hadoop+Mysql的关系（实现Hadoop运算结果插入到Mysql数据库）

阳光穿透心脏的1/2处 2022-08-13 14:42 458阅读 0赞

## 1、MySQL安装 ##

MySQL下载地址：[http://www.mysql.com/downloads/][http_www.mysql.com_downloads]

### 1.1 Windows平台 ###

1）准备软件

MySQL版本：mysql-5.5.21-win32.msi

2）安装环境：

操作系统：Windows 7旗舰版

3）开始安装

第一步：双击"msi"安装文件，出现如图1.1-1界面——"MySQL安装向导"，按"Next"继续。

![201206121356509240.png][]

图1.1-1 MySQL安装向导

第二步：在"I accept …."前面勾上，同意协议，按"Next"按钮继续。

![201206121356505892.png][]

图1.1-2 软件协议

第三步：选择安装类型，有"Typical（默认）"、"Custom（定制安装）"、"Complete（完全）"三个选项。

*  典型安装：安装只安装MySQL服务器、mysql命令行客户端和命令行实用程序。命令行客户端和实用程序包括mysqldump、myisamchk和其它几个工具来帮助你管理MySQL服务器。
 *  定制安装：安装允许你完全控制你想要安装的软件包和安装路径。
 *  完全安装：安装将安装软件包内包含的所有组件。完全安装软件包包括的组件包括嵌入式服务器库、基准套件、支持脚本和文档。

我们选择"Custom"，有更多的选项，也方便熟悉安装过程。

![201206121356517453.png][]

图1.1-3 安装类型

第四步：选择组件及更改文件夹位置。

![201206121356535633.png][]

图1.1-4 自定义界面

所有可用组件列入定制安装对话框左侧的树状视图内。未安装的组件用红色X 图标表示；已经安装的组件有灰色图标。要想更改组件，点击该组件的图标并从下拉列表中选择新的选项。组件我选择了默认安装，位置我会更改一下，点击Browse。

![201206121356546845.png][]

图1.1-5 路径选择

按"OK"按钮返回，并按"Next"按钮继续。

备注：安装mysql的路径中，不能含有中文。

第五步：确认一下先前的设置，如果有误，按"Back"返回重做。按"Install"开始安装。

![201206121356557260.png][]

图1.1-6 准备安装

第六步：正在安装中，请稍候……

![201206121356556977.png][]

图1.1-7 正在安装

第七步：弹出一个页面来，是关于介绍MySQL企业版的信息，没有什么可操作的，按"Next"按钮继续。

![201206121356584276.png][]

图1.1-8 MySQL企业版介绍

然后弹出一个类似界面，接着按"Next"按钮继续。

第八步：那个带复选框的是"MySQL服务器实例配置向导"，保持默认勾选，按"Finish"按钮。至此，安装过程已经结束了，但是还需要配置一下。

![201206121356597439.png][]

图1.1-9 安装结束

第九步：MySQL配置向导启动界面，按"Next"按钮继续。

![201206121357015968.png][]

图1.1-10 配置向导

MySQL Configuration Wizard（配置向导）可以帮助自动配置Windows中的服务器。MySQL Configuration Wizard（配置向导）问你一系列问题，然后将回答放到模板中生成一个my.ini文件，该文件与你的安装一致。目前只适用于Windows用户。

一般情况当MySQL安装帮助退出时，从MySQL安装帮助启动MySQL Configuration Wizard（配置向导）。还可以点击Windows启动菜单中MySQL服务器实例配置向导条目中的MySQL部分来启动MySQL Configuration Wizard（配置向导）。并且，还可以进入MySQL安装bin目录直接启动MySQLInstanceConfig.exe文件。

第十步：选择配置类型，可以选择两种配置类型：Detailed Configuration（详细配置）和Standard Configuration（标准配置）。Standard Configuration（标准配置）选项适合想要快速启动MySQL而不必考虑服务器配置的新用户。详细配置选项适合想要更加细粒度控制服务器配置的高级用户。我们选择"Detailed Configuration"，方便熟悉配置过程。

![201206121357021673.png][]

图1.1-11 配置类型

备注：

如果你是MySQL的新手，需要配置为单用户开发机的服务器，Standard Configuration（标准配置）应当适合你的需求。选择Standard Configuration（标准配置）选项，则 MySQL Configuration Wizard（配置向导）自动设置所有配置选项，但不包括服务选项和安全选项。

Standard Configuration（标准配置）设置选项可能与安装MySQL的系统不兼容。如果系统上已经安装了MySQL和你想要配置的安装，建议选择详细配置。

第十一步：选择服务器类型，可以选择3种服务器类型，选择哪种服务器将影响到MySQL Configuration Wizard（配置向导）对内存、硬盘和过程或使用的决策。

*  Developer Machine（开发机器）：该选项代表典型个人用桌面工作站。假定机器上运行着多个桌面应用程序。将MySQL服务器配置成使用最少的系统资源。

*  Server Machine（服务器）：该选项代表服务器，MySQL服务器可以同其它应用程序一起运行，例如FTP、email和web服务器。MySQL服务器配置成使用适当比例的系统资源。

*  Dedicated MySQL Server Machine（专用MySQL服务器）：该选项代表只运行MySQL服务的服务器。假定运行没有运行其它应用程序。MySQL服务器配置成使用所有可用系统资源。

大家根据自己的类型选择了，一般选"Server Machine"，不会太少，也不会占满。我们选择"Server Machine"，按"Next"按钮继续。

![201206121357048283.png][]

图1.1-12 服务器类型

第十二步：选择数据库用途，通过Database Usage（数据库使用）对话框，你可以指出创建MySQL表时使用的表处理器。通过该选项，你可以选择是否使用InnoDB储存引擎，以及InnoDB占用多大比例的服务器资源。"Multifunctional Database（通用多功能型，好）"、"Transactional Database Only（服务器类型，专注于事务处理，一般）"、"Non-Transactional Database Only（非事务处理型，较简单，主要做一些监控、记数用，对MyISAM 数据类型的支持仅限于non-transactional）"，随自己的用途而选择了，一般选择第一种多功能的。我们选择"Multifunctional Database"，按"Next"按钮继续。

![201206121357068100.png][]

图1.1-13 数据库用途

第十三步：对InnoDB Tablespace 进行配置，就是为InnoDB 数据库文件选择一个存储空间，如果修改了，要记住位置，重装的时候要选择一样的地方，否则可能会造成数据库损坏，当然，对数据库做个备份就没问题了，这里不详述。这里没有修改，使用用默认位置，按"Next"按钮继续。

![201206121357062942.png][]

图1.1-14 配置InnoDB表空间

第十四步：选择MySQL允许的最大连接数，限制所创建的与MySQL服务器之间的并行连接数量很重要，以便防止服务器耗尽资源。在Concurrent Connections（并行连接）对话框中，可以选择服务器的使用方法，并根据情况限制并行连接的数量。还可以手动设置并行连接的限制。第一种是最大20个连接并发数，第二种是最大500个并发连接数，最后一种是自定义。我们选择"Online Transaction PRocessing(OLTP)"，按"Next"按钮继续。

