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);................