Spark读写Hbase数据

转载

*黑桃~A*#丨 2021-06-04 19:10:23

文章标签 spark 文章分类 Spark 大数据

本文将介绍
1、spark如何利用saveAsHadoopDataset和saveAsNewAPIHadoopDataset将RDD写入hbase
2、spark从hbase中读取数据并转化为RDD
操作方式为在eclipse本地运行spark连接到远程的hbase。
java版本：1.7.0
scala版本：2.10.4
zookeeper版本：3.4.5（禁用了hbase自带zookeeper，选择自己部署的）
hadoop版本：2.4.1
spark版本：1.6.1
hbase版本：1.2.3
集群：centos6.5_x64

将RDD写入hbase

注意点：
依赖：
将lib目录下的hadoop开头jar包、hbase开头jar包添加至classpath
此外还有lib目录下的：zookeeper-3.4.6.jar、metrics-core-2.2.0.jar（缺少会提示hbase RpcRetryingCaller: Call exception不断尝试重连hbase，不报错）、htrace-core-3.1.0-incubating.jar、guava-12.0.1.jar
$SPARK_HOME/lib目录下的 spark-assembly-1.6.1-hadoop2.4.0.jar
不同的package中可能会有相同名称的类，不要导错
连接集群：
spark应用需要连接到zookeeper集群，然后借助zookeeper访问hbase。一般可以通过两种方式连接到zookeeper：
第一种是将hbase-site.xml文件加入classpath
第二种是在HBaseConfiguration实例中设置
如果不设置，默认连接的是localhost:2181会报错：connection refused
本文使用的是第二种方式。
hbase创建表：
虽然可以在spark应用中创建hbase表，但是不建议这样做，最好在hbase shell中创建表，spark写或读数据
使用saveAsHadoopDataset写入数据

import org.apache.hadoop.hbase.HBaseConfiguration  

import org.apache.hadoop.hbase.client.Put  

import org.apache.hadoop.hbase.io.ImmutableBytesWritable  

import org.apache.hadoop.hbase.mapred.TableOutputFormat  

import org.apache.hadoop.hbase.util.Bytes  

import org.apache.hadoop.mapred.JobConf  

import org.apache.spark.{SparkContext, SparkConf}  

  

/** 

 * User:leen 

 * Date:2017/12/20 0020 

 * Time:16:51 

 */  

object HbaseTest1 {  

  def main(args: Array[String]): Unit = {  

    val sparkConf = new SparkConf().setAppName("HBaseTest1").setMaster("local")  

    val sc = new SparkContext(sparkConf)  

  

    val conf = HBaseConfiguration.create()  

    //设置zooKeeper集群地址，也可以通过将hbase-site.xml导入classpath，但是建议在程序里这样设置  

    conf.set("hbase.zookeeper.quorum","slave1,slave2,slave3")  

    //设置zookeeper连接端口，默认2181  

    conf.set("hbase.zookeeper.property.clientPort", "2181")  

  

    val tablename = "account"  

  

    //初始化jobconf，TableOutputFormat必须是org.apache.hadoop.hbase.mapred包下的  

    val jobConf = new JobConf(conf)  

    jobConf.setOutputFormat(classOf[TableOutputFormat])  

    jobConf.set(TableOutputFormat.OUTPUT_TABLE, tablename)  

  

    val indataRDD = sc.makeRDD(Array("1,jack,15","2,Lily,16","3,mike,16"))  

  

    val rdd = indataRDD.map(_.split(',')).map{arr=>{  

      

      // 一个Put对象就是一行记录，在构造方法中指定主键  

      // 所有插入的数据必须用org.apache.hadoop.hbase.util.Bytes.toBytes方法转换  

      // Put.add方法接收三个参数：列族，列名，数据  

      val put = new Put(Bytes.toBytes(arr(0).toInt))  

      put.addColumn(Bytes.toBytes("cf"),Bytes.toBytes("name"),Bytes.toBytes(arr(1)))  

      put.addColumn(Bytes.toBytes("cf"),Bytes.toBytes("age"),Bytes.toBytes(arr(2).toInt))  

      //转化成RDD[(ImmutableBytesWritable,Put)]类型才能调用saveAsHadoopDataset  

      (new ImmutableBytesWritable, put)  

    }}  

  

    rdd.saveAsHadoopDataset(jobConf)  

  

    sc.stop()  

