借hbase-rdd二次开发谈如何在Spark Core之上扩建自己的模块

hbase-rdd是一个构建在SparkContext基础之上的用于对Hbase进行增删改查的第三方开源模块，目前最新版本为0.7.1。目前该rdd在操作hbase时，默认调用隐式方法。

 
 


  
  
implicitdef stringToBytes(s: String): Array[Byte] = {  

  
  
Bytes.toBytes(s)  

  
  
} 
 
 

将RDD的key转换成字节b，然后调用Hbase的put(b)方法保存rowkey，之后将RDD的每一行存入hbase。

在轨迹图绘制项目数据计算中，我们考虑到hbase的rowkey的设计——尽量减少rowkey存储的开销。虽然hbase-rdd最终的rowkey默认都是采用字节数组，但这个地方我们希望按自己的方式组装rowkey。使用MD5(imei)+dateTime组成的字节数组作为rowkey。因此默认的hbase-rdd提供的方法是不满足我们存储需求的，需要对源代码进行修改。在toHbase方法中，有一个convert方法，该方法将对RDD中的每一行数据进行转化，使用RDD中的key生成Put(Bytes.toBytes(key))对象，该对象为之后存储Hbase提供rowkey。

在convert函数中，对其实现进行了改造，hbase-rdd默认使用stringToBytes隐式函数将RDD的String类型的key转换成字节数组，这里我们需要改造，不使stringToBytes隐式方法，而是直接生成字节数据。

 
 


  
  
protected def convert(id: String, values: Map[String, Map[String, A]], put: PutAdder[A]) = {  

  
  
val strs = id.split(",")  

  
  
val imei = strs {0}  

  
  
val dateTime = strs {1}  

  
  
val b1 = MD5Utils.computeMD5Hash(imei.getBytes())  

  
  
val b2 = Bytes.toBytes(dateTime.toLong)  

  
  
val key = b1.++(b2)  

  
  
val p = new Put(key)//改造  

  
  
var empty = true  

  
  
for {  

  
  
(family, content) <- values  

  
  
(key, value) <- content  

  
  
} {  

  
  
empty = false  

  
  
if (StrUtils.isNotEmpty(family) &&StrUtils.isNotEmpty(key)) {  

  
  
put(p, family, key, value)  

  
  
}  

  
  
}  

  
  
if (empty) None else Some(new ImmutableBytesWritable, p)  

  
  
} 
 
 

这样就实现了使用自己的方式构建rowkey，当然基于此思想我们可以使用任意的方式构建rowkey。

在使用hbase-rdd插件的过程中，我在思考，默认的RDD上是没有toHbase方法的，那为什么引入hbase-rdd包之后，RDD之上就有toHbase方法了?经过查看源码，发现hbase-rdd包中提供了两个隐式方法：

 
 


  
  
implicitdef toHBaseRDDSimple[A](rdd: RDD[(String, Map[String, A])])(implicit writer: Writes[A]): HBaseWriteRDDSimple[A] =new HBaseWriteRDDSimple(rdd, pa[A]) 

  
  
implicit def toHBaseRDDSimpleTS[A](rdd: RDD[(String, Map[String, (A, Long)])])(implicit writer: Writes[A]): HBaseWriteRDDSimple[(A, Long)] =new HBaseWriteRDDSimple(rdd, pa[A]) 
 
 

这两个方法在发现RDD上没有toHbase方法时会自动尝试调用，从隐式定义中尝试找到解决方案，尝试之后发现有定义toHBaseRDDSimple隐式方法，于是调用该隐式方法新建HBaseWriteRDDSimple类，返回hBaseWriteRDDSimple，而在hBaseWriteRDDSimple对象中是有toHbase方法的，因此在引入hbase-rdd之后，可以发现原本没有toHbase方法的RDD上有toHbase方法了。这一切都要归功于Scala强大的隐式转换功能。

那明白了原理，是否我们可以基于RDD写自己的模块，说干就干!

第一步：新建Trait

 
 


  
  
traitHaha{ 

  
  
implicitdef gaga[A](rdd: RDD[String]): Hehe= 

  
  
newHehe(rdd) 

  
  
} 
 
 

第二步：新建Hehe类

 
 


  
  
final  class Hehe(rdd:RDD[String]) { 

  
  
def wow(tableName:String,family:String): Unit ={ 

  
  
println("---------------------------------------------") 

  
  
println("tableName:"+tableName+" - family:"+family) 

  
  
println("size:"+rdd.count()) 

  
  
rdd.collect().foreach(data=>println(data)) 

  
  
println("---------------------------------------------") 

  
  
   } 

  
  
} 
 
 

第三步：新建包对象

 
 


  
  
package object test extends Haha 
 
 

第四步：新建test类

 
 


  
  
object Test{ 

  
  
def main(args: Array[String]) { 

  
  
valsparkConf = new SparkConf().setAppName("Test") 

  
  
valsc = new SparkContext(sparkConf) 

  
  
sc.makeRDD(Seq("one","two","three","four")).wow("taskDataPre","T") 

  
  
  } 

  
  
} 
 
 

项目结构图：

运行效果图：

希望对大家以后的开发有帮助，同时借鉴本案例，在Spark Core之上构建自己的小模块。

作者：张敏

来源：51CTO