尚硅谷大数据技术之HBase 第5章 HBase API操作

5.1 环境准备
新建项目后在pom.xml中添加依赖:
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-server</artifactId>
<version>1.3.1</version>
</dependency>

<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-client</artifactId>
<version>1.3.1</version>
</dependency>

<dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.8</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>

5.2 HBaseAPI
5.2.1 获取Configuration对象:
public static Configuration conf;
static{
//使用HBaseConfiguration的单例方法实例化
conf = HBaseConfiguration.create();
conf.set(“hbase.zookeeper.quorum”, “192.168.216.20”);
conf.set(“hbase.zookeeper.property.clientPort”, “2181”);
}
5.2.2 判断表是否存在:
public static boolean isTableExist(String tableName) throws MasterNotRunningException, ZooKeeperConnectionException, IOException{
//在HBase中管理、访问表需要先创建HBaseAdmin对象
//Connection connection = ConnectionFactory.createConnection(conf);
//HBaseAdmin admin = (HBaseAdmin) connection.getAdmin();
HBaseAdmin admin = new HBaseAdmin(conf);
return admin.tableExists(tableName);
}
5.2.3 创建表
public static void createTable(String tableName, String… columnFamily) throws MasterNotRunningException, ZooKeeperConnectionException, IOException{
HBaseAdmin admin = new HBaseAdmin(conf);
//判断表是否存在
if(isTableExist(tableName)){
System.out.println(“表” + tableName + “已存在”);
//System.exit(0);
}else{
//创建表属性对象,表名需要转字节
HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf(tableName));
//创建多个列族
for(String cf : columnFamily){
descriptor.addFamily(new HColumnDescriptor(cf));
}
//根据对表的配置,创建表
admin.createTable(descriptor);
System.out.println(“表” + tableName + “创建成功!”);
}
}
5.2.4 删除表
public static void dropTable(String tableName) throws MasterNotRunningException, ZooKeeperConnectionException, IOException{
HBaseAdmin admin = new HBaseAdmin(conf);
if(isTableExist(tableName)){
admin.disableTable(tableName);
admin.deleteTable(tableName);
System.out.println(“表” + tableName + “删除成功!”);
}else{
System.out.println(“表” + tableName + “不存在!”);
}
}
5.2.5 向表中插入数据
public static void addRowData(String tableName, String rowKey, String columnFamily, String column, String value) throws IOException{
//创建HTable对象
HTable hTable = new HTable(conf, tableName);
//向表中插入数据
Put put = new Put(Bytes.toBytes(rowKey));
//向Put对象中组装数据
put.add(Bytes.toBytes(columnFamily), Bytes.toBytes(column), Bytes.toBytes(value));
hTable.put(put);
hTable.close();
System.out.println(“插入数据成功”);
}
5.2.6 删除多行数据
public static void deleteMultiRow(String tableName, String… rows) throws IOException{
HTable hTable = new HTable(conf, tableName);
List<Delete> deleteList = new ArrayList<Delete>();
for(String row : rows){
Delete delete = new Delete(Bytes.toBytes(row));
deleteList.add(delete);
}
hTable.delete(deleteList);
hTable.close();
}
5.2.7 获取所有数据
public static void getAllRows(String tableName) throws IOException{
HTable hTable = new HTable(conf, tableName);
//得到用于扫描region的对象
Scan scan = new Scan();
//使用HTable得到resultcanner实现类的对象
ResultScanner resultScanner = hTable.getScanner(scan);
for(Result result : resultScanner){
Cell[] cells = result.rawCells();
for(Cell cell : cells){
//得到rowkey
System.out.println(“行键:” + Bytes.toString(CellUtil.cloneRow(cell)));
//得到列族
System.out.println(“列族” + Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(“列:” + Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(“值:” + Bytes.toString(CellUtil.cloneValue(cell)));
}
}
}
5.2.8 获取某一行数据
public static void getRow(String tableName, String rowKey) throws IOException{
HTable table = new HTable(conf, tableName);
Get get = new Get(Bytes.toBytes(rowKey));
//get.setMaxVersions();显示所有版本
//get.setTimeStamp();显示指定时间戳的版本
Result result = table.get(get);
for(Cell cell : result.rawCells()){
System.out.println(“行键:” + Bytes.toString(result.getRow()));
System.out.println(“列族” + Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(“列:” + Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(“值:” + Bytes.toString(CellUtil.cloneValue(cell)));
System.out.println(“时间戳:” + cell.getTimestamp());
}
}
5.2.9 获取某一行指定“列族:列”的数据
public static void getRowQualifier(String tableName, String rowKey, String family, String qualifier) throws IOException{
HTable table = new HTable(conf, tableName);
Get get = new Get(Bytes.toBytes(rowKey));
get.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
Result result = table.get(get);
for(Cell cell : result.rawCells()){
System.out.println(“行键:” + Bytes.toString(result.getRow()));
System.out.println(“列族” + Bytes.toString(CellUtil.cloneFamily(cell)));
System.out.println(“列:” + Bytes.toString(CellUtil.cloneQualifier(cell)));
System.out.println(“值:” + Bytes.toString(CellUtil.cloneValue(cell)));
}
}
5.3 MapReduce
通过HBase的相关JavaAPI,我们可以实现伴随HBase操作的MapReduce过程,比如使用MapReduce将数据从本地文件系统导入到HBase的表中,比如我们从HBase中读取一些原始数据后使用MapReduce做数据分析。
5.3.1 官方HBase-MapReduce
1)查看HBase的MapReduce任务的执行
$ bin/hbase mapredcp

