99 MapReduce操作Hbase

简介: 99 MapReduce操作Hbase
1.实现方法

Hbase对MapReduce提供支持,它实现了TableMapper类和TableReducer类,我们只需要继承这两个类即可。

1、写个mapper继承TableMapper<Text, IntWritable>

参数:Text:mapper的输出key类型; IntWritable:mapper的输出value类型。

其中的map方法如下:

map(ImmutableBytesWritable key, Result value,Context context)
参数:key:rowKey;
     value: Result ,一行数据; 
   context上下文

2、写个reduce继承TableReducer<Text, IntWritable, ImmutableBytesWritable>

参数:Text:reducer的输入key; IntWritable:reduce的输入value;

ImmutableBytesWritable:reduce输出到hbase中的rowKey类型。

其中的reduce方法如下:

reduce(Text key, Iterable<IntWritable> values,Context context)
参数: key:reduce的输入key;
      values:reduce的输入value;
2.表

1、建立数据来源表‘word’,包含一个列族‘content’

向表中添加数据,在列族中放入列‘info’,并将短文数据放入该列中,如此插入多行,行键为不同的数据即可

2、建立输出表‘stat’,包含一个列族‘content’

3、通过Mr操作Hbase的‘word’表,对‘content:info’中的短文做词频统计,并将统计结果写入‘stat’表的‘content:info中’,行键为单词