  }  

}

使用saveAsNewAPIHadoopDataset写入数据

import org.apache.hadoop.hbase.client.Put  

import org.apache.hadoop.hbase.io.ImmutableBytesWritable  

import org.apache.hadoop.hbase.mapreduce.TableOutputFormat  

import org.apache.hadoop.hbase.client.Result  

import org.apache.hadoop.hbase.util.Bytes  

import org.apache.hadoop.mapreduce.Job  

import org.apache.spark.{SparkContext, SparkConf}  

  

/** 

 * User:leen 

 * Date:2017/12/20 0020 

 * Time:17:34 

 */  

object HbaseTest2 {  

  

  def main(args: Array[String]): Unit = {  

    val sparkConf = new SparkConf().setAppName("HBaseTest").setMaster("local")  

    val sc = new SparkContext(sparkConf)  

  

    val tablename = "account"  

  

    sc.hadoopConfiguration.set("hbase.zookeeper.quorum","slave1,slave2,slave3")  

    sc.hadoopConfiguration.set("hbase.zookeeper.property.clientPort", "2181")  

    sc.hadoopConfiguration.set(TableOutputFormat.OUTPUT_TABLE, tablename)  

  

    val job = Job.getInstance(sc.hadoopConfiguration)  

    job.setOutputKeyClass(classOf[ImmutableBytesWritable])  

    job.setOutputValueClass(classOf[Result])  

    job.setOutputFormatClass(classOf[TableOutputFormat[ImmutableBytesWritable]])  

  

    val indataRDD = sc.makeRDD(Array("1,jack,15","2,Lily,16","3,mike,16"))  

      

    val rdd = indataRDD.map(_.split(',')).map{arr=>{  

      val put = new Put(Bytes.toBytes(arr(0)))  

      put.addColumn(Bytes.toBytes("cf"),Bytes.toBytes("name"),Bytes.toBytes(arr(1)))  

      put.addColumn(Bytes.toBytes("cf"),Bytes.toBytes("age"),Bytes.toBytes(arr(2).toInt))  

      (new ImmutableBytesWritable, put)  

    }}  

  

    rdd.saveAsNewAPIHadoopDataset(job.getConfiguration())  

      

    sc.stop()  

  }  

}

从hbase读取数据转化成RDD

本例基于官方提供的例子

package com.test  

  

import org.apache.hadoop.hbase.{HBaseConfiguration, HTableDescriptor, TableName}  

import org.apache.hadoop.hbase.client.HBaseAdmin  

import org.apache.hadoop.hbase.mapreduce.TableInputFormat  

import org.apache.spark._  

import org.apache.hadoop.hbase.client.HTable  

import org.apache.hadoop.hbase.client.Put  

import org.apache.hadoop.hbase.util.Bytes  

import org.apache.hadoop.hbase.io.ImmutableBytesWritable  

import org.apache.hadoop.hbase.mapreduce.TableOutputFormat  

import org.apache.hadoop.mapred.JobConf  

import org.apache.hadoop.io._  

  

object TestHBase2 {  

  

  def main(args: Array[String]): Unit = {  

    val sparkConf = new SparkConf().setAppName("HBaseTest").setMaster("local")  

    val sc = new SparkContext(sparkConf)  

      

    val tablename = "account"  

    val conf = HBaseConfiguration.create()  

    //设置zooKeeper集群地址，也可以通过将hbase-site.xml导入classpath，但是建议在程序里这样设置  

    conf.set("hbase.zookeeper.quorum","slave1,slave2,slave3")  

    //设置zookeeper连接端口，默认2181  

    conf.set("hbase.zookeeper.property.clientPort", "2181")  

    conf.set(TableInputFormat.INPUT_TABLE, tablename)  

  

    // 如果表不存在则创建表  

    val admin = new HBaseAdmin(conf)  

    if (!admin.isTableAvailable(tablename)) {  

      val tableDesc = new HTableDescriptor(TableName.valueOf(tablename))  

      admin.createTable(tableDesc)  

    }  

  

    //读取数据并转化成rdd  

    val hBaseRDD = sc.newAPIHadoopRDD(conf, classOf[TableInputFormat],  

      classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable],  

      classOf[org.apache.hadoop.hbase.client.Result])  

  

    val count = hBaseRDD.count()  

    println(count)  

    hBaseRDD.foreach{case (_,result) =>{  

      //获取行键  

      val key = Bytes.toString(result.getRow)  

      //通过列族和列名获取列  

      val name = Bytes.toString(result.getValue("cf".getBytes,"name".getBytes))  

      val age = Bytes.toInt(result.getValue("cf".getBytes,"age".getBytes))  

      println("Row key:"+key+" Name:"+name+" Age:"+age)  

    }}  

  

    sc.stop()  

    admin.close()  

  }  

}