Hadoop 中利用 mapreduce 读写 mysql 数据

问题导读
1.hadoop mapreduce的通过哪两个类可以读取数据源？
2.如果没有mysql驱动包，一般会是什么问题？
3.如何添加包？




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：

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");
复制代码

5、代码：

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: 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。
 * 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);
                }
        }

        // 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.<init>()
        // 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 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" };
                // 从 t 表读数据
                DBInputFormat.setInput(conf, StudentinfoRecord.class, "t", null, "id", fields);
                // mapreduce 将数据输出到 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);
        }
}
复制代码

6、结果：

执行两次后，你可以看到mysql结果：

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>
复制代码

7、日志：

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
复制代码

MapReduce直接连接Mysql获取数据

Mysql中数据：

mysql> select * from lxw_tbls;
+---------------------+----------------+
| TBL_NAME            | TBL_TYPE       |
+---------------------+----------------+
| lxw_test_table      | EXTERNAL_TABLE |
| lxw_t               | MANAGED_TABLE  |
| lxw_t1              | MANAGED_TABLE  |
| tt                  | MANAGED_TABLE  |
| tab_partition       | MANAGED_TABLE  |
| lxw_hbase_table_1   | MANAGED_TABLE  |
| lxw_hbase_user_info | MANAGED_TABLE  |
| t                   | EXTERNAL_TABLE |
| lxw_jobid           | MANAGED_TABLE  |
+---------------------+----------------+
9 rows in set (0.01 sec)

mysql> select * from lxw_tbls where TBL_NAME like 'lxw%' order by TBL_NAME;
+---------------------+----------------+
| TBL_NAME            | TBL_TYPE       |
+---------------------+----------------+
| lxw_hbase_table_1   | MANAGED_TABLE  |
| lxw_hbase_user_info | MANAGED_TABLE  |
| lxw_jobid           | MANAGED_TABLE  |
| lxw_t               | MANAGED_TABLE  |
| lxw_t1              | MANAGED_TABLE  |
| lxw_test_table      | EXTERNAL_TABLE |
+---------------------+----------------+
6 rows in set (0.00 sec)
复制代码

MapReduce程序代码，ConnMysql.java:

package com.lxw.study;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import java.net.URI;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.util.Iterator;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.filecache.DistributedCache;
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.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.DBInputFormat;
import org.apache.hadoop.mapreduce.lib.db.DBWritable;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class ConnMysql {
        
        private static Configuration conf = new Configuration();
        
        static {
                conf.addResource(new Path("F:/lxw-hadoop/hdfs-site.xml"));
                conf.addResource(new Path("F:/lxw-hadoop/mapred-site.xml"));
                conf.addResource(new Path("F:/lxw-hadoop/core-site.xml"));
                conf.set("mapred.job.tracker", "10.133.103.21:50021");
        }
        
        public static class TblsRecord implements Writable, DBWritable {
                String tbl_name;
                String tbl_type;

                public TblsRecord() {

                }

                @Override
                public void write(PreparedStatement statement) throws SQLException {
                        // TODO Auto-generated method stub
                        statement.setString(1, this.tbl_name);
                        statement.setString(2, this.tbl_type);
                }

                @Override
                public void readFields(ResultSet resultSet) throws SQLException {
                        // TODO Auto-generated method stub
                        this.tbl_name = resultSet.getString(1);
                        this.tbl_type = resultSet.getString(2);
                }

                @Override
                public void write(DataOutput out) throws IOException {
                        // TODO Auto-generated method stub
                        Text.writeString(out, this.tbl_name);
                        Text.writeString(out, this.tbl_type);
                }

                @Override
                public void readFields(DataInput in) throws IOException {
                        // TODO Auto-generated method stub
                        this.tbl_name = Text.readString(in);
                        this.tbl_type = Text.readString(in);
                }

                public String toString() {
                        return new String(this.tbl_name + " " + this.tbl_type);
                }

        }

        public static class ConnMysqlMapper extends Mapper<LongWritable,TblsRecord,Text,Text> {
                public void map(LongWritable key,TblsRecord values,Context context) 
                                throws IOException,InterruptedException {
                        context.write(new Text(values.tbl_name), new Text(values.tbl_type));
                }
        }
        
        public static class ConnMysqlReducer extends Reducer<Text,Text,Text,Text> {
                public void reduce(Text key,Iterable<Text> values,Context context) 
                                throws IOException,InterruptedException {
                        for(Iterator<Text> itr = values.iterator();itr.hasNext();) {
                                context.write(key, itr.next());
                        }
                }
        }
        
        public static void main(String[] args) throws Exception {
                Path output = new Path("/user/lxw/output/");
                
