集成

搭建 Hadoop 环境

我们支持 hadoop 1.x 和 hadoop 2.x。先安装配置好 Hadoop。

配置连接环境

与 MapReduce 对接，需要准备 hadoop-connector.jar 和 sequoiadb.jar，这两个 jar 可以在 SequoiaDB 安装目录下面的 hadoop 目录（默认为/opt/sequoiadb/hadoop）中找到。

运行

  1. $ hadoop classpath

查看 hadoop 的 classpath。在 classpath 中选择一个目录，把 hadoop-connector.jar 和 sequoiadb.jar 放在目录里面，重启 hadoop 集群。

编写 MapReduce

hadoop-connector.jar 中一些重要的类：

SequoiadbInputFormat：读取SequoiaDB的数据。

SequoiadbOutputFormat：向SequoiaDB写入数据。

BSONWritable：BSONObject 的包装类，实现了 WritableComparable 接口。用于序列化 BSONObject 对象。

SequoiaDB 和 MapReduce 的配置：

sequoiadb-hadoop.xml 是配置文件，放在你编写的 MapReduce 工程的源码根目录下面。

sequoiadb.input.url：指定作为输入源 SequoiaDB 的 URL 路径，格式为：hostname1:port1,hostname2:port2。

sequoiadb.input.user：指定输入源 SequoiaDB 的用户名，默认为 null。

sequoiadb.input.passwd：指定输入源 SequoiaDB 用户密码，默认为 null。

sequoiadb.in.collectionspace：指定作为输入源 SequoiaDB 集合空间。

sequoiadb.in.collection：指定作为输入源 SequoiaDB 集合。

sequoiadb.query.json：指定输入源 SequoiaDB 的查询条件，使用 json 结构，默认为 null。

sequoiadb.selector.json：指定输入源 SequoiaDB 的字段筛选，使用 json 结构，默认为 null。

sequoiadb.preferedinstance：指定从输入源 SequoiaDB 中获取数据时，连接哪个数据节点，默认为 anyone，可填值：[slave/master/anyone/node(1-7)]。

sequoiadb.output.url：指定作为输出源 SequoiaDB 的 URL 路径。

sequoiadb.output.user：指定输出源 SequoiaDB 用户名，默认为 null。

sequoiadb.output.passwd：指定输出源 SequoiaDB 用户密码，默认为 null。

sequoiadb.out.collectionspace：指定作为输出源 SequoiaDB 的集合空间。

sequoiadb.out.collection：指定作为输出源 SequoiaDB 的集合。

sequoiadb.out.bulknum：指定每次向输出源 SequoiaDB 写入的记录条数，对写入性能进行优化。

示例

（1）下面是读取 HDFS 文件，处理后写入到 SequoiaDB 中去：

  1. public class HdfsSequoiadbMR {
  2.     static class MobileMapper extends  Mapper<LongWritable,Text,Text,IntWritable>{
  3.         private static final IntWritable ONE=new IntWritable(1);
  4.         @Override
  5.         protected void map(LongWritable key, Text value, Context context)
  6.                 throws IOException, InterruptedException {
  7.             String valueStr=value.toString();
  8.  
  9.             String mobile_prefix=valueStr.split(",")[3].substring(0,3);
  10.             context.write(new Text(mobile_prefix), ONE);
  11.         }
  12.  
  13.     }
  14.  
  15.     static class MobileReducer extends Reducer<Text, IntWritable, NullWritable, BSONWritable>{
  16.  
  17.         @Override
  18.         protected void reduce(Text key, Iterable<IntWritable> values,Context context)
  19.                 throws IOException, InterruptedException {
  20.                 Iterator<IntWritable> iterator=values.iterator();
  21.                 long sum=0;
  22.                 while(iterator.hasNext()){
  23.                     sum+=iterator.next().get();
  24.                 }
  25.                 BSONObject bson=new BasicBSONObject();
  26.                 bson.put("prefix", key.toString());
  27.                 bson.put("count", sum);
  28.                 context.write(null,new BSONWritable(bson));
  29.         }
  30.  
  31.     }
  32.  
  33.     public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
  34.         if(args.length < 1){
  35.             System.out.print("please set input path ");
  36.             System.exit(1);
  37.         }
  38.         Configuration conf=new Configuration();
  39.         conf.addResource("sequoiadb-hadoop.xml"); //加载配置文件
  40.         Job job=Job.getInstance(conf);
  41.         job.setJarByClass(HdfsSequoiadbMR.class);
  42.         job.setJobName("HdfsSequoiadbMR");
  43.         job.setInputFormatClass(TextInputFormat.class);
  44.         job.setOutputFormatClass(SequoiadbOutputFormat.class); //reduce 输出写入到 SequoiaDB 中
  45.         TextInputFormat.setInputPaths(job, new Path(args[0]));
  46.  
  47.         job.setMapperClass(MobileMapper.class);
  48.         job.setReducerClass(MobileReducer.class);
  49.  
  50.         job.setMapOutputKeyClass(Text.class);
  51.         job.setMapOutputValueClass(IntWritable.class);
  52.  
  53.         job.setOutputKeyClass(NullWritable.class);
  54.         job.setOutputValueClass(BSONWritable.class);
  55.  
  56.         job.waitForCompletion(true);
  57.     }
  58. }

