HBase 实战(1)

您所在的位置：网站首页 › hive表数据导入hbase › HBase 实战(1)

HBase 实战(1)

#HBase 实战(1)| 来源: 网络整理| 查看: 265

前言:

　　作为Hadoop生态系统中重要的一员, HBase作为分布式列式存储, 在线实时处理的特性, 备受瞩目, 将来能在很多应用场景, 取代传统关系型数据库的江湖地位. 本篇博文重点讲解HBase的数据导入, 描述三种方式, Client API, Bulkload, 以及Hive Over HBase.

*). Client API实现借助HBase的Client API来导入, 是最简易学的方式.

Configuration config = HBaseConfiguration.create(); // 配置hbase.zookeeper.quorum: 后接zookeeper集群的机器列表 config.set("hbase.zookeeper.quorum", "tw-node109,tw-node110,tw-node111"); // 配置hbase.zookeeper.property.clientPort: zookeeper集群的服务端口 config.set("hbase.zookeeper.property.clientPort", "2181"); HTable htable = null; try { 　　// 配置hbase的具体表名　　htable = new HTable(config, "hbase_table"); 　　// 设置rowkey的值　　Put put = new Put(Bytes.toBytes("rowkey:1001")); 　　// 设置family:qualifier:value 　　put.add(Bytes.toBytes("family"), Bytes.toBytes("qualifier"), Bytes.toBytes("value")); 　　// 使用put类, 写入hbase对应的表中　　htable.put(put); } catch (Exception e) { 　　e.printStackTrace(); } finally { 　　if (htable != null) { 　　　　try { 　　　　　　htable.close(); 　　　　} catch (IOException e) { 　　　　　　e.printStackTrace(); 　　　　} 　　} }

评: HBase的client api编程, 相对还是简单的. 唯一需要注意的是, 若在本地编写测试用列, 需要在本地配置hbase集群相关的域名, 使得域名和ip地址能对应上, 切记.至于hbase client的读写优化, 我们放到下面的博文进行讲解.

*). 批量导入BulkloadHBase的bulkload数据导入, 分两个阶段:#). 阶段一: 借助使用HFileOutputFormat的MapReduce, 直接生成HBase的内部数据存储格式HFile. 其原理: HFileOutputFormat借助configureIncrementalLoad函数, 基于当前table的各个region边界自动匹配MapReduce的分区类TotalOrderPartitioner, 这样生成的HFile都对应一个具体的region, 此时效率最高效.#). 阶段二: 借助completebulkload工具, 将生成的HFile文件热载入hbase集群.

1. importtsv数据导入演示hbase自带了importtsv工具, 其对tsv格式的数据文件提供了默认的支持.数据文件data.tsv(以'\t'分割数据文件)

1001 lilei 17 13800001111 1002 lily 16 13800001112 1003 lucy 16 13800001113 1004 meimei 16 13800001114

上传至hdfs目录 /test/hbase/tsv/inputsudo -u hdfs hdfs dfs -mkdir -p /test/hbase/tsv/inputsudo -u hdfs hdfs dfs -put data.tsv /test/hbase/tsv/input/

尝试构建的HBase表studenthbase shellhbase> create 'student', {NAME => 'info'}

执行importtsvsudo -u hdfs hadoop jar /usr/lib/hbase/hbase-.jar importtsv -Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:age,info:phone -Dimporttsv.bulk.output=/test/hbase/tsv/output/ student /test/hbase/tsv/input

没有指定-Dimporttsv.bulk.output, importtsv默认行为是才有client api的put来导入数据于hbase, 指定-Dimporttsv.bulk.output, 则需要下一步sudo -u hdfs hadoop jar /usr/lib/hbase/hbase-.jar completebulkload /test/hbase/tsv/output/ student

数据验证:scan 'student', {LIMIT => 10}

2. 自定义bulkload数据导入演示数据文件准备, 以之前data.tsv文件为准构建HBase表student_newhbase> create 'student_new', {NAME => 'info'}

