Hive和HBase整合

发表于   |  

Hive和Hbase有各自不同的特征：hive是高延迟、结构化和面向分析的，hbase是低延迟、非结构化和面向编程的。Hive数据仓库在hadoop上是高延迟的。Hive集成Hbase就是为了使用hbase的一些特性。

Hive继承HBase可以有效利用HBase数据库的存储特性，如行更新和列索引等。在集成的过程中注意维持HBase jar包的一致性。Hive集成HBase需要在Hive表和HBase表之间建立映射关系，也就是Hive表的列和列类型与HBase表的列族及列限定词建立关联。每一个在Hive表中的域都存在与HBase中，而在Hive表中不需要包含所有HBase中的列。HBase中的rowkey对应到Hive中为选择一个域使用:key来对应，列族(cf:)映射到Hive中的其他所有域，列为(cf:cq)。

下面来简单实战下：

  • 创建HBase表

    1
    create 'user1',{NAME => 'info',VERSIONS => 1}

  • 向user表中插入一些数据

    1
    2
    3
    4
    5
    6
    put 'user1','1','info:name','zhangsan'
    put 'user1','1','info:age','25'
    put 'user1','2','info:name','lisi'
    put 'user1','2','info:age','22'
    put 'user1','3','info:name','wangswu'
    put 'user1','3','info:age','21'

  • 使用scan命令来查看下user表中的数据

    1
    scan 'user';

    结果如下

    ROW COLUMN+CELL
    1 column=info:age, timestamp=1476773051604, value=25
    1 column=info:name, timestamp=1476773046344, value=zhangsan
    2 column=info:age, timestamp=1476773051685, value=22
    2 column=info:name, timestamp=1476773051661, value=lisi
    3 column=info:age, timestamp=1476773052632, value=21
    3 column=info:name, timestamp=1476773051709, value=wangswu
    3 row(s) in 0.0610 seconds

  • 创建Hive中与HBase中对应的表

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    SET hbase.zookeeper.quorum=hadoop001;
    SET zookeeper.znode.parent=/hbase;
    ADD jar /opt/bigdata/hive-1.2.1-bin/lib/hive-hbase-handler-1.2.1.jar;
    // user1表
    CREATE EXTERNAL TABLE user1 (
    rowkey string,
    info map<STRING,STRING>
    ) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
    WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:")
    TBLPROPERTIES ("hbase.table.name" = "user1");
    // user2表
    CREATE EXTERNAL TABLE user2 (
    rowkey string,
    name string,
    age int
    ) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
    WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name,info:age")
    TBLPROPERTIES ("hbase.table.name" = "user2");

  • 查询user1，user2表数据

    查询user1表数据

    1
    select * from user1;

    结果如下

    1
    2
    3
    4
    5
    OK
    1       {"age":"25","name":"zhangsan"}
    2       {"age":"22","name":"lisi"}
    3       {"age":"21","name":"wangswu"}
    Time taken: 0.467 seconds, Fetched: 3 row(s)

    查询user2表数据

    1
    select * from user2;

    结果如下:

    OK
    1 zhangsan 25
    2 lisi 22
    3 wangswu 21
    Time taken: 0.087 seconds, Fetched: 3 row(s)

  • hive插入数据到hbase

    1
    2
    3
    4
    INSERT INTO TABLE user1
    SELECT '4' AS rowkey,
    map('name','lijin','age','22') AS info
    from dual limit 1;

在Hive中构造dual表可以参考这里