【通过Hive清洗、处理和计算原始数据，Hive清洗处理后的结果，将存入Hbase，海量数据随机查询场景从HBase查询数据

2401_84186067

于 2024-05-11 04:10:50 发布

阅读量955

点赞数 18

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2401_84186067/article/details/138692435

版权

程序员专栏收录该内容

112 篇文章 0 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取


### 3. 配置环境变量


将 Hive 的 bin 目录添加到 PATH 环境变量中。例如：

export PATH=$PATH:/path/to/hive/bin


### 4. 配置 Hive 的元数据存储


Hive 的元数据存储在一个关系型数据库中，需要先创建数据库和用户。常用的数据库有 MySQL、PostgreSQL 和 Derby 等。这里以 Derby 为例：

$ cd /path/to/hive
$ mkdir -p metastore_db
$ export DERBY_HOME=/path/to/derby
$ $DERBY_HOME/bin/ij

ij> connect ‘jdbc:derby:metastore_db;create=true’;
ij> exit;


### 5. 配置 Hive


Hive 的配置文件位于 Hive 的 conf 目录下，包括 hive-site.xml、hive-env.sh 等文件。需要根据需要修改相应的配置项。常见的配置项包括：


* hive.metastore.uris：指定 Hive 元数据存储的连接字符串。例如：

hive.metastore.uris jdbc:derby:;databaseName=/path/to/hive/metastore_db;create=true


* hive.exec.scratchdir：指定 Hive 运行时的临时目录。例如：

hive.exec.scratchdir /path/to/hive/tmp


* hive.exec.local.scratchdir：指定本地模式下的临时目录。例如：

hive.exec.local.scratchdir /path/to/hive/tmp


### 6. 启动 Hive


启动 Hive 命令行界面，例如：

$ hive


如果出现异常，请检查以上步骤是否正确配置。


## HBase的安装与配置


HBase是一个分布式的NoSQL数据库，基于Hadoop的HDFS文件系统实现数据的存储和管理。以下是HBase的安装与配置过程：


1. 下载HBase压缩包：从HBase官网下载最新版本的HBase压缩包，解压到安装目录（如：/usr/local/hbase）。
2. 配置HBase环境变量：编辑/etc/profile文件，添加以下内容：

export HBASE_HOME=/usr/local/hbase
export PATH= $P A T H :$ HBASE_HOME/bin


3. 配置HBase集群：在conf目录下，编辑hbase-site.xml文件，将“localhost”替换成本机IP地址。配置Zookeeper的地址：

hbase.master localhost:60000 hbase.zookeeper.quorum localhost hbase.zookeeper.property.dataDir /usr/local/zookeeper/zookeeper-3.4.13/data


其中，“hbase.zookeeper.quorum”是Zookeeper的地址，“hbase.zookeeper.property.dataDir”是Zookeeper的数据目录。


4. 配置HBase节点：在conf目录下，编辑regionservers文件，添加每个HBase节点的IP地址，以换行符分隔。
5. 启动HBase集群：在HBase根目录下，执行以下命令启动HBase集群：

./bin/start-hbase.sh


6. 验证HBase集群：在浏览器中输入http://localhost:16010，查看HBase集群的状态。


以上就是HBase的安装与配置过程，如果需要进行更详细的配置，可以查阅HBase官方文档。


## 通过Hive清洗、处理和计算原始数据，Hive清洗处理后的结果，将存入Hbase，海量数据随机查询场景从HBase查询数据


在大数据领域中，Hive和HBase是两个非常重要的组件。Hive是一个基于Hadoop的数据仓库框架，它允许用户使用类SQL的语言（HiveQL）来查询和分析大规模数据。而HBase则是一个分布式的、可扩展的、面向列的NoSQL数据库，它适用于处理海量数据。


在实际应用中，常常需要将Hive清洗、处理和计算原始数据，然后将结果存储到HBase中，以便进行随机查询等操作。这个过程可以分为以下几个步骤：


1. 数据清洗和处理：首先需要对原始数据进行清洗和处理，以便将数据变为可分析的格式。这个过程可以使用Hive进行，它支持类SQL的语言，可以进行各种数据处理的操作。
2. 数据导入HBase：清洗处理后的数据，可以通过Hive的HBase存储处理器来导入到HBase中。这个处理器可以将Hive表转化为HBase表，并将数据写入HBase中。
3. 数据查询：HBase适合进行海量数据的随机查询，可以通过HBase提供的API或者Hive的HBase存储处理器进行查询操作。


