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

$ 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：

public class HdfsSequoiadbMR {
    static class MobileMapper extends  Mapper<LongWritable,Text,Text,IntWritable>{
        private static final IntWritable ONE=new IntWritable(1);
        @Override
        protected void map(LongWritable key, Text value, Context context)
                throws IOException, InterruptedException {
            String valueStr=value.toString();
 
            String mobile_prefix=valueStr.split(",")[3].substring(0,3);
            context.write(new Text(mobile_prefix), ONE);
        }
 
    }
 
    static class MobileReducer extends Reducer<Text, IntWritable, NullWritable, BSONWritable>{
 
        @Override
        protected void reduce(Text key, Iterable<IntWritable> values,Context context)
                throws IOException, InterruptedException {
                Iterator<IntWritable> iterator=values.iterator();
                long sum=0;
                while(iterator.hasNext()){
                    sum+=iterator.next().get();
                }
                BSONObject bson=new BasicBSONObject();
                bson.put("prefix", key.toString());
                bson.put("count", sum);
                context.write(null,new BSONWritable(bson));
        }
 
    }
 
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        if(args.length < 1){
            System.out.print("please set input path ");
            System.exit(1);
        }
        Configuration conf=new Configuration();
        conf.addResource("sequoiadb-hadoop.xml"); //加载配置文件
        Job job=Job.getInstance(conf);
        job.setJarByClass(HdfsSequoiadbMR.class);
        job.setJobName("HdfsSequoiadbMR");
        job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(SequoiadbOutputFormat.class); //reduce 输出写入到 SequoiaDB 中
        TextInputFormat.setInputPaths(job, new Path(args[0]));
 
        job.setMapperClass(MobileMapper.class);
        job.setReducerClass(MobileReducer.class);
 
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
 
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(BSONWritable.class);
 
        job.waitForCompletion(true);
    }
}

（2） 读取 SequoiaDB 中数据处理后写入到 HDFS 中。

public class SequoiadbHdfsMR {
    static class ProvinceMapper extends Mapper<Object, BSONWritable,IntWritable,IntWritable>{
        private static final IntWritable ONE=new IntWritable(1);
        @Override
        protected void map(Object key, BSONWritable value, Context context)
                throws IOException, InterruptedException {
                       BSONObject obj = value.getBson();
            int province=(Integer) obj.get("province_code");
            context.write(new IntWritable(province), ONE);
        }
 
    }
 
    static class ProvinceReducer extends Reducer<IntWritable,IntWritable,IntWritable,LongWritable>{
 
        @Override
        protected void reduce(IntWritable key, Iterable<IntWritable> values,
                Context context)
                throws IOException, InterruptedException {
            Iterator<IntWritable> iterator=values.iterator();
            long sum=0;
            while(iterator.hasNext()){
                sum+=iterator.next().get();
            }
            context.write(key,new LongWritable(sum));
        }
 
    }
 
 
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        if(args.length<1){
            System.out.print("please set  output path ");
            System.exit(1);
        }
        Configuration conf=new Configuration();
        conf.addResource("sequoiadb-hadoop.xml");
        Job job=Job.getInstance(conf);
        job.setJarByClass(SequoiadbHdfsMR.class);
        job.setJobName("SequoiadbHdfsMR");
        job.setInputFormatClass(SequoiadbInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
 
 
        FileOutputFormat.setOutputPath(job, new Path(args[0]+"/result"));
 
        job.setMapperClass(ProvinceMapper.class);
        job.setReducerClass(ProvinceReducer.class);
 
        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(IntWritable.class);
 
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(LongWritable.class);
 
        job.waitForCompletion(true);
    }
}

配置信息：

<?xml version="1.0" encoding="UTF-8"?>
<configuration>
  <property>
     <name>sequoiadb.input.url</name>
     <value>localhost:11810</value>
  </property>
  <property>
     <name>sequoiadb.output.url</name>
     <value>localhost:11810</value>
  </property>
  <property>
     <name>sequoiadb.in.collectionspace</name>
     <value>default</value>
  </property>
  <property>
     <name>sequoiadb.in.collect</name>
     <value>student</value>
  </property>
  <property>
     <name>sequoiadb.out.collectionspace</name>
     <value>default</value>
  </property>
  <property>
     <name>sequoiadb.out.collect</name>
     <value>result</value>
  </property>
    <property>
     <name>sequoiadb.out.bulknum</name>
     <value>10</value>
  </property>
</configuration>