hive、mysql、sparksql比較
6254 ワード
主に実験によって三者の速度を比較した.データ生成Pythonコード
パフォーマンス評価sql文
1、mysql検索速度のテスト
mysqlはcsvを直接インポートできますが、Ubuntuシステムには権限の問題が多く、何度も試しても成功しないので、方法を使います.Pythonプログラミングを使用してpymysqlからmysqlにデータを追加
注意:mysqlデータベースに4億件のデータ(約40 G)を追加するのは遅いので、12時間以上かかります.解決方法:Python端末を複数実行し、上記のプログラムを同時に実行するには、iの値を変更する必要があります.
2.spark-sql
参照:クラスタ上でsparkを実行する
Hadoopクラスタの実行状況のWebサイトの表示http://localhost:50070/sparkクラスタの運用状況のWebサイトの表示http://master:8080/
spark-sqlに入ってから運転
パフォーマンスの表示
一定数のレコードを削除
3、 hive
hdfsにファイルをアップロード
hiveの起動
hiveコマンドに進む
その他
Windows上の共有ディレクトリをUbuntuにロードし、Windowsのデータを共有する方法
import csv
import random
import pymysql
if __name__ == "__main__":
def getOneTraj():
vme_id = 'S90110000' + str(random.randint(2, 9))
gps_time = '2015-08-' + str(random.randint(10, 30)) + ' 09:29:11'
work_state = str(random.randint(0, 1))
ultrasonic_station = str(random.randint(0, 1))
limit_switch_state = str(random.randint(0, 1))
work_deep = str(random.randint(0, 1000))
longtitude = str(random.uniform(60, 90))
latitude = str(random.uniform(30, 60))
elevation = str(random.uniform(0, 1160))
speed = str(random.uniform(0, 60))
course_direction = str(random.randint(0, 599))
str1 = vme_id + '\t' + gps_time + '\t' + work_state + '\t' + ultrasonic_station + '\t' + limit_switch_state + '\t' + work_deep + '\t' + longtitude + '\t' + latitude + '\t' + elevation + '\t' + speed + '\t' + course_direction + '
'
return str1
count = 10
for i in [4000,4000,4000,4000,4000,4000,4000,4000,4000,4000]:
fileName = 'test'+str(count)+'.csv'
count = count + 1
f = open(fileName, 'w')
print(i)
for k in range(0,i):
str1=''
for j in range(0,10000):
str1 = str1+ getOneTraj()
f.write(str1)
f.close()
パフォーマンス評価sql文
select count(*) from trajectory;
select count(*) from trajectory group by vme_id ;
1、mysql検索速度のテスト
#
CREATE DATABASE dbtac;
USE dbtac;
CREATE TABLE trajectory (vme_id varchar(100),gps_time varchar(100),work_state INT,ultrasonic_station INT,limit_switch_state INT,work_deep INT,longtitude DOUBLE,latitude DOUBLE,elevation INT,speed INT, course_direction INT);
#
insert into trajectory values('sdd','21',1,1,1,1,1,1,1,1,1);
mysqlはcsvを直接インポートできますが、Ubuntuシステムには権限の問題が多く、何度も試しても成功しないので、方法を使います.Pythonプログラミングを使用してpymysqlからmysqlにデータを追加
import pymysql
import random
import datetime
print(' mysql ...')
conn = pymysql.connect("localhost","root","123","dbtac")
print(' !')
cursor = conn.cursor()
values=[]
for i in range(400): # 400 , 4
values=[]
now=datetime.datetime.now()
for j in range(1000000):# 100w ,
vme_id = 'S90110000' + str(random.randint(2, 9))
gps_time = '2015-08-' + str(random.randint(10, 30)) + ' 09:29:11'
work_state = (random.randint(0, 1))
ultrasonic_station = (random.randint(0, 1))
limit_switch_state = (random.randint(0, 1))
work_deep = (random.randint(0, 900))
longtitude = (random.uniform(60, 90))
latitude = (random.uniform(30, 60))
elevation = (random.uniform(0, 1160))
speed = (random.uniform(0, 60))
course_direction = (random.randint(0, 599))
value=(vme_id,gps_time,work_state,ultrasonic_station,limit_switch_state,work_deep,longtitude,latitude,elevation,speed,course_direction)
values.append(value)
end=datetime.datetime.now()
print('get the number: ')
print ((end - now))
now=datetime.datetime.now()
cursor.executemany("insert into trajectory values(%s,%s,%s, %s, %s, %s, %s,%s,%s, %s, %s)",values)
conn.commit()
end=datetime.datetime.now()
print('insert:')
print (( end-now))
cursor.close()
conn.close()
quit()
注意:mysqlデータベースに4億件のデータ(約40 G)を追加するのは遅いので、12時間以上かかります.解決方法:Python端末を複数実行し、上記のプログラムを同時に実行するには、iの値を変更する必要があります.
2.spark-sql
# Hadoop
start-all.sh
# spark
start-master.sh
start-slaves.sh
# spark-sql
spark-sql --master spark://master:7077 --driver-cores 8 --driver-java-options "-Dspark.driver.port=4050" --conf spark.sql.warehouse.dir = hdfs://master:9000/user/hive/warehouse --master yarn
# spark-sql
spark-sql
参照:クラスタ上でsparkを実行する
Hadoopクラスタの実行状況のWebサイトの表示http://localhost:50070/sparkクラスタの運用状況のWebサイトの表示http://master:8080/
spark-sqlに入ってから運転
CREATE DATABASE dbtac;
use dbtac;
DROP TABLE IF EXISTS trajectory;
#
truncate table trajectory;
CREATE TABLE dbtac.trajectory(vme_id STRING,gps_time STRING,work_state INT,ultrasonic_station INT,limit_switch_state INT,work_deep INT,longtitude DOUBLE,latitude DOUBLE,elevation INT,speed INT, course_direction INT)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE ;
# hdfs
load data inpath 'hdfs://Master:9000/dbtac/test/test10.csv' into table trajectory;
#
LOAD DATA LOCAL INPATH '/win/test/test10.csv' INTO TABLE trajectory;
パフォーマンスの表示
select count(*) from trajectory where work_deep>40;
select count(*) from trajectory where work_deep>40 and speed >20;
一定数のレコードを削除
delete from trajectory limit 100000;
3、 hive
hdfsにファイルをアップロード
hdfs dfs -mkdir /dbtac
hdfs dfs -put /usr/local/dbtac/tac /dbtac
hdfs dfs -ls /dbtac/tac
hdfs dfs -rm -r /dbtac # dbtac
hiveの起動
cd /usr/local/hive
./bin/hive
hiveコマンドに進む
CREATE DATABASE dbtac;
use dbtac;# dbtac
DROP TABLE IF EXISTS trajectory;
#
CREATE EXTERNAL TABLE dbtac.trajectory(vme_id STRING,gps_time STRING,work_state INT,ultrasonic_station INT,limit_switch_state INT,work_deep INT,longtitude DOUBLE,latitude DOUBLE,elevation INT,speed INT, course_direction INT)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS TEXTFILE ;
# hdfs
load data inpath 'hdfs://Master:9000/user/hive/warehouse/dbtac.db/trajectory/test.csv' into table trajectory;
その他
Windows上の共有ディレクトリをUbuntuにロードし、Windowsのデータを共有する方法
sudo apt-get install cifs-utils
sudo mkdir /win
sudo mount -t cifs -o username=xiaojing,password=xxx //192.168.17.122/mydata /win