2)执行环境变量的导入
export HBASE_HOME=/home/admin/modules/hbase-1.3.1 export HADOOP_HOME=/home/admin/modules/hadoop-2.7.2
export HADOOP_CLASSPATH=`{HBASE_HOME}/bin/hbase mapredcp`

3)运行官方的MapReduce任务
— 案例一:统计Student表中有多少行数据
$ ~/modules/hadoop-2.7.2/bin/yarn jar lib/hbase-server-1.3.1.jar rowcounter student

— 案例二:使用MapReduce将本地数据导入到HBase
1)在本地创建一个tsv格式的文件:fruit.tsv
1001 Apple Red
1002 Pear Yellow
1003 Pineapple Yellow

2)创建HBase表
hbase(main):001:0> create ‘fruit’,’info’

3)在HDFS中创建input_fruit文件夹并上传fruit.tsv文件
~/modules/hadoop-2.7.2/bin/hdfs dfs -mkdir /input_fruit/ ~/modules/hadoop-2.7.2/bin/hdfs dfs -put fruit.tsv /input_fruit/

4)执行MapReduce到HBase的fruit表中
$ ~/modules/hadoop-2.7.2/bin/yarn jar lib/hbase-server-1.3.1.jar importtsv
-Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:color fruit
hdfs://linux01:8020/input_fruit

5)使用scan命令查看导入后的结果
hbase(main):001:0> scan ‘fruit’
5.3.2 自定义HBase-MapReduce1
目标:将fruit表中的一部分数据,通过MR迁入到fruit_mr表中。
分步实现:

  1. 构建ReadFruitMapper类,用于读取fruit表中的数据
    package com.z.hbase_mr;

import java.io.IOException;
import org.apache.hadoop.hbase.Cell;
import org.apache.hadoop.hbase.CellUtil;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.util.Bytes;

public class ReadFruitMapper extends TableMapper<ImmutableBytesWritable, Put> {

@Override
protected void map(ImmutableBytesWritable key, Result value, Context context) 
throws IOException, InterruptedException {
//将fruit的name和color提取出来,相当于将每一行数据读取出来放入到Put对象中。
    Put put = new Put(key.get());
    //遍历添加column行
    for(Cell cell: value.rawCells()){
        //添加/克隆列族:info
        if("info".equals(Bytes.toString(CellUtil.cloneFamily(cell)))){
            //添加/克隆列:name
            if("name".equals(Bytes.toString(CellUtil.cloneQualifier(cell)))){
                //将该列cell加入到put对象中
                put.add(cell);
                //添加/克隆列:color
            }else if("color".equals(Bytes.toString(CellUtil.cloneQualifier(cell)))){
                //向该列cell加入到put对象中
                put.add(cell);
            }
        }
    }
    //将从fruit读取到的每行数据写入到context中作为map的输出
    context.write(key, put);
}

