- 浏览: 2183183 次
- 性别:
- 来自: 北京
文章分类
- 全部博客 (682)
- 软件思想 (7)
- Lucene(修真篇) (17)
- Lucene(仙界篇) (20)
- Lucene(神界篇) (11)
- Solr (48)
- Hadoop (77)
- Spark (38)
- Hbase (26)
- Hive (19)
- Pig (25)
- ELK (64)
- Zookeeper (12)
- JAVA (119)
- Linux (59)
- 多线程 (8)
- Nutch (5)
- JAVA EE (21)
- Oracle (7)
- Python (32)
- Xml (5)
- Gson (1)
- Cygwin (1)
- JavaScript (4)
- MySQL (9)
- Lucene/Solr(转) (5)
- 缓存 (2)
- Github/Git (1)
- 开源爬虫 (1)
- Hadoop运维 (7)
- shell命令 (9)
- 生活感悟 (42)
- shell编程 (23)
- Scala (11)
- MongoDB (3)
- docker (2)
- Nodejs (3)
- Neo4j (5)
- storm (3)
- opencv (1)
最新评论
-
qindongliang1922:
粟谷_sugu 写道不太理解“分词字段存储docvalue是没 ...
浅谈Lucene中的DocValues -
粟谷_sugu:
不太理解“分词字段存储docvalue是没有意义的”,这句话, ...
浅谈Lucene中的DocValues -
yin_bp:
高性能elasticsearch ORM开发库使用文档http ...
为什么说Elasticsearch搜索是近实时的? -
hackWang:
请问博主,有用solr做电商的搜索项目?
Solr中Group和Facet的用法 -
章司nana:
遇到的问题同楼上 为什么会返回null
Lucene4.3开发之第八步之渡劫初期(八)
在我们的一些应用程序中,常常避免不了要与数据库进行交互,而在我们的hadoop中,有时候也需要和数据库进行交互,比如说,数据分析的结果存入数据库,或者是,读取数据库的信息写入HDFS上,不过直接使用MapReduce操作数据库,这种情况在现实开发还是比较少,一般我们会采用Sqoop来进行数据的迁入,迁出,使用Hive分析数据集,大多数情况下,直接使用Hadoop访问关系型数据库,可能产生比较大的数据访问压力,尤其是在数据库还是单机的情况下,情况可能更加糟糕,在集群的模式下压力会相对少一些。
那么,今天散仙就来看下,如何直接使用Hadoop1.2.0的MR来读写操作数据库,hadoop的API提供了DBOutputFormat和DBInputFormat这两个类,来进行与数据库交互,除此之外,我们还需要定义一个类似JAVA Bean的实体类,来与数据库的每行记录进行对应,通常这个类要实现Writable和DBWritable接口,来重写里面的4个方法以对应获取每行记录里面的各个字段信息。
下面,我们先来看下如何使用MR来读取数据库的数据,并写入HDFS上,
数据表的截图如下所示,
实体类定义代码:
MR类的定义代码,注意是一个Map Only作业:
写入到HDFS目录下数据集:
读取相对比较简单,需要注意的第一注意JDBC的驱动jar包要在各个节点上分别上传一份,第二是在main方法里的驱动类的编写顺序,以及数据信息的完整,才是正确连接数据库并读取的关键。
下面来看下,如何使用MR,分析完数据后的结果,写入在数据库中,散仙本篇测试的是一个简单的WordCount的统计。我们先来看下数据库表的信息:
实体类定义代码:
统计的2个文件的内容所示:
MR的核心类代码:
运行状态如下所示:
最后,我们就可以去数据库里,查看统计的信息了,截图如下:
至此,我们就完成了使用MR来读写数据库了,注意测试前,先确保自己的hadoop集群,可以正常工作。
那么,今天散仙就来看下,如何直接使用Hadoop1.2.0的MR来读写操作数据库,hadoop的API提供了DBOutputFormat和DBInputFormat这两个类,来进行与数据库交互,除此之外,我们还需要定义一个类似JAVA Bean的实体类,来与数据库的每行记录进行对应,通常这个类要实现Writable和DBWritable接口,来重写里面的4个方法以对应获取每行记录里面的各个字段信息。
下面,我们先来看下如何使用MR来读取数据库的数据,并写入HDFS上,
数据表的截图如下所示,
实体类定义代码:
package com.qin.operadb; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import java.sql.PreparedStatement; import java.sql.ResultSet; import java.sql.SQLException; import org.apache.hadoop.io.Text; import org.apache.hadoop.io.Writable; import org.apache.hadoop.mapreduce.lib.db.DBWritable; /*** * 封装数据库实体信息 * 的记录 * * 搜索大数据技术交流群:376932160 * * **/ public class PersonRecoder implements Writable,DBWritable { public int id;//对应数据库中id字段 public String name;//对应数据库中的name字段 public int age;//对应数据库中的age字段 @Override public void readFields(ResultSet result) throws SQLException { this.id=result.getInt(1); this.name=result.getString(2); this.age=result.getInt(3); } @Override public void write(PreparedStatement stmt) throws SQLException { stmt.setInt(1, id); stmt.setString(2, name); stmt.setInt(3, age); } @Override public void readFields(DataInput arg0) throws IOException { // TODO Auto-generated method stub this.id=arg0.readInt(); this.name=Text.readString(arg0); this.age=arg0.readInt(); } @Override public void write(DataOutput out) throws IOException { // TODO Auto-generated method stub out.writeInt(id); Text.writeString(out, this.name); out.writeInt(this.age); } @Override public String toString() { // TODO Auto-generated method stub return "id: "+id+" 年龄: "+age+" 名字:"+name; } }