![201206121357096270.png][]

图1.1-15 最大连接数

第十五步：进行网络配置，在Networking Options（网络选项）对话框中可以启用或禁用TCP/IP网络，并配置用来连接MySQL服务器的端口号。默认情况启用TCP/IP网络。要想禁用TCP/IP网络，取消选择Enable TCP/IP Networking选项旁边的检查框。默认使用3306端口。要想更访问MySQL使用的端口，从下拉框选择一个新端口号或直接向下拉框输入新的端口号。如果你选择的端口号已经被占用，将提示确认选择的端口号。我们保持默认选项，按"Next"按钮继续。

![201206121357109990.png][]

图1.1-16 网络配置

第十六步：对数据库语言编码进行设置，非常重要，因为Hadoop里默认编码为UTF-8，所以为了避免出现乱码，我们这里选择"UTF-8"作为MySQL数据库的语言编码。

![201206121357121551.png][]

图1.1-17 数据库编码

第十七步：是否要把MySQL设置成Windows的服务，一般选择设成服务，这样以后就可以通过服务中启动和关闭mysql数据库了。推荐：下面的复选框也勾选上，这样，在cmd模式下，不必非到mysql的bin目录下执行命令。我们全部打上了勾，Service Name 不变。按"Next"按钮继续。

![201206121357142895.png][]

图1.1-18 服务选项

第十八步：设置MySQL的超级用户密码，这个超级用户非常重要，对MySQL拥有全部的权限，请设置好并牢记超级用户的密码，下面有个复选框是选择是否允许远程机器用root用户连接到你的MySQL服务器上面，如果有这个需求，也请勾选。我们这里的root用户密码设置为"hadoop"，并勾上"允许远程连接"复选框，按"Next"按钮继续。

![20120612135715453.png][]

图1.1-19 安全选项

备注：

*  "Enable root access from remote machines（是否允许root 用户在其它的机器上登陆，如果要安全，就不要勾上，如果要方便，就勾上它）"。
 *  "Create An Anonymous Account（新建一个匿名用户，匿名用户可以连接数据库，不能操作数据，包括查询）"，一般就不用勾了。

第十九步：确认设置无误，如果有误，按"Back"返回检查。如果没有，按"Execute"使设置生效。

![201206121357163060.png][]

图1.1-20 确认配置

第二十步：设置完毕，按"Finish"按钮结束MySQL的安装与配置。

![201206121357178765.png][]

图1.1-21 配置完成

备注：这里有一个比较常见的错误，就是不能"Start service"，一般出现在以前有安装MySQL的服务器上，解决的办法，先保证以前安装的MySQL 服务器彻底卸载掉了；不行的话，检查是否按上面一步所说，之前的密码是否有修改，照上面的操作；如果依然不行，将MySQL 安装目录下的data 文件夹备份，然后删除，在安装完成后，将安装生成的 data 文件夹删除，备份的data 文件夹移回来，再重启MySQL 服务就可以了，这种情况下，可能需要将数据库检查一下，然后修复一次，防止数据出错。

4）验证成功

第一种：打开任务管理器 看到MySQL服务是否已经启动。

![201206121357197883.png][]

图1.1-22 任务管理器

第二种："开始à启动cmdà开打cmd模式"，输入"mysql –u root –p"连接数据库。

![201206121357204427.png][]

图1.1-23 连接数据库

### 1.2 Linux平台 ###

1）准备软件

MySQL数据库：MySQL-server\-5.5.21-1.linux2.6.i386.rpm

MySQL客户端：MySQL-client\-5.5.21-1.linux2.6.i386.rpm

2）安装环境：

操作系统：CentOS6.0 Linux

3）检查安装

在安装MySQL之前，先检查CentOS系统中是否已经安装了一个MySQL，如果已经安装先卸载，不然会导致安装新的MySQL失败。

用下面命令查看系统之前是否已安装MySQL。

> rpm -qa | grep mysql

查看结果如下：

![201206121357218048.png][]

从上图得知，CentOS6.0系统自带了一个MySQL，我们需要删除这个老版本，用root用户执行下面语句。

> rpm -e --nodeps mysql-libs-5.1.47-4.el6.i686

![201206121357216719.png][]

上图中，我们先切换到"root"用户下，然后执行删除语句，删除之后，我们再次查看，发现已经成功删除了CentOS6.0自带的旧MySQL版本。

在删除MySQL的rpm后，还要进行一些扫尾操作，网上有两种操作。（备注：我在这里两种都没有用到，发现系统中并没有其他残余的MySQL信息。）

第一种善后处理：使用下面命令进行处理。

> rm -rf /var/lib/mysql\*
> 
> rm -rf /usr/share/mysql\*

另一种善后处理：卸载后/var/lib/mysql中的/etc/my.cnf会重命名为my.cnf.rpmsave，/var/log/mysqld.log 会重命名为/var/log/mysqld.log.rpmsave，如果确定没用后就手工删除。

4）开始安装

第一步：上传所需软件。通过"FlashFXP"软件使用"vsftpd"上传用到的两个软件到"/home/hadoop"目录下。

![201206121357259906.png][]

第二步：安装MySQL服务端。用"root"用户运行如下命令进行安装：（备注：以下步骤都是用"root"用户执行。）

> rpm -ivh MySQL-server\-5.5.21-1.linux2.6.i386.rpm

通过SecureCRT查看如下：

![201206121357265578.png][]

![201206121357289921.png][]

如出现如上信息，服务端安装完毕。

第三步：检测MySQL 3306端口是否安打开。测试是否成功可运行netstat看MySQL端口是否打开，如打开表示服务已经启动，安装成功。MySQL默认的端口是3306。

> netstat -nat

![201206121357297545.png][]

从上图中发现并没有与"3306"有关的信息，说明"MySQL服务器"没有启动。通过下面命令启动MySQL。

> service mysql start

![201206121357317710.png][]

从上图中已经发现我们的MySQL服务器已经起来了。

第四步：安装MySQL客户端。用下面命令进行安装：

> rpm -ivh MySQL-client\-5.5.21-1.linux2.6.i386.rpm

执行命令显示如下：

![201206121357329794.png][]

从上图中显示MySQL客户端已经安装完毕。

第五步：MySQL的几个重要目录。MySQL安装完成后不像SQL Server默认安装在一个目录，它的数据库文件、配置文件和命令文件分别在不同的目录，了解这些目录非常重要，尤其对于Linux的初学者，因为 Linux本身的目录结构就比较复杂，如果搞不清楚MySQL的安装目录那就无从谈起深入学习。