编写MapReduce代码, 如下所示:

public class MyBulkload { public static class MyBulkMapper extends Mapper { @Override protected void setup(Context context) throws IOException, InterruptedException { super.setup(context); } @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { // 数据按\t切分组织, 也可以自定义的方式来解析, 比如复杂的json/xml文本行 String line = value.toString(); String[] terms = line.split("\t"); if ( terms.length == 4 ) { byte[] rowkey = terms[0].getBytes(); ImmutableBytesWritable imrowkey = new ImmutableBytesWritable(rowkey); // 写入context中, rowkey => keyvalue, 列族:列名 info:name, info:age, info:phone context.write(imrowkey, new KeyValue(rowkey, Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes(terms[1]))); context.write(imrowkey, new KeyValue(rowkey, Bytes.toBytes("info"), Bytes.toBytes("age"), Bytes.toBytes(terms[2]))); context.write(imrowkey, new KeyValue(rowkey, Bytes.toBytes("info"), Bytes.toBytes("phone"), Bytes.toBytes(terms[3]))); } } } public static void main(String[] args) throws Exception { if ( args.length != 3 ) { System.err.println("Usage: MyBulkload "); System.exit(2); } String tableName = args[0]; String inputPath = args[1]; String outputPath= args[2]; // 创建的HTable实例用于, 用于获取导入表的元信息, 包括region的key范围划分 Configuration conf = HBaseConfiguration.create(); HTable table = new HTable(conf, tableName); Job job = Job.getInstance(conf, "MyBulkload"); job.setMapperClass(MyBulkMapper.class); job.setJarByClass(MyBulkload.class); job.setInputFormatClass(TextInputFormat.class); // 最重要的配置代码, 需要重点分析 HFileOutputFormat.configureIncrementalLoad(job, table); FileInputFormat.addInputPath(job, new Path(inputPath)); FileOutputFormat.setOutputPath(job, new Path(outputPath)); System.exit(job.waitForCompletion(true) ? 0 : 1); } }

注: 借助maven的assembly插件, 生成胖jar包(就是把依赖的zookeeper和hbase jar包都打到该MapReduce包中), 否则的话, 就需要用户静态配置, 在Hadoop的class中添加zookeeper和hbase的配置文件和相关jar包.

最终的jar包为 mybulk.jar, 主类名为com.m8zmyp.mmxf.MyBulkload, 生成HFile, 增量热载入hbasesudo -u hdfs hadoop jar .jar hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles

sudo -u hdfs hadoop jar mybulk.jar com.m8zmyp.mmxf.MyBulkload student_new /test/hbase/tsv/input /test/hbase/tsv/new_outputhbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles /test/hbase/tsv/new_output student_new

数据验证:scan 'student_new', {LIMIT => 10}

*). 借助Hive Over Hbase

构建Hbase表hbase_studenthbase> create 'hbase_student', 'info'

构建hive外表hive_student, 并对应hbase_student表CREATE EXTERNAL TABLE hive_student (rowkey string, name string, age int, phone string)STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name,info:age,info:phone")TBLPROPERTIES("hbase.table.name" = "hbase_student");

数据导入验证:1. 创建数据外表CREATE EXTERNAL TABLE data_student (rowkey string, name string, age int, phone string)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/test/hbase/tsv/input/';

2. 数据通过hive_student导入到hbase_student表中SET hive.hbase.bulk=true;INSERT OVERWRITE TABLE hive_student SELECT rowkey, name, age, phone FROM data_student;备注: 若遇到java.lang.IllegalArgumentException: Property value must not be null异常, 需要hive-0.13.0及以上版本支持详见: https://issues.apache.org/jira/browse/HIVE-5515

【本文地址】

HBase 实战(1)

HBase 实战(1)

今日新闻

推荐新闻