在这个过程中，Hive和HBase的底层架构和运行原理都非常复杂。Hive的底层是基于Hadoop的MapReduce计算框架实现的，而Hadoop的计算模型是基于分布式存储和计算的，它将数据分割成多个块，每个块由一些计算机进行计算，最终合并结果。而HBase则是基于Google的BigTable设计的，它使用了Hadoop的分布式文件系统HDFS作为存储层，以及ZooKeeper作为协调层。在HBase中，数据是按照行和列族的方式进行存储的，可以支持高并发的读写操作。


总之，通过Hive清洗、处理和计算原始数据，并将结果存储到HBase中，可以有效地处理大规模数据，并且支持高并发的查询操作。在实际应用中，需要深入理解Hive和HBase的底层架构和运行原理，以便更好地使用它们进行数据分析和处理。


示例代码：


### 1. Hive数据清洗和处理：

// 创建表
CREATE TABLE original_data (
id INT,
name STRING,
age INT,
gender STRING,
address STRING,
PRIMARY KEY (id)
) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘,’ STORED AS TEXTFILE;

// 加载数据
LOAD DATA LOCAL INPATH ‘/path/to/data’ OVERWRITE INTO TABLE original_data;

// 数据清洗和处理（如筛选某一列、计算平均值等操作）
SELECT name, age FROM original_data WHERE gender = ‘male’ AND age > 18;


### 2. Hive数据导入HBase：

// 创建Hive表
CREATE TABLE hbase_data (
id INT,
name STRING,
age INT,
gender STRING,
address STRING,
PRIMARY KEY (id)
) STORED BY ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler’
WITH SERDEPROPERTIES (
‘hbase.columns.mapping’ = ‘:key,info:name,info:age,info:gender,info:address’
) TBLPROPERTIES (‘hbase.table.name’ = ‘hbase_table’);

// 导入数据到HBase
INSERT OVERWRITE TABLE hbase_data SELECT * FROM original_data;


### 3. HBase数据查询：

// 使用Java API查询数据
Configuration conf = HBaseConfiguration.create();
HTable table = new HTable(conf, “hbase_table”);
Get get = new Get(Bytes.toBytes(“1”));
Result result = table.get(get);
byte[] value = result.getValue(Bytes.toBytes(“info”), Bytes.toBytes(“name”));
String name = Bytes.toString(value);
System.out.println("Name is: " + name);

// 通过Hive查询HBase数据
SELECT name FROM hbase_data WHERE id = 1;


以上示例代码仅为参考，具体实现方式还需要根据实际情况进行调整。同时，在使用Hive和HBase进行大数据处理时，还需要注意数据分区、性能调优、数据备份等方面的问题，以确保系统的稳定性和可靠性。


## 将Hive清洗处理后的结果存入HBase


Hive可以将处理后的结果存储到HBase中，这样可以方便地进行海量数据随机查询。下面是一个示例，展示如何将Hive清洗处理后的结果存入HBase中：


### 1. 创建一个HBase表

create ‘mytable’, ‘cf1’


### 2. 将Hive表中的数据导入到HBase中

INSERT INTO TABLE hbasetable SELECT * FROM mytable;


### 3. 在Hive中创建一个外部表，与HBase表进行关联

CREATE EXTERNAL TABLE hbasetable (id INT, name STRING, age INT, address STRING) STORED BY ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler’ WITH SERDEPROPERTIES (‘hbase.columns.mapping’ = ‘:key,cf1:name,cf1:age,cf1:address’) TBLPROPERTIES (‘hbase.table.name’=‘mytable’);


### 4. 查询HBase数据

SELECT id, name, age, address FROM hbasetable WHERE age > 18;


## Hive清洗、处理和计算原始数据


Hive是一种基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供了类SQL查询功能。通过Hive，我们可以对原始数据进行清洗、处理和计算，并将处理后的结果存储到HBase中。


下面是一个示例，展示如何使用Hive清洗、处理和计算原始数据：


1. 创建一个数据库

CREATE DATABASE mydb;


2. 创建一个表




![img](https://img-blog.csdnimg.cn/img_convert/f9ed613ae7edafcba627aa0e35fbcde6.png)
![img](https://img-blog.csdnimg.cn/img_convert/ca2584554b20993821c861befed611dd.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

5G-1715371818962)]
[外链图片转存中...(img-i2DCYbWf-1715371818962)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**