Hadoop Hive与Hbase整合

k_lb

浏览: 834016 次
性别:
来自: 郑州

最近访客更多访客>>

u012363178

rattersnake

LuffyMother

uclnn

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

用hbase做数据库,但由于hbase没有类sql查询方式,所以操作和计算数据非常不方便,于是整合hive,让hive支撑在hbase数据库层面的 hql查询.hive也即做数据仓库

1. 基于Hadoop+Hive架构对海量数据进行查询：http://blog.csdn.net/kunshan_shenbin/article/details/7105319
2. HBase 0.90.5 + Hadoop 1.0.0 集成：http://blog.csdn.net/kunshan_shenbin/article/details/7209990
本文的目的是要讲述如何让Hbase和Hive能互相访问，让Hadoop/Hbase/Hive协同工作，合为一体。
本文测试步骤主要参考自：http://running.iteye.com/blog/898399
当然，这边博文也是按照官网的步骤来的：http://wiki.apache.org/hadoop/Hive/HBaseIntegration
1. 拷贝hbase-0.90.5.jar和zookeeper-3.3.2.jar到hive/lib下。
注意：如何hive/lib下已经存在这两个文件的其他版本（例如zookeeper-3.3.1.jar），建议删除后使用hbase下的相关版本。
2. 修改hive/conf下hive-site.xml文件，在底部添加如下内容：

01
[html] view plaincopy

02
<!-- 

03
<property> 

04

<name>hive.exec.scratchdir</name>

05

<value>/usr/local/hive/tmp</value>

06

07
</property> 

08
--> 

09

10
<property> 

11

<name>hive.querylog.location</name>

12

<value>/usr/local/hive/logs</value>

13
</property> 

14

15
<property> 

16

<name>hive.aux.jars.path</name>

17

<value>file:///usr/local/hive/lib/hive-hbase-handler-0.8.0.jar,file:///usr/local/hive/lib/hbase-0.90.5.jar,file:///usr/local/hive/lib/zookeeper-3.3.2.jar</value>

18

19
</property>

注意：如果hive-site.xml不存在则自行创建，或者把hive-default.xml.template文件改名后使用。
具体请参见：http://blog.csdn.net/kunshan_shenbin/article/details/7210020

3. 拷贝hbase-0.90.5.jar到所有hadoop节点(包括master)的hadoop/lib下。
4. 拷贝hbase/conf下的hbase-site.xml文件到所有hadoop节点(包括master)的hadoop/conf下。
注意，hbase-site.xml文件配置信息参照：http://blog.csdn.net/kunshan_shenbin/article/details/7209990
注意，如果3,4两步跳过的话，运行hive时很可能出现如下错误：

1
[html] view plaincopy

2
org.apache.hadoop.hbase.ZooKeeperConnectionException: HBase is able to connect to ZooKeeper but the connection closes immediately.

3

This could be a sign that the server has too many connections (30
is the default). Consider inspecting your ZK server logs
for that error and 

4

then make sure you are reusing HBaseConfiguration as often as you can. See HTable's javadoc
for more information. at org.apache.hadoop.

5
hbase.zookeeper.ZooKeeperWatcher.

参考：http://blog.sina.com.cn/s/blog_410d18710100vlbq.html

现在可以尝试启动Hive了。
单节点启动：

1

> bin/hive -hiveconf hbase.master=master:60000

集群启动：

1
> bin/hive -hiveconf hbase.zookeeper.quorum=slave

如何hive-site.xml文件中没有配置hive.aux.jars.path，则可以按照如下方式启动。

1

> bin/hive --auxpath /usr/local/hive/lib/hive-hbase-handler-0.8.0.jar, /usr/local/hive/lib/hbase-0.90.5.jar,
 /usr/local/hive/lib/zookeeper-3.3.2.jar -hiveconf hbase.zookeeper.quorum=slave

接下来可以做一些测试了。
1.创建hbase识别的数据库：
[sql] view plaincopy
CREATE TABLE hbase_table_1(key int, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")
TBLPROPERTIES ("hbase.table.name" = "xyz");
hbase.table.name 定义在hbase的table名称
hbase.columns.mapping 定义在hbase的列族
2.使用sql导入数据
a) 新建hive的数据表
[sql] view plaincopy
<span><span></span></span>hive> CREATE TABLE pokes (foo INT, bar STRING);
b) 批量插入数据
[sql] view plaincopy

1

hive> LOAD DATA LOCAL INPATH './examples/files/kv1.txt'
OVERWRITE INTO TABLE

pokes;
c) 使用sql导入hbase_table_1
[sql] view plaincopy
hive> INSERT OVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=86;
3. 查看数据
[sql] view plaincopy
hive> select * from hbase_table_1;
这时可以登录Hbase去查看数据了.
> /usr/local/hbase/bin/hbase shell
hbase(main):001:0> describe 'xyz'
hbase(main):002:0> scan 'xyz'
hbase(main):003:0> put 'xyz','100','cf1:val','www.360buy.com'
这时在Hive中可以看到刚才在Hbase中插入的数据了。
hive> select * from hbase_table_1
4. hive访问已经存在的hbase
使用CREATE EXTERNAL TABLE
[sql] view plaincopy
CREATE EXTERNAL TABLE hbase_table_2(key int, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "cf1:val")
TBLPROPERTIES("hbase.table.name" = "some_existing_table");

多列和多列族（Multiple Columns and Families）
1．创建数据库
Java代码
CREATE TABLE hbase_table_2(key int, value1 string, value2 int, value3 int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" = ":key,a:b,a:c,d:e"
);

2.插入数据
Java代码
INSERT OVERWRITE TABLE hbase_table_2 SELECT foo, bar, foo+1, foo+2
FROM pokes WHERE foo=98 OR foo=100;

这个有3个hive的列（value1和value2，value3），2个hbase的列族（a，d）
Hive的2列（value1和value2）对应1个hbase的列族（a，在hbase的列名称b，c），hive的另外1列（value3）对应列（e）位于列族（d）

3.登录hbase查看结构
Java代码

1

hbase(main):003:0> describe
"hbase_table_2"

2
DESCRIPTION ENABLED

3

{NAME => 
'hbase_table_2', FAMILIES => [{NAME =>
'a', COMPRESSION => 'N 
true

4

ONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE
 => '65536', IN_M

5

EMORY => 
'false', BLOCKCACHE => 'true'}, {NAME =>
'd', COMPRESSION =>

6

'NONE', VERSIONS =>
'3', TTL => '2147483647', BLOCKSIZE =>
'65536', IN

7

_MEMORY => 
'false', BLOCKCACHE => 'true'}]}

8

1 row(s) in 
1.0630 seconds

4.查看hbase的数据
Java代码

1

hbase(main):004:0> scan
'hbase_table_2'

2
ROW COLUMN+CELL

3

100
column=a:b, timestamp=1297695262015, value=val_100

4

100
column=a:c, timestamp=1297695262015, value=101

5

100
column=d:e, timestamp=1297695262015, value=102

6

98
column=a:b, timestamp=1297695242675, value=val_98

7

98
column=a:c, timestamp=1297695242675, value=99

8

98
column=d:e, timestamp=1297695242675, value=100

9

2 row(s) in 
0.0380 seconds

5.在hive中查看
Java代码

1

hive> select * from hbase_table_2; 

2
OK 

3

100 val_100
101 102

4

98 val_98
99 100

5

Time taken: 3.238
seconds

参考资料：
http://running.iteye.com/blog/898399
http://heipark.iteye.com/blog/1150648
http://www.javabloger.com/article/apache-hadoop-hive-hbase-integration.html

分享到：