Hive整合HBase，操作HBase表

时间：2023-01-28 16:51:39

        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。

        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。

HBase中的表

先在HBase中创建表：

create 'test',{NAME => 'f1',VERSIONS => 1},{NAME => 'f2',VERSIONS => 1},
{NAME => 'f3',VERSIONS => 1}

表’test’有三个列族f1,f2,f3

向HBase表中插入数据：


put 'test','csdn.net','f1:c1','name1'
put 'test','csdn.net','f1:c2','name2'
put 'test','csdn.net','f2:c1','age1'
put 'test','csdn.net','f2:c2','age2'
put 'test','csdn.net','f3:c1','job1'
put 'test','csdn.net','f3:c2','job2'
put 'test','csdn.net','f3:c3','job3'

完成后数据如下：


hbase(main):025:0* scan 'test'
ROW COLUMN+CELL
csdn.net column=f1:c1, timestamp=1435624625198, value=name1
csdn.net column=f1:c2, timestamp=1435624591717, value=name2
csdn.net column=f2:c1, timestamp=1435624608759, value=age1
csdn.net column=f2:c2, timestamp=1435624635261, value=age2
csdn.net column=f3:c1, timestamp=1435624662282, value=job1
csdn.net column=f3:c2, timestamp=1435624697028, value=job2
csdn.net 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：

# 这一部分可以再CDH配置界面，或者修改hive默认的lib目录即可。
# 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;

# 创建外部表
CREATE EXTERNAL TABLE test(
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" = "test");

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test,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 test;
OK
csdn.net {"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 test
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 'test'
ROW COLUMN+CELL
csdn.net column=f1:c1, timestamp=1435624625198, value=name1
csdn.net column=f1:c2, timestamp=1435624591717, value=name2
csdn.net column=f2:c1, timestamp=1435624608759, value=age1
csdn.net column=f2:c2, timestamp=1435624635261, value=age2
csdn.net column=f3:c1, timestamp=1435624662282, value=job1
csdn.net column=f3:c2, timestamp=1435624697028, value=job2
csdn.net 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test，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【HBaseStorageHandler】来操作HBase中的表。

标签：

相关文章