下面就介绍一下这几个目录。

> a、数据库目录
> 
> /var/lib/mysql/
> 
>  
> 
> b、配置文件
> 
> /usr/share/mysql（mysql.server命令及配置文件）
> 
>  
> 
> c、相关命令
> 
> /usr/bin(mysqladmin mysqldump等命令)
> 
>  
> 
> d、启动脚本
> 
> /etc/rc.d/init.d/（启动脚本文件mysql的目录）
> 
> 如：/etc/rc.d/init.d/mysql start/restart/stop/status

下面就分别展示上面的几个目录内容：

*  数据库目录

![201206121357348912.png][]

*  配置文件

![201206121357359600.png][]

*  相关命令

![201206121357379242.png][]

*  启动脚本

![201206121357384358.png][]

第六步：更改MySQL目录。由于MySQL数据库目录占用磁盘比较大，而MySQL默认的数据文件存储目录为/"var/lib/mysql"，所以我们要把目录移到"/"根目录下的"mysql\_data"目录中。

需要以下几个步骤：

*  "/"根目录下建立"mysql\_data"目录

> cd /
> 
> mkdir mysql\_data

![201206121357398045.png][]

*  把MySQL服务进程停掉

可以用两种方法：

> service mysql stop

或者

> mysqladmin -u root -p shutdown

![20120612135740685.png][]

从上图中我们得知"MySQL服务进程"已经停掉。

备注：MySQL默认用户名为"root"，此处的"root"与Linux的最高权限用户"root"不是一会儿，而且默认的用户"root"的密码为空，所以上图中让输入密码，直接点击回车即可。

*  把"/var/lib/mysql"整个目录移到"/mysql\_data"

> mv /var/lib/mysql /mysql\_data

![20120612135741228.png][]

这样就把MySQL的数据文件移动到了"/mysql\_data/mysql"下。

*  找到my.cnf配置文件

如果"/etc/"目录下没有my.cnf配置文件，请到"/usr/share/mysql/"下找到\*.cnf文件，拷贝其中一个合适的配置文件到"/etc/"并改名为"my.cnf"中。命令如下：

> cp /usr/share/mysql/my-medium.cnf　 /etc/my.cnf

![201206121357426149.png][]

上图中，下查看"/etc/"下面是否有"my.cnf"文件，发现没有，然后通过上面的命令进行拷贝，拷贝完之后，进行查看，发现拷贝成功。

备注："/usr/share/mysql/"下有好几个结尾为cnf的文件，它们的作用分别是。

![201206121357431331.png][]

> a、my-small.cnf：是为了小型数据库而设计的。不应该把这个模型用于含有一些常用项目的数据库。
> 
> b、my-medium.cnf：是为中等规模的数据库而设计的。如果你正在企业中使用RHEL,可能会比这个操作系统的最小RAM需求(256MB)明显多得多的物理内存。由此可见，如果有那么多RAM内存可以使用，自然可以在同一台机器上运行其它服务。
> 
> c、my-large.cnf：是为专用于一个SQL数据库的计算机而设计的。由于它可以为该数据库使用多达512MB的内存，所以在这种类型的系统上将需要至少1GB的RAM,以便它能够同时处理操作系统与数据库应用程序。
> 
> d、my-huge.cnf：是为企业中的数据库而设计的。这样的数据库要求专用服务器和1GB或1GB以上的RAM。
> 
> 这些选择高度依赖于内存的数量、计算机的运算速度、数据库的细节大小、访问数据库的用户数量以及在数据库中装入并访问数据的用户数量。随着数据库和用户的不断增加，数据库的性能可能会发生变化。

备注：这里我们根据实际情况，选择了"my-medium.cnf"进行配置。

*  编辑MySQL的配置文件"/etc/my.cnf"

为保证MySQL能够正常工作，需要指明"mysql.sock"文件的产生位置，以及默认编码修改为UTF-8。用下面命令：

> vim /etc /my.cnf

![201206121357444429.png][]

需要修改和添加的内容如下：

【client】

> socket = /mysql\_data/mysql/mysql.sock
> 
> default-character-set=utf8

【mysqld】

> socket = /mysql\_data/mysql/mysql.sock
> 
> datadir         =/mysql\_data/mysql
> 
> character-set-server=utf8
> 
> lower\_case\_table\_names=1（注意linux下mysql安装完后是默认：区分表名的大小写，不区分列名的大小写；lower\_case\_table\_names = 0 0：区分大小写，1：不区分大小写）

备注：【client】和【mysqld】设置的编码时前地名称不一样。

![201206121357459577.png][]

*  修改MySQL启动脚本"/etc/rc.d/init.d/mysql"

最后，需要修改MySQL启动脚本/etc/rc.d/init.d/mysql，修改datadir=/mysql\_data/mysql。

> vim /etc/rc.d/init.d/mysql

![201206121357475249.png][]

![201206121357484019.png][]

*  重新启动MySQL服务

> service mysql start

![201206121357497.png][]

正准备高兴时，发现MySQL启动不了了，网上搜了一下午，各种都没有解决。后来在一篇文章才得知又是"SELinux"惹得祸。解决办法如下：

打开/etc/selinux/config，把SELINUX=enforcing改为SELINUX=disabled后存盘退出重启机器试试，必须要重启，很关键。

![201206121357507008.png][]

机器重启之后，在把"mysql服务"启动。

![201206121357504250.png][]

第七步：修改登录密码。

MySQL默认没有密码，安装完毕增加密码的重要性是不言而喻的。

*  修改前，直接登录

![201206121357527206.png][]

在没有添加密码前，直接输入"mysql"就能登录到MySQL数据库里。

*  修改登录密码

用到的命令如下：

> mysqladmin -u root password 'new-password'
> 
> 格式：mysqladmin -u用户名 -p旧密码 password 新密码

我们这里设置MySQL数据库"root"用户的密码为"hadoop"。执行的命令如下：

> mysqladmin –u root password hadoop

![201206121357524731.png][]

*  测试是否修改成功

（1）不用密码登录

![201206121357524764.png][]

此时显示错误，说明密码已经修改。

（2）用修改后的密码登录

![201206121357546075.png][]

从上图中得知，我们已经成功修改了密码，并且用新的密码登录了MySQL服务器。

第八步：配置防火墙

第一种：修改防火墙配置文件"/etc/sysconfig/iptables"，添加如下内容：

> \-A INPUT -m state --state NEW -m tcp -p tcp --sport 3306 -j ACCEPT
> 
> \-A OUTPUT -m state --state NEW -m tcp -p tcp --dport 3306 -j ACCEPT

然后执行下面命令，使防火墙立即生效。

> service iptables restart

第二种：关闭防火墙

通过下面两个命令使防火墙关闭，并且永远不起作用。

> service iptables stop
> 
> chkconfig iptables off

我们在这里为了方便，采用第二种方法，执行效果如下。

![201206121357553633.png][]

第九步：验证MySQL数据库编码是否为UTF-8。

连接上数据库之后，输入命令："SHOW VARIABLES LIKE '%char%';"即可查看到现在你的数据库所使用的字符集了。

![201206121357583373.png][]