}

  1. 构建WriteFruitMRReducer类,用于将读取到的fruit表中的数据写入到fruit_mr表中
    package com.z.hbase_mr;

import java.io.IOException;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.io.NullWritable;

public class WriteFruitMRReducer extends TableReducer<ImmutableBytesWritable, Put, NullWritable> {
@Override
protected void reduce(ImmutableBytesWritable key, Iterable<Put> values, Context context)
throws IOException, InterruptedException {
//读出来的每一行数据写入到fruit_mr表中
for(Put put: values){
context.write(NullWritable.get(), put);
}
}
}

  1. 构建Fruit2FruitMRRunner extends Configured implements Tool用于组装运行Job任务
    //组装Job
    public int run(String[] args) throws Exception {
    //得到Configuration
    Configuration conf = this.getConf();
    //创建Job任务
    Job job = Job.getInstance(conf, this.getClass().getSimpleName());
    job.setJarByClass(Fruit2FruitMRRunner.class);

     //配置Job
     Scan scan = new Scan();
     scan.setCacheBlocks(false);
     scan.setCaching(500);
    
     //设置Mapper,注意导入的是mapreduce包下的,不是mapred包下的,后者是老版本
     TableMapReduceUtil.initTableMapperJob(
     "fruit", //数据源的表名
     scan, //scan扫描控制器
     ReadFruitMapper.class,//设置Mapper类
     ImmutableBytesWritable.class,//设置Mapper输出key类型
     Put.class,//设置Mapper输出value值类型
     job//设置给哪个JOB
     );
     //设置Reducer
     TableMapReduceUtil.initTableReducerJob("fruit_mr", WriteFruitMRReducer.class, job);
     //设置Reduce数量,最少1个
     job.setNumReduceTasks(1);
    
     boolean isSuccess = job.waitForCompletion(true);
     if(!isSuccess){
         throw new IOException("Job running with error");
     }
     return isSuccess ? 0 : 1;
    

    }
    4)主函数中调用运行该Job任务
    public static void main( String[] args ) throws Exception{
    Configuration conf = HBaseConfiguration.create();
    int status = ToolRunner.run(conf, new Fruit2FruitMRRunner(), args);
    System.exit(status);
    }
    5)打包运行任务
    $ ~/modules/hadoop-2.7.2/bin/yarn jar ~/softwares/jars/hbase-0.0.1-SNAPSHOT.jar com.z.hbase.mr1.Fruit2FruitMRRunner
    提示:运行任务前,如果待数据导入的表不存在,则需要提前创建。
    提示:maven打包命令:-P local clean package或-P dev clean package install(将第三方jar包一同打包,需要插件:maven-shade-plugin)
    5.3.3 自定义HBase-MapReduce2
    目标:实现将HDFS中的数据写入到HBase表中。
    分步实现:
    1)构建ReadFruitFromHDFSMapper于读取HDFS中的文件数据
    package com.z.hbase.mr2;

import java.io.IOException;

import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class ReadFruitFromHDFSMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Put> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//从HDFS中读取的数据
String lineValue = value.toString();
//读取出来的每行数据使用\t进行分割,存于String数组
String[] values = lineValue.split(“\t”);

    //根据数据中值的含义取值
    String rowKey = values[0];
    String name = values[1];
    String color = values[2];
    
    //初始化rowKey
    ImmutableBytesWritable rowKeyWritable = new ImmutableBytesWritable(Bytes.toBytes(rowKey));
    
    //初始化put对象
    Put put = new Put(Bytes.toBytes(rowKey));
    