（2） 读取 SequoiaDB 中数据处理后写入到 HDFS 中。

  1. public class SequoiadbHdfsMR {
  2.     static class ProvinceMapper extends Mapper<Object, BSONWritable,IntWritable,IntWritable>{
  3.         private static final IntWritable ONE=new IntWritable(1);
  4.         @Override
  5.         protected void map(Object key, BSONWritable value, Context context)
  6.                 throws IOException, InterruptedException {
  7.                        BSONObject obj = value.getBson();
  8.             int province=(Integer) obj.get("province_code");
  9.             context.write(new IntWritable(province), ONE);
  10.         }
  11.  
  12.     }
  13.  
  14.     static class ProvinceReducer extends Reducer<IntWritable,IntWritable,IntWritable,LongWritable>{
  15.  
  16.         @Override
  17.         protected void reduce(IntWritable key, Iterable<IntWritable> values,
  18.                 Context context)
  19.                 throws IOException, InterruptedException {
  20.             Iterator<IntWritable> iterator=values.iterator();
  21.             long sum=0;
  22.             while(iterator.hasNext()){
  23.                 sum+=iterator.next().get();
  24.             }
  25.             context.write(key,new LongWritable(sum));
  26.         }
  27.  
  28.     }
  29.  
  30.  
  31.     public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
  32.         if(args.length<1){
  33.             System.out.print("please set  output path ");
  34.             System.exit(1);
  35.         }
  36.         Configuration conf=new Configuration();
  37.         conf.addResource("sequoiadb-hadoop.xml");
  38.         Job job=Job.getInstance(conf);
  39.         job.setJarByClass(SequoiadbHdfsMR.class);
  40.         job.setJobName("SequoiadbHdfsMR");
  41.         job.setInputFormatClass(SequoiadbInputFormat.class);
  42.         job.setOutputFormatClass(TextOutputFormat.class);
  43.  
  44.  
  45.         FileOutputFormat.setOutputPath(job, new Path(args[0]+"/result"));
  46.  
  47.         job.setMapperClass(ProvinceMapper.class);
  48.         job.setReducerClass(ProvinceReducer.class);
  49.  
  50.         job.setMapOutputKeyClass(IntWritable.class);
  51.         job.setMapOutputValueClass(IntWritable.class);
  52.  
  53.         job.setOutputKeyClass(IntWritable.class);
  54.         job.setOutputValueClass(LongWritable.class);
  55.  
  56.         job.waitForCompletion(true);
  57.     }
  58. }

配置信息：

  1. <?xml version="1.0" encoding="UTF-8"?>
  2. <configuration>
  3.   <property>
  4.      <name>sequoiadb.input.url</name>
  5.      <value>localhost:11810</value>
  6.   </property>
  7.   <property>
  8.      <name>sequoiadb.output.url</name>
  9.      <value>localhost:11810</value>
  10.   </property>
  11.   <property>
  12.      <name>sequoiadb.in.collectionspace</name>
  13.      <value>default</value>
  14.   </property>
  15.   <property>
  16.      <name>sequoiadb.in.collect</name>
  17.      <value>student</value>
  18.   </property>
  19.   <property>
  20.      <name>sequoiadb.out.collectionspace</name>
  21.      <value>default</value>
  22.   </property>
  23.   <property>
  24.      <name>sequoiadb.out.collect</name>
  25.      <value>result</value>
  26.   </property>
  27.     <property>
  28.      <name>sequoiadb.out.bulknum</name>
  29.      <value>10</value>
  30.   </property>
  31. </configuration>