大数据存储- Hbase 整合 HdoopHive

Posted 大数据江湖

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据存储- Hbase 整合 HdoopHive相关的知识,希望对你有一定的参考价值。


上篇文章说了 Hbase 的基础架构,都是比较理论的知识,最近我也一直在搞 Hbase 的数据迁移, 今天就来一篇实战型的,把最近一段时间的 Hbase 整合 Hadoop 的基础知识在梳理一遍,毕竟当初搞得时候还是有点摸不着方向,写下来也方便以后查阅。


之前使用 Hbase 大多是把它当做实时数据库来做查询使用的,大部分使用的都是 Hbase 的基础 Api, Hbase 与 Hadoop Hive 框架的整合还真是没系统的搞过,话不多说,先看看本文的架构图:


大数据存储- Hbase 整合 Hdoop、Hive


PS:文中提到的代码见最后 参考资料


着重点在前两部分,后面的都是大家比较熟悉的部分了。


0
1
  Hbase 与 Hadoop 集成

Hbase 与 Hadoop 相关操作主要可以分为如下三种情况:


  • 一张 hbase 表数据导入另一张 hbase 表


  • HDFS 数据导入 Hbase 表


  • HDFS 数据(超大数据)导入 Hbase 表


以上三种情况的数据迁移基本都是依靠 MR 程序来完成的,所以重点又回到了 MR 编程。


0 1

hbase表数据导入



思路:准备 MR 程序将一张 Hbase 表写入到另一张 Hbase 表即可。


注意:两张 Hbase 表导入数据的列族信息要一致;有数据的 Hbase 在读入数据时要注意非空判断。


准备工作:


准备 user1 表 列族 为 f1,f1 中有 age ,name属性 ,作为输入表;

准备 user2 表,创建列族 f1,作为输出表。


主要代码:


Mapper 端:这里注意继承的 是 TableMapper


public class HBaseReadMapper extends TableMapper<Text,Put> {        /**         *         * @param key rowkey         * @param value rowkey 此行的数据  Result 类型         * @param context         * @throws IOException         * @throws InterruptedException         */        @Override        protected void map(ImmutableBytesWritable key, Result value, Context context) throws IOException, InterruptedException {            //获得rowkey 的字节数组            byte[] rowkey_bytes = key.get();            String rowKeyStr = Bytes.toString(rowkey_bytes);            //准备好 put 对象 用于输出下游            Put put = new Put(rowkey_bytes);            //text 作为输出的 key            Text text = new Text(rowKeyStr);            //输出数据 - 写数据 - 普通 构建put 对象            Cell[] cells = value.rawCells();            //将 f1 : name & age 输出            for (Cell cell : cells) {                //当前 cell是否是 f1                //获取列族                byte[] family = CellUtil.cloneFamily(cell);                String familyStr = Bytes.toString(family);
               if("f1".equals(familyStr)){                    //在判断是否是 name | age                    put.add(cell);                }
               if("f2".equals(familyStr)){                    put.add(cell);                }            }          //注意非空判断 不然会报错            if(!put.isEmpty()){                context.write(text,put);            }
       }    }


Reduce 端 ,使用 TableReducer:


ublic class HbaseWriteReducer extends TableReducer<Text,Put,ImmutableBytesWritable> {
   /**     * 将 map 传过来的数据写出去     * @param key     * @param values     * @param context     * @throws IOException     * @throws InterruptedException     */    @Override    protected void reduce(Text key, Iterable<Put> values, Context context) throws IOException, InterruptedException {        //设置rowkey        ImmutableBytesWritable immutableBytesWritable = new ImmutableBytesWritable();        //设置rowkey        immutableBytesWritable.set(key.toString().getBytes());        for (Put value : values) {            context.write(immutableBytesWritable,value);        }    }}