    //参数分别:列族、列、值  
    put.add(Bytes.toBytes("info"), Bytes.toBytes("name"),  Bytes.toBytes(name)); 
    put.add(Bytes.toBytes("info"), Bytes.toBytes("color"),  Bytes.toBytes(color)); 
    
    context.write(rowKeyWritable, put);
}

}
2)构建WriteFruitMRFromTxtReducer类
package com.z.hbase.mr2;

import java.io.IOException;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.io.NullWritable;

public class WriteFruitMRFromTxtReducer extends TableReducer<ImmutableBytesWritable, Put, NullWritable> {
@Override
protected void reduce(ImmutableBytesWritable key, Iterable<Put> values, Context context) throws IOException, InterruptedException {
//读出来的每一行数据写入到fruit_hdfs表中
for(Put put: values){
context.write(NullWritable.get(), put);
}
}
}
3)创建Txt2FruitRunner组装Job
public int run(String[] args) throws Exception {
//得到Configuration
Configuration conf = this.getConf();

//创建Job任务
Job job = Job.getInstance(conf, this.getClass().getSimpleName());
job.setJarByClass(Txt2FruitRunner.class);
Path inPath = new Path(“hdfs://linux01:8020/input_fruit/fruit.tsv“);
FileInputFormat.addInputPath(job, inPath);

//设置Mapper
job.setMapperClass(ReadFruitFromHDFSMapper.class);
job.setMapOutputKeyClass(ImmutableBytesWritable.class);
job.setMapOutputValueClass(Put.class);

//设置Reducer
TableMapReduceUtil.initTableReducerJob(“fruit_mr”, WriteFruitMRFromTxtReducer.class, job);

//设置Reduce数量,最少1个
job.setNumReduceTasks(1);

boolean isSuccess = job.waitForCompletion(true);
if(!isSuccess){
throw new IOException(“Job running with error”);
}

return isSuccess ? 0 : 1;
}
4)调用执行Job
public static void main(String[] args) throws Exception {
Configuration conf = HBaseConfiguration.create();
int status = ToolRunner.run(conf, new Txt2FruitRunner(), args);
System.exit(status);
}
5)打包运行
$ ~/modules/hadoop-2.7.2/bin/yarn jar ~/softwares/jars/hbase-0.0.1-SNAPSHOT.jar com.z.hbase.mr2.Txt2FruitRunner
提示:运行任务前,如果待数据导入的表不存在,则需要提前创建之。
提示:maven打包命令:-P local clean package或-P dev clean package install(将第三方jar包一同打包,需要插件:maven-shade-plugin)
5.4 与Hive的集成
5.4.1 HBase与Hive的对比

  1. Hive
    (1) 数据仓库
    Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系,以方便使用HQL去管理查询。
    (2) 用于数据分析、清洗
    Hive适用于离线的数据分析和清洗,延迟较高。
    (3) 基于HDFS、MapReduce
    Hive存储的数据依旧在DataNode上,编写的HQL语句终将是转换为MapReduce代码执行。
  2. HBase
    (1) 数据库
    是一种面向列存储的非关系型数据库。
    (2) 用于存储结构化和非结构话的数据
    适用于单表非关系型数据的存储,不适合做关联查询,类似JOIN等操作。
    (3) 基于HDFS
    数据持久化存储的体现形式是Hfile,存放于DataNode中,被ResionServer以region的形式进行管理。
    (4) 延迟较低,接入在线业务使用
    面对大量的企业数据,HBase可以直线单表大量数据的存储,同时提供了高效的数据访问速度。
    5.4.2 HBase与Hive集成使用
    尖叫提示:HBase与Hive的集成在最新的两个版本中无法兼容。所以,我们只能含着泪勇敢的重新编译:hive-hbase-handler-1.2.2.jar!!好气!!
    环境准备
    因为我们后续可能会在操作Hive的同时对HBase也会产生影响,所以Hive需要持有操作HBase的Jar,那么接下来拷贝Hive所依赖的Jar包(或者使用软连接的形式)。
    export HBASE_HOME=/home/admin/modules/hbase-1.3.1 export HIVE_HOME=/home/admin/modules/apache-hive-1.2.2-bin