3.实现
package com.itcast.hbase;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
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.HTable;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
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.Text;
import org.apache.hadoop.mapreduce.Job;
/**
 * mapreduce操作hbase
 * @author wilson
 *
 */
public class HBaseMr {
  /**
   * 创建hbase配置
   */
  static Configuration config = null;
  static {
    config = HBaseConfiguration.create();
    config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");
    config.set("hbase.zookeeper.property.clientPort", "2181");
  }
  /**
   * 表信息
   */
  public static final String tableName = "word";//表名1
  public static final String colf = "content";//列族
  public static final String col = "info";//列
  public static final String tableName2 = "stat";//表名2
  /**
   * 初始化表结构,及其数据
   */
  public static void initTB() {
    HTable table=null;
    HBaseAdmin admin=null;
    try {
      admin = new HBaseAdmin(config);//创建表管理
      /*删除表*/
      if (admin.tableExists(tableName)||admin.tableExists(tableName2)) {
        System.out.println("table is already exists!");
        admin.disableTable(tableName);
        admin.deleteTable(tableName);
        admin.disableTable(tableName2);
        admin.deleteTable(tableName2);
      }
      /*创建表*/
        HTableDescriptor desc = new HTableDescriptor(tableName);
        HColumnDescriptor family = new HColumnDescriptor(colf);
        desc.addFamily(family);
        admin.createTable(desc);
        HTableDescriptor desc2 = new HTableDescriptor(tableName2);
        HColumnDescriptor family2 = new HColumnDescriptor(colf);
        desc2.addFamily(family2);
        admin.createTable(desc2);
      /*插入数据*/
        table = new HTable(config,tableName);
        table.setAutoFlush(false);
        table.setWriteBufferSize(5);
        List<Put> lp = new ArrayList<Put>();
        Put p1 = new Put(Bytes.toBytes("1"));
        p1.add(colf.getBytes(), col.getBytes(), ("The Apache Hadoop software library is a framework").getBytes());
        lp.add(p1);
        Put p2 = new Put(Bytes.toBytes("2"));p2.add(colf.getBytes(),col.getBytes(),("The common utilities that support the other Hadoop modules").getBytes());
        lp.add(p2);
        Put p3 = new Put(Bytes.toBytes("3"));
        p3.add(colf.getBytes(), col.getBytes(),("Hadoop by reading the documentation").getBytes());
        lp.add(p3);
        Put p4 = new Put(Bytes.toBytes("4"));
        p4.add(colf.getBytes(), col.getBytes(),("Hadoop from the release page").getBytes());
        lp.add(p4);
        Put p5 = new Put(Bytes.toBytes("5"));
        p5.add(colf.getBytes(), col.getBytes(),("Hadoop on the mailing list").getBytes());
        lp.add(p5);
        table.put(lp);
        table.flushCommits();
        lp.clear();
    } catch (Exception e) {
      e.printStackTrace();
    } finally {
      try {
        if(table!=null){
          table.close();
        }
      } catch (IOException e) {
        e.printStackTrace();
      }
    }
  }
  /**
   * MyMapper 继承 TableMapper
   * TableMapper<Text,IntWritable> 
   * Text:输出的key类型,
   * IntWritable:输出的value类型
   */
  public static class MyMapper extends TableMapper<Text, IntWritable> {
    private static IntWritable one = new IntWritable(1);
    private static Text word = new Text();
    @Override
    //输入的类型为:key:rowKey; value:一行数据的结果集Result
    protected void map(ImmutableBytesWritable key, Result value,
        Context context) throws IOException, InterruptedException {
      //获取一行数据中的colf:col
      String words = Bytes.toString(value.getValue(Bytes.toBytes(colf), Bytes.toBytes(col)));// 表里面只有一个列族,所以我就直接获取每一行的值
      //按空格分割
      String itr[] = words.toString().split(" ");
      //循环输出word和1
      for (int i = 0; i < itr.length; i++) {
        word.set(itr[i]);
        context.write(word, one);
      }
    }
  }
  /**
   * MyReducer 继承 TableReducer
   * TableReducer<Text,IntWritable> 
   * Text:输入的key类型,
   * IntWritable:输入的value类型,
   * ImmutableBytesWritable:输出类型,表示rowkey的类型
   */
  public static class MyReducer extends
      TableReducer<Text, IntWritable, ImmutableBytesWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
        Context context) throws IOException, InterruptedException {
      //对mapper的数据求和
      int sum = 0;
      for (IntWritable val : values) {//叠加
        sum += val.get();
      }
      // 创建put,设置rowkey为单词
      Put put = new Put(Bytes.toBytes(key.toString()));
      // 封装数据
      put.add(Bytes.toBytes(colf), Bytes.toBytes(col),Bytes.toBytes(String.valueOf(sum)));
      //写到hbase,需要指定rowkey、put
      context.write(new ImmutableBytesWritable(Bytes.toBytes(key.toString())),put);
    }
  }
  public static void main(String[] args) throws IOException,
      ClassNotFoundException, InterruptedException {
    config.set("df.default.name", "hdfs://master:9000/");//设置hdfs的默认路径
    config.set("hadoop.job.ugi", "hadoop,hadoop");//用户名,组
    config.set("mapred.job.tracker", "master:9001");//设置jobtracker在哪
    //初始化表
    initTB();//初始化表
    //创建job
    Job job = new Job(config, "HBaseMr");//job
    job.setJarByClass(HBaseMr.class);//主类
    //创建scan
    Scan scan = new Scan();
    //可以指定查询某一列
    scan.addColumn(Bytes.toBytes(colf), Bytes.toBytes(col));
    //创建查询hbase的mapper,设置表名、scan、mapper类、mapper的输出key、mapper的输出value
    TableMapReduceUtil.initTableMapperJob(tableName, scan, MyMapper.class,Text.class, IntWritable.class, job);
    //创建写入hbase的reducer,指定表名、reducer类、job
    TableMapReduceUtil.initTableReducerJob(tableName2, MyReducer.class, job);
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}


