sqoop 抽取源码流程分析( 二 ) 导入工具代码结构分析

1.导入工具的起点importTool.java

抽取就是从这个地方开始的，重点是其中的run() 方法

@Override

/** {@inheritDoc} */

public int run(SqoopOptions options) {

.........

codeGenerator.setManager(manager);

try {

if (options.doHiveImport()) {

hiveImport = new HiveImport(options, manager, options.getConf(), false);

}

// Import a single table (or query) the user specified.

importTable(options, options.getTableName(), hiveImport);

这个manager 的作用就是管理下面各种数据库的访问，比如你是要访问mysql 呢，还是oracle 呢。

这个代码重点是在manager 这个地方，这个是什么时候初始化的呢

protected ConnManager manager;

1.1 诞生之地

这个就是链接管理，那么这个东东的初始化在哪里呢？通过尾随其回家的路，终于嘿嘿。。。

public abstract class BaseSqoopTool extends com.cloudera.sqoop.tool.SqoopTool {

这就是manager 的老巢了。

进去看看

*/

protected boolean init(SqoopOptions sqoopOpts) {

// Get the connection to the database.

try {

JobData data = new JobData(sqoopOpts, this);

this.manager = new ConnFactory(sqoopOpts.getConf()).getManager(data);

return true;

} catch (Exception e) {

LOG.error("Got error creating database manager: "

+ StringUtils.stringifyException(e));

if (System.getProperty(Sqoop.SQOOP_RETHROW_PROPERTY) != null) {

throw new RuntimeException(e);

}

}

return false;

}

这就是他的出生之地了

this.manager = new ConnFactory(sqoopOpts.getConf()).getManager(data);

1.2 工厂

public class ConnFactory {

在这个类里面，可以看到默认有两个工厂实现类

当然，也可以通过配置文件指定自定义的工厂实现类，相关代码也在这个类中可以找到

public static final String[] DEFAULT_FACTORY_CLASS_NAMES_ARR =

{OraOopManagerFactory.class.getName(),

DefaultManagerFactory.class.getName(), };

......

private List<ManagerFactory> factories; // 存储实例化的工厂对象

除了这两个默认的工厂，还可以利用配置文件来进行扩展，一般是在conf 目录下，利用manager.d 目录提供的配置文件来

控制你要提供的工厂，具体的请结合ConnFactory的代码来看

ConnFactory 的对外接口

public ConnManager getManager(JobData data) throws IOException {

根据配置信息来构造出一个连接器供抽取使用。

下面分别对这两个默认工厂的实现进行介绍

1.2.1 缺省工厂DefaultManagerFactory

public class DefaultManagerFactory

extends com.cloudera.sqoop.manager.ManagerFactory {
.........

public ConnManager accept(JobData data) {

SqoopOptions options = data.getSqoopOptions();

String scheme = extractScheme(options);

if (null == scheme) {

// We don't know if this is a mysql://, hsql://, etc.

// Can't do anything with this.

LOG.warn("Null scheme associated with connect string.");

return null;

}

LOG.debug("Trying with scheme: " + scheme);

if (scheme.equals("jdbc:mysql:")) {

if (options.isDirect()) {

return new DirectMySQLManager(options);

} else {

return new MySQLManager(options);

}

} else if (scheme.equals("jdbc:postgresql:")) {

if (options.isDirect()) {

return new DirectPostgresqlManager(options);

} else {

return new PostgresqlManager(options);

}

} else if (scheme.startsWith("jdbc:hsqldb:")) {

return new HsqldbManager(options);

} else if (scheme.startsWith("jdbc:oracle:")) {

return new OracleManager(options);

} else if (scheme.startsWith("jdbc:sqlserver:")) {

return new SQLServerManager(options);

} else if (scheme.startsWith("jdbc:jtds:sqlserver:")) {

return new SQLServerManager(

"net.sourceforge.jtds.jdbc.Driver",

options);

} else if (scheme.startsWith("jdbc:db2:")) {

return new Db2Manager(options);

} else if (scheme.startsWith("jdbc:netezza:")) {

if (options.isDirect()) {

return new DirectNetezzaManager(options);

} else {

return new NetezzaManager(options);

}

} else if (scheme.startsWith("jdbc:cubrid:")) {

return new CubridManager(options);

} else {

return null;

}

}

protected String extractScheme(SqoopOptions options) {

..............
}

return connectStr.substring(0, schemeStopIdx);

}

}

String scheme = extractScheme(options);

取得连接的参数，然后判断是属于那种类型的数据库链接，是mysql 还是oracle.