                FileSystem fs = FileSystem.get(URI.create(output.toString()), conf);
                if (fs.exists(output)) {
                        fs.delete(output);
                }
                
                //mysql的jdbc驱动
                DistributedCache.addFileToClassPath(new Path(  
                          "hdfs://hd022-test.nh.sdo.com/user/liuxiaowen/mysql-connector-java-5.1.13-bin.jar"), conf);  
                
                DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver",  
                          "jdbc:mysql://10.133.103.22:3306/hive", "hive", "hive");  
                
                Job job = new Job(conf,"test mysql connection");
                job.setJarByClass(ConnMysql.class);
                
                job.setMapperClass(ConnMysqlMapper.class);
                job.setReducerClass(ConnMysqlReducer.class);
                
                job.setOutputKeyClass(Text.class);
                job.setOutputValueClass(Text.class);
                
                job.setInputFormatClass(DBInputFormat.class);
                FileOutputFormat.setOutputPath(job, output);
                
                //列名
                String[] fields = { "TBL_NAME", "TBL_TYPE" }; 
                //六个参数分别为：
                //1.Job;2.Class<? extends DBWritable>
                //3.表名;4.where条件
                //5.order by语句;6.列名
                DBInputFormat.setInput(job, TblsRecord.class,
                     "lxw_tbls", "TBL_NAME like 'lxw%'", "TBL_NAME", fields);  
                
                System.exit(job.waitForCompletion(true) ? 0 : 1);
        }
        
}
复制代码

运行结果：

[lxw@hd025-test ~]$ hadoop fs -cat /user/lxw/output/part-r-00000
lxw_hbase_table_1       MANAGED_TABLE
lxw_hbase_user_info     MANAGED_TABLE
lxw_jobid       MANAGED_TABLE
lxw_t   MANAGED_TABLE
lxw_t1  MANAGED_TABLE
lxw_test_table  EXTERNAL_TABLE
复制代码

谢谢分享

在hadoop2.5中写的mapreducer，读取mysql数据库中数据，但是报错了，有没有遇到过的？：
15/08/06 09:05:08 INFO mapreduce.Job:  map 0% reduce 0%
  [sshexec] 15/08/06 09:05:18 INFO mapreduce.Job: Task Id : attempt_1438866193653_0001_m_000001_0, Status : FAILED
  [sshexec] Error: java.io.IOException: SQLException in nextKeyValue
  [sshexec]         at org.apache.hadoop.mapreduce.lib.db.DBRecordReader.nextKeyValue(DBRecordReader.java:239)
  [sshexec]         at org.apache.hadoop.mapred.MapTask$NewTrackingRecordReader.nextKeyValue(MapTask.java:533)
  [sshexec]         at org.apache.hadoop.mapreduce.task.MapContextImpl.nextKeyValue(MapContextImpl.java:80)
  [sshexec]         at org.apache.hadoop.mapreduce.lib.map.WrappedMapper$Context.nextKeyValue(WrappedMapper.java:91)
  [sshexec]         at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:144)
  [sshexec]         at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)
  [sshexec]         at org.apache.hadoop.mapred.MapTask.run(MapTask.java:340)
  [sshexec]         at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:168)
  [sshexec]         at java.security.AccessController.doPrivileged(Native Method)
  [sshexec]         at javax.security.auth.Subject.doAs(Subject.java:415)
  [sshexec]         at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1614)
  [sshexec]         at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:163)
  [sshexec] Caused by: com.mysql.jdbc.exceptions.jdbc4.MySQLSyntaxErrorException: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'LIMIT 2 OFFSET 0' at line 1
  [sshexec]         at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
  [sshexec]         at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:57)
  [sshexec]         at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
  [sshexec]         at java.lang.reflect.Constructor.newInstance(Constructor.java:526)
  [sshexec]         at com.mysql.jdbc.Util.handleNewInstance(Util.java:411)
  [sshexec]         at com.mysql.jdbc.Util.getInstance(Util.java:386)
  [sshexec]         at com.mysql.jdbc.SQLError.createSQLException(SQLError.java:1054)
  [sshexec]         at com.mysql.jdbc.MysqlIO.checkErrorPacket(MysqlIO.java:4187)

sun1 发表于 2015-8-8 15:33
在hadoop2.5中写的mapreducer，读取mysql数据库中数据，但是报错了，有没有遇到过的？：
15/08/06 09:05:0 ...

查数数据库中的数据是否有问题，比如时间格式，数据是否为空等

谢谢分享 学习了

真是长见识了

mark正好项目需要用到