ln -sHBASE_HOME/lib/hbase-common-1.3.1.jar HIVE_HOME/lib/hbase-common-1.3.1.jar ln -s HBASE_HOME/lib/hbase-server-1.3.1.jarHIVE_HOME/lib/hbase-server-1.3.1.jar
ln -sHBASE_HOME/lib/hbase-client-1.3.1.jar HIVE_HOME/lib/hbase-client-1.3.1.jar ln -s HBASE_HOME/lib/hbase-protocol-1.3.1.jarHIVE_HOME/lib/hbase-protocol-1.3.1.jar
ln -sHBASE_HOME/lib/hbase-it-1.3.1.jar HIVE_HOME/lib/hbase-it-1.3.1.jar ln -s HBASE_HOME/lib/htrace-core-3.1.0-incubating.jarHIVE_HOME/lib/htrace-core-3.1.0-incubating.jar
ln -sHBASE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar HIVE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar ln -s HBASE_HOME/lib/hbase-hadoop-compat-1.3.1.jarHIVE_HOME/lib/hbase-hadoop-compat-1.3.1.jar
同时在hive-site.xml中修改zookeeper的属性,如下:
<property>
<name>hive.zookeeper.quorum</name>
<value>linux01,linux02,linux03</value>
<description>The list of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>
<property>
<name>hive.zookeeper.client.port</name>
<value>2181</value>
<description>The port of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>

  1. 案例一
    目标:建立Hive表,关联HBase表,插入数据到Hive表的同时能够影响HBase表。
    分步实现:
    (1) 在Hive中创建表同时关联HBase
    CREATE TABLE hive_hbase_emp_table(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    STORED BY ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler’
    WITH SERDEPROPERTIES (“hbase.columns.mapping” = “:key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno”)
    TBLPROPERTIES (“hbase.table.name” = “hbase_emp_table”);
    尖叫提示:完成之后,可以分别进入Hive和HBase查看,都生成了对应的表
    (2) 在Hive中创建临时中间表,用于load文件中的数据
    尖叫提示:不能将数据直接load进Hive所关联HBase的那张表中
    CREATE TABLE emp(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    row format delimited fields terminated by ‘\t’;
    (3) 向Hive中间表中load数据
    hive> load data local inpath ‘/home/admin/softwares/data/emp.txt’ into table emp;
    (4) 通过insert命令将中间表中的数据导入到Hive关联HBase的那张表中
    hive> insert into table hive_hbase_emp_table select * from emp;
    (5) 查看Hive以及关联的HBase表中是否已经成功的同步插入了数据
    Hive:
    hive> select * from hive_hbase_emp_table;
    HBase:
    hbase> scan ‘hbase_emp_table’

  2. 案例二
    目标:在HBase中已经存储了某一张表hbase_emp_table,然后在Hive中创建一个外部表来关联HBase中的hbase_emp_table这张表,使之可以借助Hive来分析HBase这张表中的数据。
    注:该案例2紧跟案例1的脚步,所以完成此案例前,请先完成案例1。
    分步实现:
    (1) 在Hive中创建外部表
    CREATE EXTERNAL TABLE relevance_hbase_emp(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    STORED BY
    ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler’
    WITH SERDEPROPERTIES (“hbase.columns.mapping” =
    “:key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno”)
    TBLPROPERTIES (“hbase.table.name” = “hbase_emp_table”);
    (2) 关联后就可以使用Hive函数进行一些分析操作了
    hive (default)> select * from relevance_hbase_emp;

本教程由尚硅谷教育大数据研究院出品,如需转载请注明来源,欢迎大家关注尚硅谷公众号(atguigu)了解更多。

    原文作者:尚硅谷教育
    原文地址: https://www.jianshu.com/p/bcc929a81cd6
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