OracleManager.java 或 MySQLManager.java 等

然后制造出不同数据库的manager. 到这里，工厂的使命就完成了

1.2.2 ORA 工厂 OraOopManagerFactory

TBD

2. 再回 importTool

还是在run 方法里面

importTable(options, options.getTableName(), hiveImport);

再看其实现里面有这么一段

if (null != tableName) {

manager.importTable(context);

} else {

manager.importQuery(context);

}

这里的importTable 或者 importQuery 就是由工厂制造出来具体的类来实现了，比如OracleManager.java 或 MySQLManager.java

3. 进入抽取阶段

3.1 具体实现的继承关系

public abstract class SqlManager

extends com.cloudera.sqoop.manager.ConnManager {

public abstract class SqlManager

extends org.apache.sqoop.manager.SqlManager {

public class GenericJdbcManager

extends com.cloudera.sqoop.manager.SqlManager {

public class GenericJdbcManager

extends org.apache.sqoop.manager.GenericJdbcManager {

GenericJdbcManager下面有多种数据库进行的子类化

public abstract class CatalogQueryManager

extends com.cloudera.sqoop.manager.GenericJdbcManager {

其他的如OracleManager , MySqlManager 应该去代码里面实现。

这是多少层继承关系啊

好了，那么importQuery() 的实现是在SqlManager 这个类里面

3.2 importQuery的实现

public void importQuery(com.cloudera.sqoop.manager.ImportJobContext context)

throws IOException, ImportException {

ImportJobBase importer;

......
if (!opts.isBulkLoadEnabled()){

importer = new HBaseImportJob(opts, context);

} else {

importer = new HBaseBulkImportJob(opts, context);

}

} else if (opts.getAccumuloTable() != null) {

// Import to Accumulo.

......

importer = new AccumuloImportJob(opts, context);

} else {

// Import to HDFS.

importer = new DataDrivenImportJob(opts, context.getInputFormat(),context);

}

importer.runImport(null, jarFile, splitCol, opts.getConf());

这里可以看出，导出主要是有三种存储类型，HBASE 、Accumulo 和 HDFS

那么hive 当然是算导入到hdfs 了，所以重点还是在 DataDrivenImportJob上面

4. 抽取到hdfs

4.1 继承关系

public class DataDrivenImportJob

extends org.apache.sqoop.mapreduce.DataDrivenImportJob {

public class DataDrivenImportJob extends ImportJobBase {

public class ImportJobBase

extends org.apache.sqoop.mapreduce.ImportJobBase {

public class ImportJobBase extends JobBase {

ImportJobBase 提供了 runImport 方法的实现

public void runImport(String tableName, String ormJarFile, String splitByCol,

Configuration conf) throws IOException, ImportException {

...................

if (null != tableName) {

LOG.info("Beginning import of " + tableName);

} else {

LOG.info("Beginning query import.");

}

....................

上传mapred 包
loadJars(conf, ormJarFile, tableClassName);

创建mapred  job

Job job = createJob(conf);

try {

// Set the external jar to use for the job.

job.getConfiguration().set("mapred.jar", ormJarFile);

if (options.getMapreduceJobName() != null) {

job.setJobName(options.getMapreduceJobName());

}

propagateOptionsToJob(job);

// 设置输入格式

configureInputFormat(job, tableName, tableClassName, splitByCol);

// 设置输出格式

configureOutputFormat(job, tableName, tableClassName);

configureMapper(job, tableName, tableClassName);

configureNumTasks(job);

cacheJars(job, getContext().getConnManager());

jobSetup(job);

setJob(job);

//    运行mapreduce job.
boolean success = runJob(job);

if (!success) {

throw new ImportException("Import job failed!");

}

completeImport(job);

................