MR类的定义代码,注意是一个Map Only作业:
package com.qin.operadb; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.JobConf; import org.apache.hadoop.mapred.lib.IdentityReducer; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.lib.db.DBConfiguration; import org.apache.hadoop.mapreduce.lib.db.DBInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class ReadMapDB { /** * Map作业读取数据记录数 * * **/ private static class DBMap extends Mapper<LongWritable, PersonRecoder , LongWritable, Text>{ @Override protected void map(LongWritable key, PersonRecoder value,Context context) throws IOException, InterruptedException { context.write(new LongWritable(value.id), new Text(value.toString())); } } public static void main(String[] args)throws Exception { JobConf conf=new JobConf(ReadMapDB.class); //Configuration conf=new Configuration(); // conf.set("mapred.job.tracker","192.168.75.130:9001"); //读取person中的数据字段 // conf.setJar("tt.jar"); //注意这行代码放在最前面,进行初始化,否则会报 DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.211.36:3306/test", "root", "qin"); /**要读取的字段信息**/ String fileds[]=new String[]{"id","name","age"}; /**Job任务**/ Job job=new Job(conf, "readDB"); System.out.println("模式: "+conf.get("mapred.job.tracker")); /**设置数据库输入格式的一些信息**/ DBInputFormat.setInput(job, PersonRecoder.class, "person", null, "id", fileds); /***设置输入格式*/ job.setInputFormatClass(DBInputFormat.class); job.setOutputKeyClass(LongWritable.class); job.setOutputValueClass(Text.class); job.setMapperClass(DBMap.class); String path="hdfs://192.168.75.130:9000/root/outputdb"; FileSystem fs=FileSystem.get(conf); Path p=new Path(path); if(fs.exists(p)){ fs.delete(p, true); System.out.println("输出路径存在,已删除!"); } FileOutputFormat.setOutputPath(job,p ); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
写入到HDFS目录下数据集:
读取相对比较简单,需要注意的第一注意JDBC的驱动jar包要在各个节点上分别上传一份,第二是在main方法里的驱动类的编写顺序,以及数据信息的完整,才是正确连接数据库并读取的关键。
下面来看下,如何使用MR,分析完数据后的结果,写入在数据库中,散仙本篇测试的是一个简单的WordCount的统计。我们先来看下数据库表的信息:
实体类定义代码:
package com.qin.operadb; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import java.sql.PreparedStatement; import java.sql.ResultSet; import java.sql.SQLException; import org.apache.hadoop.io.Text; import org.apache.hadoop.io.Writable; import org.apache.hadoop.mapreduce.lib.db.DBWritable; public class WordRecoder implements Writable,DBWritable { public String word; public int count; @Override public void readFields(ResultSet rs) throws SQLException { this.word=rs.getString(1); this.count=rs.getInt(2); } @Override public void write(PreparedStatement ps) throws SQLException { ps.setString(1, this.word); ps.setInt(2, this.count); } @Override public void readFields(DataInput in) throws IOException { this.word=Text.readString(in); this.count=in.readInt(); } @Override public void write(DataOutput out) throws IOException { Text.writeString(out, this.word); out.writeInt(count); } }
统计的2个文件的内容所示:
MR的核心类代码:
package com.qin.operadb; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.JobConf; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.db.DBConfiguration; import org.apache.hadoop.mapreduce.lib.db.DBInputFormat; import org.apache.hadoop.mapreduce.lib.db.DBOutputFormat; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class WriteMapDB { private static class WMap extends Mapper<LongWritable, Text, Text, IntWritable>{ /*** * Mapper的参数类型介绍 * K,V,K,V分别依次代表 * Map作业输入类型的K,输入类型的V * 后面两个是输出类型的K,输出类型的V * 后面的两个与 context.write(word, one); * 的两个参数是对应的 * **/ private Text word=new Text(); private IntWritable one=new IntWritable(1); @Override protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException { String line=value.toString(); //处理记事本UTF-8的BOM问题 if (line.getBytes().length > 0) { if ((int) line.charAt(0) == 65279) { line = line.substring(1); } } StringTokenizer st=new StringTokenizer(line); while(st.hasMoreTokens()){ word.set(st.nextToken());//设置单词 context.write(word, one); } } } /*** * 由于在reduce中,需要向数据库里写入 * 数据,所以跟combine,不能共用 * * * * ***/ private static class WCombine extends Reducer<Text, IntWritable, Text, IntWritable>{ @Override protected void reduce(Text text, Iterable<IntWritable> value,Context context) throws IOException, InterruptedException { int sum=0; for(IntWritable iw:value){ sum+=iw.get(); } context.write(text, new IntWritable(sum)); } } /** * * Reduce类 * * **/ private static class WReduce extends Reducer<Text, IntWritable, WordRecoder, Text>{ @Override protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException { int sum=0; for(IntWritable s:values){ sum+=s.get(); } WordRecoder wr=new WordRecoder(); wr.word=key.toString(); wr.count=sum; //写出到数据库里 context.write(wr, new Text()); } } public static void main(String[] args)throws Exception { JobConf conf=new JobConf(WriteMapDB.class); //Configuration conf=new Configuration(); // conf.set("mapred.job.tracker","192.168.75.130:9001"); //读取person中的数据字段 //conf.setJar("tt.jar"); // conf.setNumReduceTasks(1); //注意这行代码放在最前面,进行初始化,否则会报 /**建立数据库连接**/ DBConfiguration.configureDB(conf, "com.mysql.jdbc.Driver", "jdbc:mysql://192.168.211.36:3306/test?characterEncoding=utf-8", "root", "qin"); String fileds[]=new String[]{"word","count"}; Job job=new Job(conf, "writeDB"); System.out.println("运行模式: "+conf.get("mapred.job.tracker")); /**设置输出表的的信息 第一个参数是job任务,第二个参数是表名,第三个参数字段项**/ DBOutputFormat.setOutput(job, "wordresult", fileds); /**设置DB的输入路径**/ job.setInputFormatClass(TextInputFormat.class); /**设置DB的输出路径**/ job.setOutputFormatClass(DBOutputFormat.class); /***设置Reduce的个数为1,可以得到全局统计的数字 * 但,需要注意,在分布式环境下,最好不要设置为1,Reduce的个数 * 正是Hadoop并发能力的体现 * * **/ // job.setNumReduceTasks(1); /**设置输出K路径**/ job.setOutputKeyClass(Text.class); /**设置输出V路径**/ job.setOutputValueClass(IntWritable.class); /**设置Map类**/ job.setMapperClass(WMap.class); /**设置Combiner类**/ job.setCombinerClass(WCombine.class); /**设置Reduce类**/ job.setReducerClass(WReduce.class); /**设置输入路径*/ FileInputFormat.setInputPaths(job, new Path("hdfs://192.168.75.130:9000/root/input")); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
运行状态如下所示:
运行模式: 192.168.75.130:9001 14/03/26 20:26:59 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same. 14/03/26 20:27:01 INFO input.FileInputFormat: Total input paths to process : 2 14/03/26 20:27:01 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 14/03/26 20:27:01 WARN snappy.LoadSnappy: Snappy native library not loaded 14/03/26 20:27:01 INFO mapred.JobClient: Running job: job_201403262328_0006 14/03/26 20:27:02 INFO mapred.JobClient: map 0% reduce 0% 14/03/26 20:27:10 INFO mapred.JobClient: map 50% reduce 0% 14/03/26 20:27:11 INFO mapred.JobClient: map 100% reduce 0% 14/03/26 20:27:18 INFO mapred.JobClient: map 100% reduce 33% 14/03/26 20:27:19 INFO mapred.JobClient: map 100% reduce 100% 14/03/26 20:27:20 INFO mapred.JobClient: Job complete: job_201403262328_0006 14/03/26 20:27:20 INFO mapred.JobClient: Counters: 28 14/03/26 20:27:20 INFO mapred.JobClient: Job Counters 14/03/26 20:27:20 INFO mapred.JobClient: Launched reduce tasks=1 14/03/26 20:27:20 INFO mapred.JobClient: SLOTS_MILLIS_MAPS=10345 14/03/26 20:27:20 INFO mapred.JobClient: Total time spent by all reduces waiting after reserving slots (ms)=0 14/03/26 20:27:20 INFO mapred.JobClient: Total time spent by all maps waiting after reserving slots (ms)=0 14/03/26 20:27:20 INFO mapred.JobClient: Launched map tasks=2 14/03/26 20:27:20 INFO mapred.JobClient: Data-local map tasks=2 14/03/26 20:27:20 INFO mapred.JobClient: SLOTS_MILLIS_REDUCES=8911 14/03/26 20:27:20 INFO mapred.JobClient: File Output Format Counters 14/03/26 20:27:20 INFO mapred.JobClient: Bytes Written=0 14/03/26 20:27:20 INFO mapred.JobClient: FileSystemCounters 14/03/26 20:27:20 INFO mapred.JobClient: FILE_BYTES_READ=158 14/03/26 20:27:20 INFO mapred.JobClient: HDFS_BYTES_READ=325 14/03/26 20:27:20 INFO mapred.JobClient: FILE_BYTES_WRITTEN=182065 14/03/26 20:27:20 INFO mapred.JobClient: File Input Format Counters 14/03/26 20:27:20 INFO mapred.JobClient: Bytes Read=107 14/03/26 20:27:20 INFO mapred.JobClient: Map-Reduce Framework 14/03/26 20:27:20 INFO mapred.JobClient: Map output materialized bytes=164 14/03/26 20:27:20 INFO mapred.JobClient: Map input records=6 14/03/26 20:27:20 INFO mapred.JobClient: Reduce shuffle bytes=164 14/03/26 20:27:20 INFO mapred.JobClient: Spilled Records=24 14/03/26 20:27:20 INFO mapred.JobClient: Map output bytes=185 14/03/26 20:27:20 INFO mapred.JobClient: Total committed heap usage (bytes)=336338944 14/03/26 20:27:20 INFO mapred.JobClient: CPU time spent (ms)=2850 14/03/26 20:27:20 INFO mapred.JobClient: Combine input records=20 14/03/26 20:27:20 INFO mapred.JobClient: SPLIT_RAW_BYTES=218 14/03/26 20:27:20 INFO mapred.JobClient: Reduce input records=12 14/03/26 20:27:20 INFO mapred.JobClient: Reduce input groups=8 14/03/26 20:27:20 INFO mapred.JobClient: Combine output records=12 14/03/26 20:27:20 INFO mapred.JobClient: Physical memory (bytes) snapshot=464982016 14/03/26 20:27:20 INFO mapred.JobClient: Reduce output records=8 14/03/26 20:27:20 INFO mapred.JobClient: Virtual memory (bytes) snapshot=2182836224 14/03/26 20:27:20 INFO mapred.JobClient: Map output records=20
最后,我们就可以去数据库里,查看统计的信息了,截图如下:
至此,我们就完成了使用MR来读写数据库了,注意测试前,先确保自己的hadoop集群,可以正常工作。
发表评论
-
Apache Flink在阿里的使用(译)
2019-02-21 21:18 1173Flink是未来大数据实时 ... -
计算机图形处理的一些知识
2018-04-25 17:46 1228最近在搞opencv来做一些 ... -
如何在kylin中构建一个cube
2017-07-11 19:06 1267前面的文章介绍了Apache Kylin的安装及数据仓 ... -
Apache Kylin的入门安装
2017-06-27 21:27 2144Apache Kylin™是一个开源的分布式分析引擎,提供 ... -
ES-Hadoop插件介绍
2017-04-27 18:07 1991上篇文章,写了使用spark集成es框架,并向es写入数据,虽 ... -
如何在Scala中读取Hadoop集群上的gz压缩文件
2017-04-05 18:51 2129存在Hadoop集群上的文件,大部分都会经过压缩,如果是压缩 ... -
如何收集项目日志统一发送到kafka中?