第十步：删除空用户，增强安全。

目前为止我们都是以"root"的身份进行的，但是当我们切换至普通用户登录MySQL时，直接输入"mysql"就进去了，我们刚才不是设置密码了吗？怎么就失效了呢？说明有空用户存在。先用命令"exit"退出，在按照下面命令进行修正。

![201206121357595142.png][]

解决步骤如下：

*  以MySQL用户"root"用密码形式登录。

> mysql -u root -p

*  删除空用户，强烈建议。

> mysql>delete from mysql.user where user='';

*  刷新权限表，以便可以使更改立即生效。

> mysql>flush privileges;

*  输入"exit"，退出MySQL。

> mysql>exit

*  再重新以"mysql"登录测试

> mysql

发现以"mysql"登录已经失效，必须以"mysql –u root -p"才能登录。

下面是执行效果截图：

![201206121358017881.png][]

## 2、MapReduce与MySQL交互 ##

MapReduce技术推出后，曾遭到关系数据库研究者的挑剔和批评，认为MapReduce不具备有类似于关系数据库中的结构化数据存储和处理能力。为此，Google和MapReduce社区进行了很多努力。一方面，他们设计了类似于关系数据中结构化数据表的技术（Google的BigTable，Hadoop的HBase）提供一些粗粒度的结构化数据存储和处理能力；另一方面，为了增强与关系数据库的集成能力，Hadoop MapReduce提供了相应的访问关系数据库库的编程接口。

MapReduce与MySQL交互的整体架构如下图所示。

![201206121358027980.png][]

图2-1整个环境的架构

具体到MapReduce框架读/写数据库，有2个主要的程序分别是 DBInputFormat和DBOutputFormat，DBInputFormat 对应的是SQL语句select，而DBOutputFormat 对应的是 Inster/update，使用DBInputFormat和DBOutputForma时候需要实现InputFormat这个抽象类，这个抽象类含有getSplits()和createRecordReader()抽象方法，在DBInputFormat类中由 protected String getCountQuery() 方法传入结果集的个数，getSplits()方法再确定输入的切分原则，利用SQL中的 LIMIT 和 OFFSET 进行切分获得数据集的范围 ，请参考DBInputFormat源码中public InputSplit\[\] getSplits(JobConf job, int chunks) throws IOException的方法，在DBInputFormat源码中createRecordReader()则可以按一定格式读取相应数据。

1）建立关系数据库连接

*  DBConfiguration：提供数据库配置和创建连接的接口。

DBConfiguration类中提供了一个静态方法创建数据库连接：

> public static void configureDB(Job job,String driverClass,String dbUrl,String userName,String Password)

其中，job为当前准备执行的作业，driverClasss为数据库厂商提供的访问其数据库的驱动程序，dbUrl为运行数据库的主机的地址，userName和password分别为数据库提供访问地用户名和相应的访问密码。

2）相应的从关系数据库查询和读取数据的接口

*  DBInputFormat：提供从数据库读取数据的格式。
 *  DBRecordReader：提供读取数据记录的接口。

3）相应的向关系数据库直接输出结果的编程接口

*  DBOutputFormat：提供向数据库输出数据的格式。
 *  DBRecordWrite：提供数据库写入数据记录的接口。

数据库连接完成后，即可完成从MapReduce程序向关系数据库写入数据的操作。为了告知数据库将写入哪个表中的哪些字段，DBOutputFormat中提供了一个静态方法来指定需要写入的数据表和字段：

> public static void setOutput(Job job,String tableName,String ... fieldName)

其中，tableName指定即将写入的数据表，后续参数将指定哪些字段数据将写入该表。

### 2.1 从数据库中输入数据 ###

虽然Hadoop允许从数据库中直接读取数据记录作为MapReduce的输入，但处理效率较低，而且大量频繁地从MapReduce程序中查询和读取关系数据库可能会大大增加数据库的访问负载，因此DBInputFormat仅适合读取小量数据记录的计算和应用，不适合数据仓库联机数据分析大量数据的读取处理。

读取大量数据记录一个更好的解决办法是：用数据库中的Dump工具将大量待分析数据输出为文本数据文件，并上载到HDFS中进行处理。

1）首先创建要读入的数据

*  Windows环境

首先创建数据库"school"，使用下面命令进行：

> create database school;

![201206121358032016.png][]

然后通过以下几句话，把我们事先准备好的sql语句（student.sql事先放到了D盘目录）导入到刚创建的"school"数据库中。用到的命令如下：

> use school;
> 
> source d:\\student.sql

"student.sql"中的内容如下所示：

> DROP TABLE IF EXISTS \`school\`.\`student\`;
> 
>  
> 
> CREATE TABLE \`school\`.\`student\` (
> 
> \`id\` int(11) NOT NULL default '0',
> 
> \`name\` varchar(20) default NULL,
> 
> \`sex\` varchar(10) default NULL,
> 
> \`age\` int(10) default NULL,
> 
> PRIMARY KEY (\`id\`)
> 
> ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
> 
>  
> 
> INSERT INTO \`student\` VALUES ('201201', '张三', '男', '21');
> 
> INSERT INTO \`student\` VALUES ('201202', '李四', '男', '22');
> 
> INSERT INTO \`student\` VALUES ('201203', '王五', '女', '20');
> 
> INSERT INTO \`student\` VALUES ('201204', '赵六', '男', '21');
> 
> INSERT INTO \`student\` VALUES ('201205', '小红', '女', '19');
> 
> INSERT INTO \`student\` VALUES ('201206', '小明', '男', '22');

执行结果如下所示：

![20120612135804163.png][]

查询刚才创建的数据库表"student"的内容。

![201206121358057754.png][]

结果发现显示是乱码，记得我当时是设置的UTF-8，怎么就出现乱码了呢？其实我们使用的操作系统的系统为中文，且它的默认编码是gbk，而MySQL的编码有两种，它们分别是：

【client】：客户端的字符集。客户端默认字符集。当客户端向服务器发送请求时，请求以该字符集进行编码。

【mysqld】：服务器字符集，默认情况下所采用的。

找到安装MySQL目录，比如我们的安装目录为：

> E:\\HadoopWorkPlat\\MySQL Server 5.5

从中找到"my.ini"配置文件，最终发现my.ini里的2个character\_set把client改成gbk，把server改成utf8就可以了。

【client】端：

> \[client\]
> 
> port=3306
> 
> \[mysql\]
> 
> default-character-set=gbk

【mysqld】端：

> \[mysqld\]
> 
> \# The default character set that will be used when a new schema or table is
> 
> \# created and no character set is defined
> 
> character-set-server=utf8

按照上面修改完之后，重启MySQL服务。

![201206121358064265.png][]

此时在Windows下面的数据库表已经准备完成了。

*  Linux环境

首先通过"FlashFXP"把我们刚才的"student.sql"上传到"/home/hadoop"目录下面，然后按照上面的语句创建"school"数据库。

![201206121358071017.png][]

查看我们上传的"student.sql"内容：

![201206121358099055.png][]