启动类,将 user1 中 f1 列族下 age,name数值写入到 user2 中:

public class Hbase2HbaseMR extends Configured implements Tool {
  public static void main(String[] args) throws Exception {       Configuration configuration = HBaseConfiguration.create();       //设置 hbase 的zk地址       configuration.set("hbase.zookeeper.quorum","hadoop102:2181,hadoop103:2181,hadoop104:2181");       int run = ToolRunner.run(configuration, new Hbase2HbaseMR(), args);       System.exit(run);   }    @Override    public int run(String[] strings) throws Exception {        Job job = Job.getInstance(super.getConf());        job.setJarByClass(Hbase2HbaseMR.class);        //mapper        TableMapReduceUtil.initTableMapperJob(TableName.valueOf("user"),new Scan(), HBaseReadMapper.class,Text.class,Put.class,job);        //reducer        TableMapReduceUtil.initTableReducerJob("user2",HbaseWriteReducer.class,job);        boolean b = job.waitForCompletion(true);
       return b?0:1;    }}


0 2

HDFS 导入到Hbase


思路:准备 MR 程序将 HDFS 数据写入到另一张 Hbase 表即可。


注意:


读入的是 Mapper 是 HDFS 操作,写出的 Reduce 是 Hbase 操作;

HDFS 数据格式要与 Hbase 表对应


准备工作:


准备 HDFS 上数据 ;

准备 user2 表,创建列族 f1,作为输出表。


主要代码:


Mapper 端,使用常规 Mapper


 public class HdfsMapper extends Mapper<LongWritable,Text,Text,NullWritable>{
       /**         * HDFS -- Hbase         *         * @param key         * @param value         * @param context         * @throws IOException         * @throws InterruptedException         */        @Override        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {            //数据原样输出            context.write(value,NullWritable.get());        }    }


Reduce 端,使用 TableReducer :


 public static class HBASEReducer extends TableReducer<Text,NullWritable,ImmutableBytesWritable>{        @Override        protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {            /**             * key --> 一行数据             * 样例数据:             * 07 zhangsan 18             * 08 lisi 25             * 09 wangwu 20             *             */            //按格式拆分            String[] split = key.toString().split("	");            //构建 put 对象            Put put = new Put(Bytes.toBytes(split[0]));            put.addColumn("f1".getBytes(),"name".getBytes(),split[1].getBytes());            put.addColumn("f1".getBytes(),"age".getBytes(),split[2].getBytes());            context.write(new ImmutableBytesWritable(split[0].getBytes()),put);        }    }


启动类:


 public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {            Configuration configuration = HBaseConfiguration.create();            //设置 hbase zk 地址            configuration.set("hbase.zookeeper.quorum","hadoop102:2181,hadoop103:2181,hadoop104:2181");            Job job = Job.getInstance(configuration);            job.setJarByClass(Hdfs2HbaseMR.class);            //输入文件路径            FileInputFormat.addInputPath(job,new Path("hdfs://hadoop102:9000/hbase/input"));            job.setMapperClass(HdfsMapper.class);            job.setMapOutputKeyClass(Text.class);            job.setMapOutputValueClass(NullWritable.class);            //指定输出到 Hbase 的 表名            TableMapReduceUtil.initTableReducerJob("user2",HBASEReducer.class,job);            //设置 reduce 个数            job.setNumReduceTasks(1);            boolean b = job.waitForCompletion(true);            System.exit(b?0:1);        }


0 3

HDFS 大数据导入Hbase


思路:与 2 中的数据导入不同的是这次的数据量比较大,使用常规的 MR 可能耗时非常的长,并且一直占用资源。


我们可以先将 Hadoop 上存储的 HDFS 文件转换成 HFile 文件,HFile 文件就是 Hbase 底层存储的类型,转换完成后,再将转换好的 HFile 文件指定给对应的 Hbase 表即可。这就是 bulkload 的方式批量加载数据,大致流程如下:


大数据存储- Hbase 整合 Hdoop、Hive



注意:


由于是文件类型转换,不做计算操作,所以只需要读入的 Mapper 操作,,不需要Reduce操作;


文件类型转换后 还需要做 Hbase 表与 HFile 文件的映射


准备工作:


准备 HDFS 上数据 ;

准备 user2 表,创建列族 f1,作为输出表。


主要代码:


Mapper 端,使用常规 Mapper


public class Hdfs2HFileMapper extends Mapper<LongWritable,Text,ImmutableBytesWritable,Put> {    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {        String[] split = value.toString().split("	");        //封装输出类型        Put put = new Put(split[0].getBytes());        put.addColumn("f1".getBytes(),"name".getBytes(),split[1].getBytes());        put.addColumn("f1".getBytes(),"age".getBytes(),split[2].getBytes());        // 将封装好的put对象输出,rowkey 使用 immutableBytesWritable        context.write(new ImmutableBytesWritable(Bytes.toBytes(split[0])),put);    }}


启动类:


/** * * 将HDFS文件写成Hfile格式输出 */public class Hdfs2HileOut extends Configured implements Tool {
    public static void main(String[] args) throws Exception {        Configuration configuration = HBaseConfiguration.create();        configuration.set("hbase.zookeeper.quorum","hadoop102:2181,hadoop103:2181,hadoop104:2181");        int run = ToolRunner.run(configuration, new Hdfs2HileOut(), args);        System.exit(run);    }    @Override    public int run(String[] strings) throws Exception {        Configuration conf = super.getConf();        Job job = Job.getInstance(conf);        job.setJarByClass(Hdfs2HileOut.class);        FileInputFormat.addInputPath(job,new Path("hdfs://hadoop102:9000/hbase/input"));
       job.setMapperClass(Hdfs2HFileMapper.class);        job.setMapOutputKeyClass(ImmutableBytesWritable.class);        job.setMapOutputValueClass(Put.class);        Connection connection = ConnectionFactory.createConnection(conf);        Table table = connection.getTable(TableName.valueOf("user2"));        //使MR可以向user2表中,增量增加数据        HFileOutputFormat2.configureIncrementalLoad(job,table,connection.getRegionLocator(TableName.valueOf("user2")));        //数据写回到HDFS 写成HFILE -》 所以指定输出格式为Hfile        job.setOutputFormatClass(HFileOutputFormat2.class);        //HFile 输出的路径,用于与表映射的输入参数        HFileOutputFormat2.setOutputPath(job,new Path("hdfs://hadoop102:9000/hbase/out_hfile2"));        //开始执行        boolean b = job.waitForCompletion(true);        return b? 0: 1;    }}


加载类:


public class LoadHFile2Hbase {    public static void main(String[] args) throws Exception {        Configuration configuration = HBaseConfiguration.create();        configuration.set("hbase.zookeeper.quorum","hadoop102:2181,hadoop103:2181,hadoop104:2181");        //获取数据库连接        Connection connection = ConnectionFactory.createConnection(configuration);        Table table = connection.getTable(TableName.valueOf("user2"));        //构建 LoadIncrementalHfiles 加载 Hfile文件        LoadIncrementalHFiles loadIncrementalHFiles = new LoadIncrementalHFiles(configuration);        // 加载上一步输出的HFile 与表做映射        loadIncrementalHFiles.doBulkLoad(new Path("hdfs://hadoop102:9000/hbase/out_hfile2"),connection.getAdmin(),table,connection.getRegionLocator(TableName.valueOf("user2")));    }}


至此,HDFS 数据迁移至 Hbase 完成。




0
2
    Hbase 与 Hive 集成

hbase 与 hive 相关的数据迁移工作分为两种:


  • hive 表结果 ---> hbase 表


  • hbase 表数据 --->  hive 表


这部分操作没有代码,在 hive 和 hbase 客户端就能完成操作


01

准备工作



1 首先需要将 Hbase下的5个包拷贝到 hive lib 下,建议使用软连接的形式:


ln -s /home/hadoop/module/hbase-1.2.0-cdh5.14.2/lib/hbase-client-1.2.0-cdh5.14.2.jar  /home/hadoop/module/hive-1.1.0-cdh5.14.2/lib/hbase-client-1.2.0-cdh5.14.2.jar   
ln -s /home/hadoop/module/hbase-1.2.0-cdh5.14.2/lib/hbase-hadoop2-compat-1.2.0-cdh5.14.2.jar  /home/hadoop/module/hive-1.1.0-cdh5.14.2/lib/hbase-hadoop2-compat-1.2.0-cdh5.14.2.jar
ln -s home/hadoop/module/hbase-1.2.0-cdh5.14.2/lib/hbase-hadoop-compat-1.2.0-cdh5.14.2.jar       /home/hadoop/module/hive-1.1.0-cdh5.14.2/lib/hbase-hadoop-compat-1.2.0-cdh5.14.2.jar          
ln -s home/hadoop/module/hbase-1.2.0-cdh5.14.2/lib/hbase-it-1.2.0-cdh5.14.2.jar       /home/hadoop/module/hive-1.1.0-cdh5.14.2/lib/hbase-it-1.2.0-cdh5.14.2.jar  
ln -s home/hadoop/module/hbase-1.2.0-cdh5.14.2/lib/hbase-server-1.2.0-cdh5.14.2.jar        /home/hadoop/module/hive-1.1.0-cdh5.14.2/lib/hbase-server-1.2.0-cdh5.14.2.jar


2 修改 Hive 的配置文件 hive-site.xml 添加自己的 zk 信息:


<property>    <name>hive.zookeeper.quorum</name>    <value>hadoop102,hadoop103,hadoop104</value>  </property>  <property>    <name>hbase.zookeeper.quorum</name>    <value>hadoop102,hadoop103,hadoop104</value>  </property>


3 修改 Hive 的配置文件 hive-env.sh 添加如下信息:


export HADOOP_HOME=/kkb/install/hadoop-2.6.0-cdh5.14.2/export HBASE_HOME=/kkb/install/servers/hbase-1.2.0-cdh5.14.2export HIVE_CONF_DIR=/kkb/install/hive-1.1.0-cdh5.14.2/conf


至此 准备工作完成。


02

hive表导入hbase



hive 中创建管理表(内部表)与hbase 表完成映射则hive管理表的数据会添加到 hbase 表中 ,命令如下:


create table course.hbase_score(id int,cname string,score int) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  with serdeproperties("hbase.columns.mapping" = "cf:name,cf:score") tblproperties("hbase.table.name" = "hbase_score");


从命令中可以看出 hbase.table.name 是指的 hbase 表名hbase.columns.mapping 则值的对应列族下的字段,而 hive 表的 id 则会作为hbase表的 rowkey 进行存储。


通过向内部表插入数据即可完成数据查询结果的导入。

insert overwrite table course.hbase_score select id,cname,score from course.score;


最后查看 hbase 表即可看到数据。



03

hbase表导入hive 



hbase 结果映射到 hive表比较简单,创建 hive 外部表即可:


CREATE external TABLE hbase2hive(id int, name string, score int) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf:name,cf:score") TBLPROPERTIES("hbase.table.name" ="hbase_hive_score");


从命令中可以看出 hbase.table.name 是指的 hbase 表名hbase.columns.mapping 的值则对应hive表的字段,而 hive 表的 id 则会作取 hbase表的 rowkey 进行存储。


至此,Hbase 与 Hive 的数据迁移就完成了。



0
3
  Hbase 协处理器和基础 api

关于基础api这部分比较详细的介绍就在代码中了,再此我们就简单说一下Hbase 协处理器。


协处理器是为了解决Hbase早期版本的一些问题,如建立二次索引、复杂过滤器、求和计数分组计数等类sql操作以及访问控制等。


Hbase 提供两类协处理器:


  • observer 类似数据库的触发器,个人理解类似拦截器的功能;


  • endpoint 类似数据库的存储过程,可以实现类sql的统计操作。



协处理器的加载方式


01

静态加载实现


通过修改 hbase-site.xml 这个文件来实现, 如启动全局 aggregation,能过操纵所有的表数据。只需要在hbase-site.xml里面添加以下配置即可,修改完配置之后需要重启HBase集群。


<property>  <name>hbase.coprocessor.user.region.classes</name>  <value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value></property>


