跟Hadoop的无缝集成使得使用MapReduce对HBase的数据进行分布式计算非常方便,本文将介绍HBase下 MapReduce开发要点
package hbase; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.hadoop.hbase.HTableDescriptor; import org.apache.hadoop.hbase.client.HBaseAdmin; import org.apache.hadoop.hbase.client.Put; import org.apache.hadoop.hbase.mapreduce.TableOutputFormat; import org.apache.hadoop.hbase.mapreduce.TableReducer; import org.apache.hadoop.hbase.util.Bytes; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; public class WordCountHBase { public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> { private IntWritable i = new IntWritable(1); public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { String s[] = value.toString().trim().split(" "); // 将输入的每行以空格分开 for (String m : s) { context.write(new Text(m), i); } } } public static class Reduce extends TableReducer<Text, IntWritable, NullWritable> { public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0; for (IntWritable i : values) { sum += i.get(); } Put put = new Put(Bytes.toBytes(key.toString())); // Put实例化,每一个词存一行 put.add(Bytes.toBytes("content"), Bytes.toBytes("count"), Bytes.toBytes(String.valueOf(sum))); // 列族为content,列为count,列值为数目 context.write(NullWritable.get(), put); } } public static void createHBaseTable(String tableName) throws IOException { HTableDescriptor htd = new HTableDescriptor(tableName); HColumnDescriptor col = new HColumnDescriptor("content"); htd.addFamily(col); Configuration conf = HBaseConfiguration.create(); conf.set("hbase.zookeeper.quorum", "libin2"); HBaseAdmin admin = new HBaseAdmin(conf); if (admin.tableExists(tableName)) { System.out.println("table exists, trying to recreate table......"); admin.disableTable(tableName); admin.deleteTable(tableName); } System.out.println("create new table:" + tableName); admin.createTable(htd); } public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException { String tableName = "WordCount"; Configuration conf = new Configuration(); conf.set(TableOutputFormat.OUTPUT_TABLE, tableName); createHBaseTable(tableName); String input = args[0]; Job job = new Job(conf, "WordCount table with " + input); job.setJarByClass(WordCountHBase.class); job.setNumReduceTasks(3); job.setMapperClass(Map.class); job.setReducerClass(Reduce.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TableOutputFormat.class); FileInputFormat.addInputPath(job, new Path(input)); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
相关推荐
通过这个实例,学习者可以深入了解HBase与MapReduce的整合过程,掌握如何利用MapReduce进行HBase数据的批处理,以及如何设计和优化MapReduce任务以提高处理效率。这对于大数据开发人员来说,是一份非常有价值的参考...
在HBase中,MapReduce主要用于批量导入/导出数据、查询优化以及复杂的分析任务。通过HBase的TableInputFormat和TableOutputFormat,MapReduce作业可以直接读取和写入HBase表。Map阶段可以对表中的行或列族进行操作,...
标题中的“hbase导入话单数据mapreduce函数实现执行过程实例”揭示了本文将探讨如何使用MapReduce在HBase中导入大数据,特别是话单记录。HBase是一个分布式、版本化的NoSQL数据库,常用于处理大规模的数据。...
在这个实例中,我们看到MapReduce被用来从Hbase数据库中提取海量数据,对其进行处理,然后将统计结果存储到MySQL数据库中。这个过程涉及到大数据处理的核心技术,下面我们将深入探讨这些知识点。 首先,**Hbase** ...
《HBase实战实例——GISMaster篇》 在大数据领域,HBase作为一种分布式、列式存储的NoSQL数据库,因其高效处理海量数据的能力而备受青睐。本篇将深入探讨HBase在GIS(地理信息系统)领域的应用实例,即GISMaster...
5. **实例演示**:可能会提供一个完整的示例,展示如何从HBase中读取数据,使用MapReduce进行处理,然后将结果写回HBase。 6. **执行与调试**:说明如何在Hadoop集群上提交和监控MapReduce作业,以及如何解决可能...
本主题将深入探讨如何使用Java客户端API与HBase进行交互,包括集成Spring、MapReduce实例以及协处理器的使用。 首先,让我们从HBase的基础开始。HBase是构建在Hadoop文件系统(HDFS)之上的开源NoSQL数据库,它为非...
7. **HBase MapReduce**:MapReduce是Hadoop处理大数据的主要工具,HBase与MapReduce结合可以进行批量数据处理和分析。通过编写MapReduce作业,可以对HBase表进行大规模的数据导入和导出,或者执行复杂的数据分析...
本章介绍MapReduce的高级特性,如MultipleOutputs、New API、以及MapReduce与HBase、Hive等其他Hadoop组件的集成。同时,可能也会涵盖MapReduce在YARN上的新特性,如动态资源调度和Container重用。 综上所述,...
HBase是建立在Hadoop文件系统之上的,利用Hadoop的分布式文件系统(HDFS)作为其底层存储系统,同时利用Hadoop的MapReduce来处理HBase中的大量数据。HBase特别适合于执行大规模的、非结构化的和半结构化的数据存储。...
- **在 MapReduce 工作中访问其他 HBase 表**:指导如何在 MapReduce 任务中读取和写入多个 HBase 表。 - **推测执行**:说明 HBase 支持的推测执行机制及其优势。 #### 九、HBase 安全性 - **安全客户端访问 ...
2. **集成背景**:在大数据分析中,有时我们需要对存储在HBase中的数据进行批处理,这时候就需要通过Hadoop的MapReduce框架来实现。Hadoop MapReduce可以处理大量数据,但不擅长实时查询,而HBase则能提供低延迟的...
- **MapReduce**:HBase可以与MapReduce结合,进行大数据分析任务。 6. **优化与调优** - **表设计**:合理的表结构设计对性能影响很大,例如选择合适的行键、预分区等。 - **配置调整**:如Region大小、缓存...
HBase是Apache软件基金会的一...总的来说,`hbase-0.94.27.tar.gz`包含了一个完整的HBase实例,开发者和管理员可以解压这个文件,在本地或集群环境中搭建并运行HBase,从而利用其强大的分布式存储能力处理大规模数据。
- **示例与访问其他表**:提供了使用HBase与MapReduce结合的实例代码,以及如何在一个MapReduce作业中访问多个HBase表的方法。 - **推测执行**:介绍了MapReduce作业中如何利用推测执行来提高整体性能。 #### 八、...
由于HBase与Hadoop紧密集成,所以它可以利用Hadoop的MapReduce并行处理大数据集,同时也可以通过Hadoop的HDFS进行数据存储和管理。HBase的架构设计允许它扩展到非常大的规模,支持数以亿计的行和列,非常适用于存储...
- **HBase MapReduce示例**:给出具体的MapReduce应用实例。 - **访问其他HBase表**:说明如何在MapReduce作业中访问其他HBase表。 - **推测执行**:介绍HBase中MapReduce的推测执行机制。 #### 八、HBase安全机制 ...