创建"school"数据库，并导入"student.sql"语句。

![201206121358117792.png][]

显示数据库"school"中的表"student"信息。

![201206121358117825.png][]

显示表"student"中的内容。

![201206121358127924.png][]

到此为止在"Windows"和"Linux"两种环境下面都创建了表"student"表，并初始化了值。下面就开始通过MapReduce读取MySQL库中表"student"的信息。

2）使MySQL能远程连接

MySQL默认是允许别的机器进行远程访问地，为了使Hadoop集群能访问MySQL数据库，所以进行下面操作。

*  用MySQL用户"root"登录。

> mysql -u root -p

*  使用下面语句进行授权，赋予任何主机访问数据的权限。

> GRANT ALL PRIVILEGES ON \*.\* TO 'root'@'%' IDENTIFIED BY 'hadoop' WITH GRANT OPTION;

*  刷新，使之立即生效。

> FLUSH PRIVILEGES;

执行结果如下图。

Windows下面：

![201206121358129909.png][]

Linux下面：

![201206121358138612.png][]

到目前为止，如果连接Win7上面的MySQL数据库还不行，大家还应该记得前面在Linux下面关掉了防火墙，但是我们在Win7下对防火墙并没有做任何处理，如果不对防火墙做处理，即使执行了上面的远程授权，仍然不能连接。下面是设置Win7上面的防火墙，使远程机器能通过3306端口访问MySQL数据库。

解决方案：只要在'入站规则'上建立一个3306端口即可。

执行顺序：控制面板à管理工具à高级安全的Windows防火墙à入站规则

然后新建规则à选择'端口'à在'特定本地端口'上输入一个'3306' à选择'允许连接'=>选择'域'、'专用'、'公用'=>给个名称，如：MySqlInput

![201206121358155746.png][]

3）对JDBC的Jar包处理

因为程序虽然用Eclipse编译运行但最终要提交到Hadoop集群上，所以JDBC的jar必须放到Hadoop集群中。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。

我们的Hadoop安装包在"/usr/hadoop"，所以把Jar放到"/usr/hadoop/lib"下面，然后重启，记得是Hadoop集群中所有的节点都要放，因为执行分布式是程序是在每个节点本地机器上进行。

（2）在Hadoop集群的分布式文件系统中创建"/lib"文件夹，并把我们的的JDBC的jar包上传上去，然后在主程序添加如下语句，就能保证Hadoop集群中所有的节点都能使用这个jar包。因为这个jar包放在了HDFS上，而不是本地系统，这个要理解清楚。

> DistributedCache.addFileToClassPath(new Path("/lib/mysql-connector-java-5.1.18-bin.jar"), conf);

我们用的JDBC的jar如下所示：

> mysql-connector-java-5.1.18-bin.jar

通过Eclipse下面的DFS Locations进行创建"/lib"文件夹，并上传JDBC的jar包。执行结果如下：

![201206121358168320.png][]

备注：我们这里采用了第二种方式。

4）源程序代码如下所示

> package com.hebut.mr;
> 
>  
> 
> import java.io.IOException;
> 
> import java.io.DataInput;
> 
> import java.io.DataOutput;
> 
> import java.sql.Connection;
> 
> import java.sql.DriverManager;
> 
> import java.sql.PreparedStatement;
> 
> import java.sql.ResultSet;
> 
> import java.sql.SQLException;
> 
>  
> 
> 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.FileOutputFormat;
> 
> import org.apache.hadoop.mapred.Reporter;
> 
> import org.apache.hadoop.mapred.lib.IdentityReducer;
> 
> import org.apache.hadoop.mapred.lib.db.DBWritable;
> 
> import org.apache.hadoop.mapred.lib.db.DBInputFormat;
> 
> import org.apache.hadoop.mapred.lib.db.DBConfiguration;
> 
>  
> 
> public class ReadDB \{ 
> 
>  
> 
>     public static class Map extends MapReduceBase implements
> 
>             Mapper<LongWritable, StudentRecord, LongWritable, Text> \{ 
> 
>  
> 
>         // 实现map函数
> 
>         public void map(LongWritable key, StudentRecord value,
> 
>         OutputCollector<LongWritable, Text> collector, Reporter reporter)
> 
>                 throws IOException \{ 
> 
>             collector.collect(new LongWritable(value.id),
> 
>                     new Text(value.toString()));
> 
>         \}
> 
>  
> 
>     \}
> 
>  
> 
>     public static class StudentRecord implements Writable, DBWritable \{ 
> 
>         public int id;
> 
>         public String name;
> 
>         public String sex;
> 
>         public int age;
> 
>  
> 
>         @Override
> 
>         public void readFields(DataInput in) throws IOException \{ 
> 
>             this.id = in.readInt();
> 
>             this.name = Text.readString(in);
> 
>             this.sex = Text.readString(in);
> 
>             this.age = in.readInt();
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void write(DataOutput out) throws IOException \{ 
> 
>             out.writeInt(this.id);
> 
>             Text.writeString(out, this.name);
> 
>             Text.writeString(out, this.sex);
> 
>             out.writeInt(this.age);
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void readFields(ResultSet result) throws SQLException \{ 
> 
>             this.id = result.getInt(1);
> 
>             this.name = result.getString(2);
> 
>             this.sex = result.getString(3);
> 
>             this.age = result.getInt(4);
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void write(PreparedStatement stmt) throws SQLException \{ 
> 
>             stmt.setInt(1, this.id);
> 
>             stmt.setString(2, this.name);
> 
>             stmt.setString(3, this.sex);
> 
>             stmt.setInt(4, this.age);
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public String toString() \{ 
> 
>             return new String("学号：" + this.id + "\_姓名：" + this.name
> 
>                     + "\_性别："\+ this.sex + "\_年龄：" + this.age);
> 
>         \}
> 
>     \}
> 
>  
> 
>     public static void main(String\[\] args) throws Exception \{ 
> 
>  
> 
>         JobConf conf = new JobConf(ReadDB.class);
> 
>  
> 
>         // 这句话很关键
> 
>         conf.set("mapred.job.tracker", "192.168.1.2:9001");
> 
>  
> 
>         // 非常重要，值得关注
> 
>         DistributedCache.addFileToClassPath(new Path(
> 
>          "/lib/mysql-connector-java-5.1.18-bin.jar"), conf);
> 
>  
> 
>         // 设置输入类型
> 
>         conf.setInputFormat(DBInputFormat.class);
> 
>  
> 
>         // 设置输出类型
> 
>         conf.setOutputKeyClass(LongWritable.class);
> 
>         conf.setOutputValueClass(Text.class);
> 
>  
> 
>         // 设置Map和Reduce类
> 
>         conf.setMapperClass(Map.class);
> 
>         conf.setReducerClass(IdentityReducer.class);
> 
>  
> 
>         // 设置输出目录
> 
>         FileOutputFormat.setOutputPath(conf, new Path("rdb\_out"));
> 
>  
> 
>         // 建立数据库连接
> 
>         DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver",
> 
>             "jdbc:mysql://192.168.1.24:3306/school", "root", "hadoop");
> 
>  
> 
>         // 读取"student"表中的数据
> 
>         String\[\] fields = \{ "id", "name", "sex", "age" \};
> 
>         DBInputFormat.setInput(conf, StudentRecord.class, "student", null,"id", fields);
> 
>  
> 
>         JobClient.runJob(conf);
> 
>     \}
> 
> \}