为所有table加载了一个 cp class,可以用” ,”分割加载多个 class。


02

动态加载实现



启用表aggregation,只对特定的表生效。


下面以协处理器 observer 为例来简单说下操作过程:


1 创建 两张 hbase 表,user1 ,user2:


create 'user1','info;create 'user2','info';


2 协处理器代码开发,完成往 user1 表插入数据时,先往 user2 表插入数据,代码如下:



public class MyProcessor extends BaseRegionObserver {    @Override    public void prePut(ObserverContext<RegionCoprocessorEnvironment> e, Put put, WALEdit edit, Durability durability) throws IOException {//获取连接        Configuration configuration = HBaseConfiguration.create();        configuration.set("hbase.zookeeper.quorum","hadoop102:2181,hadoop103:2181:hadoop104:2181");        Connection connection = ConnectionFactory.createConnection(configuration);//涉及多个版本得问题        List<Cell> cells = put.get("info".getBytes(), "name".getBytes());//将user1表的name 数据也插入到 user2 中        Cell nameCell = cells.get(0);        Put put1 = new Put(put.getRow());        put1.add(nameCell);        Table table = connection.getTable(TableName.valueOf("user2"));        table.put(put1);        table.close();        connection.close();    }}


3 将开发好的项目打包上传到 HDFS ,路径自定,假设是:


hdfs://hadoop102:9000/processor/processor.jar


4 将 jar 包挂载到 user1 表:


disable 'user1';alter 'user1',METHOD => 'table_att','Coprocessor'=>'hdfs://hadoop102:9000/processor/processor.jar|com.bigdata.comprocessor.MyProcessor|1001|';enabled 'user1';


com.bigdata.comprocessor.MyProcessor : 你程序的全类名;


1001 :协处理器编号,自定义即可,表中协处理器的编号不能重复。


5 测试向 user1 中插入数据,user2 是否有数据:


public class TestObserver {
   @Test    public void testPut() throws IOException {
       //获取连接        Configuration configuration = HBaseConfiguration.create();        configuration.set("hbase.zookeeper.quorum", "hadoop102:2181,hadoop103:2181,hadoop104:2181");        //创建连接对象        Connection connection = ConnectionFactory.createConnection(configuration);        Table proc1 = connection.getTable(TableName.valueOf("user1"));        Put put = new Put("1110001112".getBytes());
       put.addColumn("info".getBytes(),"name".getBytes(),"hello".getBytes());        put.addColumn("info".getBytes(),"gender".getBytes(),"male".getBytes());        put.addColumn("info".getBytes(),"nationality".getBytes(),"test".getBytes());        proc1.put(put);        proc1.close();        connection.close();        System.out.println("success");
    }}


关于协处理器卸载:


disable 'user1'alter 'user1',METHOD=>'table_att_unset',NAME=>'coprocessor$1'enable 'user1'


协处理器 observer 大致开发流程就是这样的。关于基础 api 放在参考资料的项目中了。


至此,还留有一个问题就是 hbase 的 endpoint 协处理器,其实它解决的问题及时实现 min、 max、 avg、 sum、 distinct、 group by 等sql功能,这个问题我们放在下期,下期介绍一个基于 hbase 框架之上的框架 -- phoenix,Phoenix之于 Hbase ,就像 hive 之于 Hadoop,会完美的实现 hbase 的 sql 查询操作。






https://github.com/fanpengyi/hbase-api  



大数据存储- Hbase 整合 Hdoop、Hive
—    END—



往期精彩回顾





长按关注,解锁更多精彩内容



公众号可以留言啦,所有的留言都在这里哦   

以上是关于大数据存储- Hbase 整合 HdoopHive的主要内容,如果未能解决你的问题,请参考以下文章

springboot 整合hbase

大数据学习系列之五 ----- Hive整合HBase图文详解

大数据之Hive整合HBase

大数据学习系列之九---- Hive整合Spark和HBase以及相关测试

Hadoop基础之《—整合HBase+Phoenix+Hive》

大牛说HBASE与海量数据查询和WEB整合