2017-02-07 19:07 2791上一篇(http://qindongliang.iteye. ... -
Hue+Hive临时目录权限不够解决方案
2016-06-14 10:40 4702安装Hue后,可能会分配多个账户给一些业务部门操作hive,虽 ... -
Hadoop的8088页面失效问题
2016-03-31 11:21 4448前两天重启了测试的hadoop集群,今天访问集群的8088任 ... -
Hadoop+Hbase集群数据迁移问题
2016-03-23 21:00 2523数据迁移或备份是任何 ... -
如何监控你的Hadoop+Hbase集群?
2016-03-21 16:10 4919前言 监控hadoop的框架 ... -
Logstash与Kafka集成
2016-02-24 18:44 11624在ELKK的架构中,各个框架的角色分工如下: Elastic ... -
Kakfa集群搭建
2016-02-23 15:36 2645先来整体熟悉下Kafka的一些概念和架构 (一)什么是Ka ... -
大数据日志收集框架之Flume入门
2016-02-02 14:25 4186Flume是Cloudrea公司开源的一款优秀的日志收集框架 ... -
Apache Tez0.7编译笔记
2016-01-15 16:33 2522目前最新的Tez版本是0.8,但还不是稳定版,所以大家还 ... -
Bug死磕之hue集成的oozie+pig出现资源任务死锁问题
2016-01-14 15:52 3831这两天,打算给现有的 ... -
Hadoop2.7.1和Hbase0.98添加LZO压缩
2016-01-04 17:46 26031,执行命令安装一些依赖组件 yum install -y ... -
Hadoop2.7.1配置NameNode+ResourceManager高可用原理分析
2015-11-11 19:51 3177关于NameNode高可靠需要配置的文件有core-site ... -
设置Hadoop+Hbase集群pid文件存储位置
2015-10-20 13:40 2848有时候,我们对运行几 ... -
Hadoop+Maven项目打包异常
2015-08-11 19:36 1564先简单说下业务:有一个单独的模块,可以在远程下载Hadoop上 ...
相关推荐
在本Java工程实例中,我们将深入探讨如何使用HBase这一分布式数据库系统,它与Hadoop生态系统紧密集成。HBase是一个高度可扩展的NoSQL数据库,它以列族为存储结构,支持实时读写操作,特别适合大数据场景。下面将...
HBase 是基于 Apache Hadoop 的面向列的 NoSQL 数据库,是 Google 的 BigTable 的开源实现。HBase 是一个针对半结构化数据的开源的、多版本的、可伸缩的、高可靠的、高性能的、分布式的和面向列的动态模式数据库。 ...
本程序的标题是"读写数据库数据的mr程序",这意味着我们将探讨如何利用MapReduce来从MySQL数据库读取数据,并将这些数据存储到HBASE这种分布式数据库中。这个过程通常被称为ETL(Extract, Transform, Load)操作,是...
总的来说,学习这些内容可以帮助我们深入理解大数据处理的工作原理,掌握如何在Hadoop生态系统中使用Hive进行高效的数据分析。通过阅读和研究这些资料,你将能够熟练运用Hive进行大数据查询,同时了解Hadoop的运行...