备注：由于Hadoop1.0.0新的API对关系型数据库暂不支持，只能用旧的API进行，所以下面的"向数据库中输出数据"也是如此。

5）运行结果如下所示

经过上面的设置后，已经通过连接Win7和Linux上的MySQL数据库，执行结果都一样。唯独变得就是代码中"DBConfiguration.configureDB"中MySQL数据库所在机器的IP地址。

![201206121358174374.png][]

### 2.2 向数据库中输出数据 ###

基于数据仓库的数据分析和挖掘输出结果的数据量一般不会太大，因而可能适合于直接向数据库写入。我们这里尝试与"WordCount"程序相结合，把单词统计的结果存入到关系型数据库中。

1）创建写入的数据库表

我们还使用刚才创建的数据库"school"，只是在里添加一个新的表"wordcount"，还是使用下面语句执行：

> use school;
> 
> source sql脚本全路径

下面是要创建的"wordcount"表的sql脚本。

> DROP TABLE IF EXISTS \`school\`.\`wordcount\`;
> 
>  
> 
> CREATE TABLE \`school\`.\`wordcount\` (
> 
> \`id\` int(11) NOT NULL auto\_increment,
> 
> \`word\` varchar(20) default NULL,
> 
> \`number\` int(11) default NULL,
> 
> PRIMARY KEY (\`id\`)
> 
> ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

执行效果如下所示：

*  Windows环境

![201206121358181649.png][]

*  Linux环境

![201206121358192620.png][]

2）程序源代码如下所示

> package com.hebut.mr;
> 
>  
> 
> import java.io.IOException;
> 
> import java.io.DataInput;
> 
> import java.io.DataOutput;
> 
> import java.sql.PreparedStatement;
> 
> import java.sql.ResultSet;
> 
> import java.sql.SQLException;
> 
> import java.util.Iterator;
> 
> import java.util.StringTokenizer;
> 
>  
> 
> import org.apache.hadoop.filecache.DistributedCache;
> 
> import org.apache.hadoop.fs.Path;
> 
> import org.apache.hadoop.io.IntWritable;
> 
> import org.apache.hadoop.io.Text;
> 
> import org.apache.hadoop.io.Writable;
> 
> import org.apache.hadoop.mapred.FileInputFormat;
> 
> 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.TextInputFormat;
> 
> import org.apache.hadoop.mapred.lib.db.DBOutputFormat;
> 
> import org.apache.hadoop.mapred.lib.db.DBWritable;
> 
> import org.apache.hadoop.mapred.lib.db.DBConfiguration;
> 
>  
> 
> public class WriteDB \{ 
> 
>     // Map处理过程
> 
>     public static class Map extends MapReduceBase implements
> 
>             Mapper<Object, Text, Text, IntWritable> \{ 
> 
>  
> 
>         private final static IntWritable one = new IntWritable(1);
> 
>         private Text word = new Text();
> 
>  
> 
>         @Override
> 
>         public void map(Object key, Text value,
> 
>             OutputCollector<Text, IntWritable> output, Reporter reporter)
> 
>                 throws IOException \{ 
> 
>             String line = value.toString();
> 
>             StringTokenizer tokenizer = new StringTokenizer(line);
> 
>             while (tokenizer.hasMoreTokens()) \{ 
> 
>                 word.set(tokenizer.nextToken());
> 
>                 output.collect(word, one);
> 
>             \}
> 
>         \}
> 
>     \}
> 
>  
> 
>     // Combine处理过程
> 
>     public static class Combine extends MapReduceBase implements
> 
>             Reducer<Text, IntWritable, Text, IntWritable> \{ 
> 
>  
> 
>         @Override
> 
>         public void reduce(Text key, Iterator<IntWritable> values,
> 
>             OutputCollector<Text, IntWritable> output, Reporter reporter)
> 
>                 throws IOException \{ 
> 
>             int sum = 0;
> 
>             while (values.hasNext()) \{ 
> 
>                 sum += values.next().get();
> 
>             \}
> 
>             output.collect(key, new IntWritable(sum));
> 
>         \}
> 
>     \}
> 
>  
> 
>     // Reduce处理过程
> 
>     public static class Reduce extends MapReduceBase implements
> 
>             Reducer<Text, IntWritable, WordRecord, Text> \{ 
> 
>  
> 
>         @Override
> 
>         public void reduce(Text key, Iterator<IntWritable> values,
> 
>             OutputCollector<WordRecord, Text> collector, Reporter reporter)
> 
>                 throws IOException \{ 
> 
>  
> 
>             int sum = 0;
> 
>             while (values.hasNext()) \{ 
> 
>                 sum += values.next().get();
> 
>             \}
> 
>  
> 
>             WordRecord wordcount = new WordRecord();
> 
>             wordcount.word = key.toString();
> 
>             wordcount.number = sum;
> 
>  
> 
>             collector.collect(wordcount, new Text());
> 
>         \}
> 
>     \}
> 
>  
> 
>     public static class WordRecord implements Writable, DBWritable \{ 
> 
>         public String word;
> 
>         public int number;
> 
>  
> 
>         @Override
> 
>         public void readFields(DataInput in) throws IOException \{ 
> 
>             this.word = Text.readString(in);
> 
>             this.number = in.readInt();
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void write(DataOutput out) throws IOException \{ 
> 
>             Text.writeString(out, this.word);
> 
>             out.writeInt(this.number);
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void readFields(ResultSet result) throws SQLException \{ 
> 
>             this.word = result.getString(1);
> 
>             this.number = result.getInt(2);
> 
>         \}
> 
>  
> 
>         @Override
> 
>         public void write(PreparedStatement stmt) throws SQLException \{ 
> 
>             stmt.setString(1, this.word);
> 
>             stmt.setInt(2, this.number);
> 
>         \}
> 
>     \}
> 
>  
> 
>     public static void main(String\[\] args) throws Exception \{ 
> 
>  
> 
>         JobConf conf = new JobConf(WriteDB.class);
> 
>  
> 
>         // 这句话很关键
> 
>         conf.set("mapred.job.tracker", "192.168.1.2:9001");
> 
>  
> 
>         DistributedCache.addFileToClassPath(new Path(
> 
>                 "/lib/mysql-connector-java-5.1.18-bin.jar"), conf);
> 
>  
> 
>         // 设置输入输出类型
> 
>         conf.setInputFormat(TextInputFormat.class);
> 
>         conf.setOutputFormat(DBOutputFormat.class);
> 
>         // 不加这两句，通不过，但是网上给的例子没有这两句。
> 
>         conf.setOutputKeyClass(Text.class);
> 
>         conf.setOutputValueClass(IntWritable.class);
> 
>  
> 
>         // 设置Map和Reduce类
> 
>         conf.setMapperClass(Map.class);
> 
>         conf.setCombinerClass(Combine.class);
> 
>         conf.setReducerClass(Reduce.class);
> 
>  
> 
>         // 设置输如目录
> 
>         FileInputFormat.setInputPaths(conf, new Path("wdb\_in"));
> 
>  
> 
>         // 建立数据库连接
> 
>         DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver",
> 
>             "jdbc:mysql://192.168.1.24:3306/school", "root", "hadoop");
> 
>  
> 
>         // 写入"wordcount"表中的数据
> 
>         String\[\] fields = \{ "word", "number" \};
> 
>         DBOutputFormat.setOutput(conf, "wordcount", fields);
> 
>  
> 
>         JobClient.runJob(conf);
> 
>     \}
> 
> \}