相关实践学习
lindorm多模间数据无缝流转
展现了Lindorm多模融合能力——用kafka API写入,无缝流转在各引擎内进行数据存储和计算的实验。
云数据库HBase版使用教程
&nbsp; 相关的阿里云产品:云数据库 HBase 版 面向大数据领域的一站式NoSQL服务,100%兼容开源HBase并深度扩展,支持海量数据下的实时存储、高并发吞吐、轻SQL分析、全文检索、时序时空查询等能力,是风控、推荐、广告、物联网、车联网、Feeds流、数据大屏等场景首选数据库,是为淘宝、支付宝、菜鸟等众多阿里核心业务提供关键支撑的数据库。 了解产品详情:&nbsp;https://cn.aliyun.com/product/hbase &nbsp; ------------------------------------------------------------------------- 阿里云数据库体验:数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库&nbsp;ECS 实例和一台目标数据库&nbsp;RDS实例。跟着指引,您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接,领取免费ECS&amp;RDS资源,30分钟完成数据库上云实战!https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
目录
相关文章
|
3月前
|
分布式计算 资源调度 Hadoop
HBase表数据的读、写操作与综合操作
HBase表数据的读、写操作与综合操作
62 0
|
3月前
|
分布式计算 Hadoop Shell
熟悉常用的HBase操作
熟悉常用的HBase操作
66 3
熟悉常用的HBase操作
|
2天前
|
分布式计算 大数据 分布式数据库
"揭秘HBase MapReduce高效数据处理秘诀:四步实战攻略,让你轻松玩转大数据分析!"
【8月更文挑战第17天】大数据时代,HBase以高性能、可扩展性成为关键的数据存储解决方案。结合MapReduce分布式计算框架,能高效处理HBase中的大规模数据。本文通过实例展示如何配置HBase集群、编写Map和Reduce函数,以及运行MapReduce作业来计算HBase某列的平均值。此过程不仅限于简单的统计分析,还可扩展至更复杂的数据处理任务,为企业提供强有力的大数据技术支持。
|
2天前
|
存储 分布式计算 分布式数据库
《HBase MapReduce之旅:我的学习笔记与心得》——跟随我的步伐,一同探索HBase世界,揭开MapReduce的神秘面纱,分享那些挑战与收获,让你在数据的海洋里畅游无阻!
【8月更文挑战第17天】HBase是Apache顶级项目,作为Bigtable的开源版,它是一个非关系型、分布式数据库,具备高可扩展性和性能。结合HDFS存储和MapReduce计算框架,以及Zookeeper协同服务,HBase支持海量数据高效管理。MapReduce通过将任务拆解并在集群上并行执行,极大提升处理速度。学习HBase MapReduce涉及理解其数据模型、编程模型及应用实践,虽然充满挑战,但收获颇丰,对职业发展大有裨益。
|
1月前
|
DataWorks 数据管理 大数据
DataWorks操作报错合集之在连接HBase时出现超时问题,该怎么解决
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
|
2月前
|
Java 大数据 API
【大数据】HDFS、HBase操作教程(含指令和JAVA API)
【大数据】HDFS、HBase操作教程(含指令和JAVA API)
87 0
【大数据】HDFS、HBase操作教程(含指令和JAVA API)
|
3月前
|
消息中间件 关系型数据库 MySQL
实时计算 Flink版操作报错合集之使用 Event Time Temporal Join 关联多个 HBase 后,Kafka 数据的某个字段变为 null 是什么原因导致的
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
62 0
|
3月前
|
SQL 消息中间件 Kafka
实时计算 Flink版操作报错合集之使用 Event Time Temporal Join 关联多个 HBase 后,Kafka 数据的某个字段变为 null 是什么原因导致的
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
54 0
|
3月前
|
分布式计算 Hadoop
Hadoop系列 mapreduce 原理分析
Hadoop系列 mapreduce 原理分析
60 1
|
2月前
|
分布式计算 Hadoop Java
Hadoop MapReduce编程
该教程指导编写Hadoop MapReduce程序处理天气数据。任务包括计算每个城市ID的最高、最低气温、气温出现次数和平均气温。在读取数据时需忽略表头,且数据应为整数。教程中提供了环境变量设置、Java编译、jar包创建及MapReduce执行的步骤说明,但假设读者已具备基础操作技能。此外,还提到一个扩展练习,通过分区功能将具有相同尾数的数字分组到不同文件。
38 1