关键字：Hive整合HBase、Hive操作HBase表
十二、Hive整合HBase，操作HBase表
HBase是被设计用来做k-v查询的，但有时候，也会遇到基于HBase表的复杂统计，写MR很不方便。Hive考虑到了这点，提供了操作HBase表的接口。
关于Hive操作HBase表的原理，请参考我之前的博文：
http://lxw1234.com/archives/2015/04/101.htm
值得商榷的是，使用Hive操作HBase中的表，只是提供了便捷性，对于性能上，较MapReduce并不会提升太多，请大家酌情使用。
下面来看使用方法（基于Hive0.13和HBase0.96）：
12.1 HBase中的表
先在HBase中创建表：
- create ‘lxw1234’,{NAME => ‘f1’,VERSIONS => 1},{NAME => ‘f2’,VERSIONS => 1},
- {NAME => ‘f3’,VERSIONS => 1}
表’lxw1234’有三个列族f1,f2,f3
向HBase表中插入数据：
- put ‘lxw1234’,‘lxw1234.com’,‘f1:c1’,‘name1’
- put ‘lxw1234’,‘lxw1234.com’,‘f1:c2’,‘name2’
- put ‘lxw1234’,‘lxw1234.com’,‘f2:c1’,‘age1’
- put ‘lxw1234’,‘lxw1234.com’,‘f2:c2’,‘age2’
- put ‘lxw1234’,‘lxw1234.com’,‘f3:c1’,‘job1’
- put ‘lxw1234’,‘lxw1234.com’,‘f3:c2’,‘job2’
- put ‘lxw1234’,‘lxw1234.com’,‘f3:c3’,‘job3’
完成后数据如下：
- hbase(main):025:0* scan ‘lxw1234’
- ROW COLUMN+CELL
- lxw1234.com column=f1:c1, timestamp=1435624625198, value=name1
- lxw1234.com column=f1:c2, timestamp=1435624591717, value=name2
- lxw1234.com column=f2:c1, timestamp=1435624608759, value=age1
- lxw1234.com column=f2:c2, timestamp=1435624635261, value=age2
- lxw1234.com column=f3:c1, timestamp=1435624662282, value=job1
- lxw1234.com column=f3:c2, timestamp=1435624697028, value=job2
- lxw1234.com column=f3:c3, timestamp=1435624697065, value=job3
- 1 row(s) in 0.0350 seconds
12.2 Hive中创建基于HBase的表
在Hive中使用如下语句建表：
- SET hbase.zookeeper.quorum=zkNode1,zkNode2,zkNode3;
- SET zookeeper.znode.parent=/hbase;
- ADD jar /usr/local/apache–hive–0.13.1–bin/lib/hive–hbase–handler–0.13.1.jar;
- CREATE EXTERNAL TABLE lxw1234 (
- rowkey string,
- f1 map<STRING,STRING>,
- f2 map<STRING,STRING>,
- f3 map<STRING,STRING>
- ) STORED BY ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler’
- WITH SERDEPROPERTIES (“hbase.columns.mapping” = “:key,f1:,f2:,f3:”)
- TBLPROPERTIES (“hbase.table.name” = “lxw1234”);
这里使用外部表映射到HBase中的表，这样，在Hive中删除表，并不会删除HBase中的表，否则，就会删除。
另外，除了rowkey，其他三个字段使用Map结构来保存HBase中的每一个列族。
其中，参数解释如下：
- hbase.zookeeper.quorum：
指定HBase使用的zookeeper集群，默认端口是2181，可以不指定，如果指定，格式为zkNode1:2222,zkNode2:2222,zkNode3:2222
- zookeeper.znode.parent
指定HBase在zookeeper中使用的根目录
- hbase.columns.mapping
Hive表和HBase表的字段映射关系，分别为：Hive表中第一个字段映射:key(rowkey)，第二个字段映射列族f1，第三个字段映射列族f2,第四个字段映射列族f3
- hbase.table.name
HBase中表的名字
也可以直接在Hive中创建表的同时，完成在HBase中创建表。
加入之前没有在HBase中创建表lxw1234,那么使用上面的语句在Hive创建表的时候，会同时在HBase中创建。
12.3 Hive中查询HBase表
上面在Hive中创建好表之后，直接查询：
- hive> select * from lxw1234;
- OK
- lxw1234.com {“c1”:“name1”,“c2”:“name2”} {“c1”:“age1”,“c2”:“age2”} {“c1”:“job1”,“c2”:“job2”,“c3”:“job3”}
可以看到，Hive中只有一行数据，因为只有一个rowkey，每一个列族的列和值，分别被存储到Map结构中。
12.4 Hive中插入数据到HBase表
可以在Hive表中通过Insert语句，完成对HBase表数据的插入。
比如，执行下面的语句：
- INSERT INTO TABLE lxw1234
- SELECT ‘row1’ AS rowkey,
- map(‘c3’,‘name3’) AS f1,
- map(‘c3’,‘age3’) AS f2,
- map(‘c4’,‘job3’) AS f3
- FROM DUAL
- limit 1;
在HBase中查看数据：
- hbase(main):028:0* scan ‘lxw1234’
- ROW COLUMN+CELL
- lxw1234.com column=f1:c1, timestamp=1435624625198, value=name1
- lxw1234.com column=f1:c2, timestamp=1435624591717, value=name2
- lxw1234.com column=f2:c1, timestamp=1435624608759, value=age1
- lxw1234.com column=f2:c2, timestamp=1435624635261, value=age2
- lxw1234.com column=f3:c1, timestamp=1435624662282, value=job1
- lxw1234.com column=f3:c2, timestamp=1435624697028, value=job2
- lxw1234.com column=f3:c3, timestamp=1435624697065, value=job3
- row1 column=f1:c3, timestamp=1435625971410, value=name3
- row1 column=f2:c3, timestamp=1435625971410, value=age3
- row1 column=f3:c4, timestamp=1435625971410, value=job3
- 2 row(s) in 0.0420 seconds
Hive中的外部表lxw1234，就和其他外部表一样，只有一份元数据，真正的数据是在HBase表中，Hive通过hive-hbase-handler来操作HBase中的表。