3）运行结果如下所示

*  Windows环境

测试数据：

（1）file1.txt

> hello word
> 
> hello hadoop

（2）file2.txt

> 虾皮 hadoop
> 
> 虾皮 word
> 
> 软件 软件

运行结果：

![201206121358206797.png][]

我们发现上图中出现了"?"，后来查找原来是因为我的测试数据时在Windows用记事本写的然后保存为"UTF-8"，在保存时为了区分编码，自动在前面加了一个"BOM"，但是不会显示任何结果。然而我们的代码把它识别为"?"进行处理。这就出现了上面的结果，如果我们在每个要处理的文件前面的第一行加一个空格，结果就成如下显示：

![201206121358202752.png][]

接着又做了一个测试，在Linux上面用下面命令创建了一个文件，并写上中文内容。结果显示并没有出现"?"，而且网上说不同的记事本软件（EmEditor、UE）保存为"UTF-8"就没有这个问题。经过修改之后的Map类，就能够正常识别了。

>     // Map处理过程
> 
>     public static class Map extends MapReduceBase implements
> 
>             Mapper<Object, Text, Text, IntWritable> \{ 
> 
>  
> 
>         private final static IntWritable one = new IntWritable(1);
> 
>         private Text word = new Text();
> 
>  
> 
>         @Override
> 
>         public void map(Object key, Text value,
> 
>             OutputCollector<Text, IntWritable> output, Reporter reporter)
> 
>                 throws IOException \{ 
> 
>             String line = value.toString();
> 
>            
> 
>             //处理记事本UTF-8的BOM问题
> 
>             if (line.getBytes().length > 0) \{ 
> 
>                 if ((int) line.charAt(0) == 65279) \{ 
> 
>                     line = line.substring(1);
> 
>                 \}
> 
>             \}
> 
>            
> 
>             StringTokenizer tokenizer = new StringTokenizer(line);
> 
>             while (tokenizer.hasMoreTokens()) \{ 
> 
>                 word.set(tokenizer.nextToken());
> 
>                 output.collect(word, one);
> 
>             \}
> 
>         \}
> 
>     \}

处理之后的结果：

![201206121358218947.png][]

从上图中得知，我们的问题已经解决了，因此，在编辑、更改任何文本文件时，请务必使用不会乱加BOM的编辑器。Linux下的编辑器应该都没有这个问题。Windows下，请勿使用记事本等编辑器。推荐的编辑器是： Editplus 2.12版本以上； EmEditor； UltraEdit（需要取消'添加BOM'的相关选项）； Dreamweaver（需要取消'添加BOM'的相关选项） 等。

对于已经添加了BOM的文件，要取消的话，可以用以上编辑器另存一次。（Editplus需要先另存为gb，再另存为UTF-8。） DW解决办法如下： 用DW打开指定文件，按Ctrl+Jà标题/编码à编码选择"UTF-8"，去掉"包括Unicode签名(BOM)"勾选à保存/另存为，即可。

国外有一个牛人已经把这个问题解决了，使用"UnicodeInputStream"、"UnicodeReader"。

地址：[http://koti.mbnet.fi/akini/java/unicodereader/][http_koti.mbnet.fi_akini_java_unicodereader]

示例：[Java读带有BOM的UTF-8文件乱码原因及解决方法][Java_BOM_UTF-8]

代码：[http://download.csdn.net/detail/xia520pi/4146123][http_download.csdn.net_detail_xia520pi_4146123]

*  Linux环境

测试数据：

（1）file1.txt

> MapReduce is simple

（2）file2.txt

> MapReduce is powerful is simple

（3）file2.txt

> Hello MapReduce bye MapReduce

运行结果：

![201206121358229570.png][]

到目前为止，MapReduce与关系型数据库交互已经结束，从结果中得知，目前新版的API还不能很好的支持关系型数据库的操作，上面两个例子都是使用的旧版的API。关于更多的MySQL操作，具体参考"Hadoop集群\_第10期副刊\_常用MySQL数据库命令\_V1.0"。

本期历时五天，终于完成，期间遇到的关键问题如下：

*  MySQL的JDBC的jar存放问题。
 *  Win7对MySQL防火墙的设置。
 *  Linux中MySQL变更目录不能启动。
 *  MapReduce处理带BOM的UTF-8问题。
 *  设置MySQL可以远程访问。
 *  MySQL处理中文乱码问题。

从这几天对MapReduce的了解，发现其实Hadoop对关系型数据库的处理还不是很强，主要是Hadoop和关系型数据做的事不是同一类型，各有所特长。下面几期我们将对Hadoop里的HBase和Hive进行全面了解。