例如,通过Hive(一个建立在Hadoop之上的数据仓库工具)可以方便地执行SQL查询操作,而HBase则提供了一种高性能的列式存储模式,适合实时读写和随机访问的场景。 ##### 2.3 Hadoop与传统数据库的比较 相比于传统的...
Hbase是Apache的NoSQL分布式可扩展Hadoop数据库,可以很好地横向扩展。Hbase中的数据是面向列的数据库,其中结构化数据存储在键值对中。Hbase用Java编写。Hbase的灵感来自Google Paper-“大表:结构化数据的分布式...
不同于传统的关系型数据库,Bigtable使用一个简单的二维表模型来存储数据,其中每一行都由一个唯一的行键标识。Bigtable支持高并发的读写操作,能够应对大规模的数据存储需求。 **HBase** 基于HDFS构建,是对...
在Windows 7上,开发人员可以使用hadoop.dll和winutils.exe来访问HDFS,进行数据的读写操作。而Hive是基于Hadoop的数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供SQL查询功能,因此在Windows环境...
安装并配置好winutils后,Windows用户可以通过Hadoop的HDFS API访问HDFS,进行数据读写操作。 在大数据处理中,Hadoop的核心组件包括: 1. HDFS(Hadoop Distributed File System):分布式文件系统,能够将大规模...
在Hadoop环境中,Kerberos可以应用于HDFS、YARN、HBase等组件,保护数据的读写操作、资源调度以及数据库访问。安装Hadoop-3.3.4时,需确保配置Kerberos以实现安全运行。首先,需要设置Kerberos的KDC服务器,并为每个...
此外,Hadoop 2.6.0还包含许多其他组件,如HBase(一个分布式数据库)、Hive(一个数据仓库工具)、Pig(一种高级数据处理语言)和Sqoop(用于在Hadoop和传统数据库间导入导出数据的工具)。这些组件共同构建了一个...
HBase是一个基于Hadoop的分布式数据库,提供实时读写和强一致性。该文档会讲解如何安装HBase,配置HBase与Hadoop的交互,以及如何使用HBase Shell进行基本操作。 "Hadoop的MapReduce执行过程介绍"涵盖了MapReduce...
例如,通过`addDependency`或者`classpath`指定jar路径,然后使用Hadoop的API读写HDFS,使用HBase的API操作数据库。同时,开发过程中需要注意版本兼容性,确保所使用的jar包与Hadoop和HBase集群的版本一致。 6. ...
为了实现这种迁移,我们通常使用MapReduce编程模型,它允许Hadoop访问和写入Oracle数据库,并将数据从HDFS传输到Oracle中。 首先,要实现Hadoop到Oracle的数据迁移,需要配置相关的数据库信息类DBInfo,该类记录了...
Hadoop生态系统还包括HBase、Hive、Pig、Oozie等工具,它们分别提供了NoSQL数据库服务、SQL查询接口、数据流处理和工作流调度等功能,共同构建了一个强大的大数据处理平台。 总结来说,“hadoop-2.5.2.tar.gz”是...
org.apache.hadoop.io 包定义了通用的 I/O API,用于读写各种数据对象,包括网络、数据库和文件等。org.apache.hadoop.ipc 包提供了网络服务端和客户端的工具,用于封装网络异步 I/O 操作。org.apache.hadoop.mapred...
在IT行业中,分布式计算框架Hadoop和NoSQL数据库HBase是大数据处理的重要工具。本教程主要涵盖的是在较旧版本的Hadoop 1.0.2上安装并配置HBase 0.94,以及相关的MapReduce开发和Hadoop-Eclipse插件的编译。这些内容...
除了核心组件,Hadoop生态还包括许多其他模块,如HBase(分布式数据库)、Hive(数据仓库工具)、Pig(数据分析语言)等。如果项目中用到了这些模块,还需要额外引入对应的jar包。例如,对于HBase,你需要添加`hbase...
HBase是构建在Hadoop之上的分布式NoSQL数据库,适用于大规模实时读写操作。监控HBase的指标如RegionServer负载、MemStore大小、延迟时间等,可以帮助我们优化读写性能,预防热点问题,以及提前发现潜在的故障。 这...