {
statement.setString(1, this.tbl_name);
statement.setInt(2, this.tbl_age);
} @Override
public void readFields(ResultSet resultSet) throws SQLException {
this.tbl_name = resultSet.getString(1);
this.tbl_age = resultSet.getInt(2);
} @Override
public void write(DataOutput out) throws IOException {
out.writeUTF(this.tbl_name);
out.writeInt(this.tbl_age);
} @Override
public void readFields(DataInput in) throws IOException {
this.tbl_name = in.readUTF();
this.tbl_age = in.readInt();
} public String toString() {
return new String(this.tbl_name + " " + this.tbl_age);
}
} public static class StudentMapper extends Mapper<LongWritable, Text, LongWritable, Text>{
@Override
protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException {
context.write(key, value);
}
} public static class StudentReducer extends Reducer<LongWritable, Text, TblsWritable, TblsWritable> {
@Override
protected void reduce(LongWritable key, Iterable<Text> values,Context context) throws IOException, InterruptedException {
// values只有一个值,因为key没有相同的
StringBuilder value = new StringBuilder();
for(Text text : values){
value.append(text);
} String[] studentArr = value.toString().split("\t"); if(StringUtils.isNotBlank(studentArr[0])){
/*
* 姓名 年龄(中间以tab分割)
* 张明明 45
*/
String name = studentArr[0].trim(); int age = 0;
try{
age = Integer.parseInt(studentArr[1].trim());
}catch(NumberFormatException e){
} context.write(new TblsWritable(name, age), null);
}
}
} public static void main(String[] args) throws Exception {
// 数据输入路径和输出路径
String[] args0 = {
"hdfs://ljc:9000/buaa/student/student.txt"
};
int ec = ToolRunner.run(new Configuration(), new MysqlDBOutputormatDemo(), args0);
System.exit(ec);
} @Override
public int run(String[] arg0) throws Exception {
// 读取配置文件
Configuration conf = new Configuration(); DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver",
"jdbc:mysql://172.26.168.2:3306/test", "hadoop", "123"); // 新建一个任务
Job job = new Job(conf, "DBOutputormatDemo");
// 设置主类
job.setJarByClass(MysqlDBOutputormatDemo.class); // 输入路径
FileInputFormat.addInputPath(job, new Path(arg0[0])); // Mapper
job.setMapperClass(StudentMapper.class);
// Reducer
job.setReducerClass(StudentReducer.class); // mapper输出格式
job.setOutputKeyClass(LongWritable.class);
job.setOutputValueClass(Text.class); // 输入格式,默认就是TextInputFormat
// job.setInputFormatClass(TextInputFormat.class);
// 输出格式
job.setOutputFormatClass(DBOutputFormat.class); // 输出到哪些表、字段
DBOutputFormat.setOutput(job, "student", "name", "age"); // 添加mysql数据库jar
// job.addArchiveToClassPath(new Path("hdfs://ljc:9000/lib/mysql/mysql-connector-java-5.1.31.jar"));
// DistributedCache.addFileToClassPath(new Path("hdfs://ljc:9000/lib/mysql/mysql-connector-java-5.1.31.jar"), conf);
//提交任务
return job.waitForCompletion(true)?0:1;
}
}

mr程序很简单,只是读取文件内容,在这里我们主要关注的是怎么将mr处理后的结果集导入mysql中的

数据库中表是student,为student表编写对应的bean类TblsWritable,该类需要实现Writable接口和DBWritable接口。

1、Writable接口

@Override
public void write(DataOutput out) throws IOException {
out.writeUTF(this.tbl_name);
out.writeInt(this.tbl_age);
} @Override
public void readFields(DataInput in) throws IOException {
this.tbl_name = in.readUTF();
this.tbl_age = in.readInt();
}

上面两个方法对应着Writable接口,用对象序列化,这里不再多说,前面文章有介绍

2、DBWritable接口

@Override
public void write(PreparedStatement statement) throws SQLException {
statement.setString(1, this.tbl_name);
statement.setInt(2, this.tbl_age);
} @Override
public void readFields(ResultSet resultSet) throws SQLException {
this.tbl_name = resultSet.getString(1);
this.tbl_age = resultSet.getInt(2);
}

上面两个方法对应着DBWriteable接口。readFields方法负责从结果集中读取数据库数据(注意ResultSet的下标是从1开始的),一次读取查询SQL中筛选的某一列。Write方法负责将数据写入到数据库,将每一行的每一列依次写入。

最后进行Job的一些配置,具体如下面代码所示

DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://172.26.168.2:3306/test", "hadoop", "123")

上面的配置主要包括以下几项:

1、数据库驱动的名称:com.mysql.jdbc.Driver

2、数据库URL:jdbc:mysql://172.26.168.2:3306/test

3、用户名:hadoop

4、密码:123

还有以下几项需要配置

1、数据库表以及每列的名称:DBOutputFormat.setOutput(job, "student", "name", "age");

2、输出格式改为:job.setOutputFormatClass(DBOutputFormat.class);

需要提醒的是DBOutputFormat以MapReduce的方式运行,会并行的连接数据库。在这里需要合适的设置map、reduce的个数,以便将并行连接的数量控制在合理的范围之内

4、运行效果

使用DBOutputFormat把MapReduce产生的结果集导入到mysql中

5、注意事项

运行项目可能会报如下错误

使用DBOutputFormat把MapReduce产生的结果集导入到mysql中

解决方法:

共有3种解决方法,但我喜欢第三种

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、把jar包传到集群上,命令如下

hadoop fs -put mysql-connector-java-5.1.31.jar /lib/mysql

在mr程序提交job前,添加如下两个语句中一个就行

(1)DistributedCache.addFileToClassPath(new Path(“hdfs://ljc:9000/lib/mysql/mysql-connector-java-5.1.31.jar”), conf);

这条语句不推荐使用了,建议使用下面这条语句

(2)job.addArchiveToClassPath(new Path("hdfs://ljc:9000/lib/mysql/mysql-connector-java-5.1.31.jar"));

注意:用这种方式,在本地运行,依然报“java.io.IOException: com.mysql.jdbc.Driver”,但放到hadoop运行环境就可以啦

3、把依赖的jar打到项目中,然后配置MANIFEST.MF文件中Class-Path选项

使用DBOutputFormat把MapReduce产生的结果集导入到mysql中

具体配置,请参考“通过指定manifest.mf文件的打包

如果,您认为阅读这篇博客让您有些收获,不妨点击一下右下角的【推荐】。
如果,您希望更容易地发现我的新博客,不妨点击一下左下角的【关注我】。
如果,您对我的博客所讲述的内容有兴趣,请继续关注我的后续博客,我是【刘超★ljc】。

本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。

实现代码及数据:下载