[http_www.mysql.com_downloads]: http://www.mysql.com/downloads/
[201206121356509240.png]: /images/20220810/fd975c7f9ab649258772468f255a3966.png
[201206121356505892.png]: /images/20220810/5cfc32b7d1b54aff97fa41edc71b2753.png
[201206121356517453.png]: /images/20220810/98af729d21fc477e80d3a6313f6c4027.png
[201206121356535633.png]: /images/20220810/1c958b3949504d4ca9841e5e4e114a1f.png
[201206121356546845.png]: /images/20220810/c486a7ab1e89454698ec8d1b14398335.png
[201206121356557260.png]: /images/20220810/87dc7a1f76ee4c17bef775b727aff153.png
[201206121356556977.png]: /images/20220810/3c305e3b83664e83b8ef8844fae12a26.png
[201206121356584276.png]: /images/20220810/96fa133dd03f458ead4baa8ccecf3221.png
[201206121356597439.png]: /images/20220810/9b350744aa554188945285e162d77fae.png
[201206121357015968.png]: /images/20220810/9f155b65321d4381b6d63342d1f85b4d.png
[201206121357021673.png]: /images/20220810/7856ee0e3d774e26b82b327a369cbfdf.png
[201206121357048283.png]: /images/20220810/1179b150c14e4fd2914a5fd2913f91d8.png
[201206121357068100.png]: /images/20220810/2e52e3d0c64e4234b6826211cdae5f42.png
[201206121357062942.png]: /images/20220810/a96be17c70f1436eb6d2e940f79e862c.png
[201206121357096270.png]: /images/20220810/c34729e977d4414291a5c17e3d1a2363.png
[201206121357109990.png]: /images/20220810/b6c419b6f666425dbaa2d5e11a612d51.png
[201206121357121551.png]: /images/20220810/4b510b5855a5452eabaf6c4fdb86278a.png
[201206121357142895.png]: /images/20220810/f290d93b33a840e69268efeb9a16568a.png
[20120612135715453.png]: /images/20220810/23a55d9dca7342ca8f438e40db1722cf.png
[201206121357163060.png]: /images/20220810/03b7281518504ee295eda831e1e759d8.png
[201206121357178765.png]: /images/20220810/580f8501f3fe4efface323a954cfa6a1.png
[201206121357197883.png]: /images/20220810/b272dca38df042c49bfcce8ed6de77a2.png
[201206121357204427.png]: /images/20220810/7cce3b4f4032421baa8346f7873f25c3.png
[201206121357218048.png]: /images/20220810/b32ae5821780447d90de3c27e5ee32ec.png
[201206121357216719.png]: /images/20220810/6709db30cdb744168caaf8a2a8fec623.png
[201206121357259906.png]: /images/20220810/60781ea600fb4b368b6f8ced4a5c57cd.png
[201206121357265578.png]: /images/20220810/73dd9980d5b34c80a585c0a235301dcd.png
[201206121357289921.png]: /images/20220810/737635caeff140848e9c958b44170876.png
[201206121357297545.png]: /images/20220810/1f69eb7363044b5e889dd49e06a905b4.png
[201206121357317710.png]: /images/20220810/77cf19dc4b624695bc1f6b191df8e4d4.png
[201206121357329794.png]: /images/20220810/5453dacb7b0842a9a8053f0f58438e5a.png
[201206121357348912.png]: /images/20220810/82b96d3d586947cf8a3e3630ab4b4366.png
[201206121357359600.png]: /images/20220810/0b150e4b39bb4b00860cff3a8e895e80.png
[201206121357379242.png]: /images/20220810/dd9f563b3673403882a921e8b4682c39.png
[201206121357384358.png]: /images/20220810/b0a0565d42a846a49e18d474476280ea.png
[201206121357398045.png]: /images/20220810/eae7e6811570487285e007bad59891dd.png
[20120612135740685.png]: /images/20220810/82a9c1c88cb14856b1ffa9f9933913a3.png
[20120612135741228.png]: /images/20220810/6afa7433c6cd41b3b1201dc089ffdc0a.png
[201206121357426149.png]: /images/20220810/be95732bdb2a46bb9ccdd23f314f69aa.png
[201206121357431331.png]: /images/20220810/730fc82da03c44ffa98b4bdc6c9fbae4.png
[201206121357444429.png]: /images/20220810/1357927f79494f87a8cbd7fb1cb5c3d9.png
[201206121357459577.png]: /images/20220810/f622d7f37d464a65b4f3cdf45e7c417f.png
[201206121357475249.png]: /images/20220810/1d159a032cfc4387aabbb8664fa5358d.png
[201206121357484019.png]: /images/20220810/402409ef21654967a5b1c60172fca3e6.png
[201206121357497.png]: /images/20220810/054e60a1da374fb0946a1af4d832a052.png
[201206121357507008.png]: /images/20220810/1a08cf8f38644d72903933c91c308bcd.png
[201206121357504250.png]: /images/20220810/269dcc48ccbb4f3ba9b9f33abeaf1d13.png
[201206121357527206.png]: /images/20220810/2dee9ec9d35e49c39e298e72bf62b9e1.png
[201206121357524731.png]: /images/20220810/8c9ec13f600343cfae169aed53024b6f.png
[201206121357524764.png]: /images/20220810/efe0884f0a394858a0e007e170e47c21.png
[201206121357546075.png]: /images/20220810/3a2b4a0a113445599bfd0504671dbf35.png
[201206121357553633.png]: /images/20220810/2190b66a66cd4f92b315d246bb52dfda.png
[201206121357583373.png]: /images/20220810/c5c1025f31ce400993628a0bb52aa99f.png
[201206121357595142.png]: /images/20220810/e8744601680a41778e8c7973639a7db3.png
[201206121358017881.png]: /images/20220810/a73e9758ca2343d283664be0da9995bb.png
[201206121358027980.png]: /images/20220810/cc2515bc90fa4598b9bba86a6219af54.png
[201206121358032016.png]: /images/20220810/8ec552ae30c0432c9574252cb8a6ed68.png
[20120612135804163.png]: /images/20220810/59a3cfe3fd904bf59923f26127b4c921.png
[201206121358057754.png]: /images/20220810/9cf5d659d60d4e3ea73f655ba93e46b3.png
[201206121358064265.png]: /images/20220810/3acda4e898a44afe98f65e3dcd3ca3ed.png
[201206121358071017.png]: /images/20220810/5a9a858d045448cbb31731067b5e80f4.png
[201206121358099055.png]: /images/20220810/81c7240c855b4eeb82dd0f6518a262ed.png
[201206121358117792.png]: /images/20220810/21c3dbd49b4e4f2fa2513d5c91746e7f.png
[201206121358117825.png]: /images/20220810/cbfea8cc77704725a7fc49ef73ee8c59.png
[201206121358127924.png]: /images/20220810/4aed0825c0914bbc9c35888e100e807c.png
[201206121358129909.png]: /images/20220810/0af144b2e0664aaaa529707224ba20a9.png
[201206121358138612.png]: /images/20220810/b28265fa301742478436ca3aa20fcbb8.png
[201206121358155746.png]: /images/20220810/784e4242f54d4d5cb7fc7a49de8f61c0.png
[201206121358168320.png]: /images/20220810/345f689f32b74a9bb25ba918ab1c76f5.png
[201206121358174374.png]: /images/20220810/d42f10b67ab042fb9ff548e6cb05eb95.png
[201206121358181649.png]: /images/20220810/525fee9ebe2343028eb3b585649a77af.png
[201206121358192620.png]: /images/20220810/6a7d763d7c3b481685053a1baeb5da46.png
[201206121358206797.png]: /images/20220810/057a1a913e6a4e1e9f4d3855c39839a4.png
[201206121358202752.png]: /images/20220810/3d9f88f961d541afbde295388524336f.png
[201206121358218947.png]: /images/20220810/a6537667a9c4469b882a15537a936f41.png
[http_koti.mbnet.fi_akini_java_unicodereader]: http://koti.mbnet.fi/akini/java/unicodereader/
[Java_BOM_UTF-8]: http://daimojingdeyu.iteye.com/blog/397661
[http_download.csdn.net_detail_xia520pi_4146123]: http://download.csdn.net/detail/xia520pi/4146123
[201206121358229570.png]: /images/20220810/d61aa026e3d44dee89c4121d6cce50be.png