HBase实战(1)：数据导入方式

***实战(1)：数据导入方式

*). Client API实现

借助***的Client API来导入, 是最简易学的方式.

Configuration config = ***Configuration.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: ***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.

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)

1 2 3 4 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/input

sudo -u hdfs hdfs dfs -mkdir -p /test/hbase/tsv/input sudo -u hdfs hdfs dfs -put data.tsv /test/hbase/tsv/input/

尝试构建的***表student

hbase shell hbase> create 'student', {NAME => 'info'}

执行importtsv

sudo -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

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***表student_new

hbase> 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 = ***Configuration.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.

sudo -u hdfs hadoop jar .jar     hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles  

数据验证:

scan 'student_new', {LIMIT => 10}

*). 借助Hive Over Hbase

构建Hbase表hbase_student

hbase> 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.***StorageHandler' 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;

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。