摘要
Hive提供了与HBase的集成,使得能够在HBase表上使用HQL语句进行查询 插入操作以及进行Join和Union等复杂查询
应用场景
1. 将ETL操作的数据存入HBase
![](https://bbsmax.ikafan.com/static/L3Byb3h5L2h0dHAvaW1hZ2VzMjAxNS5jbmJsb2dzLmNvbS9ibG9nLzc3NjI1OS8yMDE2MDcvNzc2MjU5LTIwMTYwNzI1MTYxMzE0OTgxLTIyNTExNDg5MS5wbmc=.jpg)
2. HBase作为Hive的数据源
![](https://i-blog.csdnimg.cn/blog_migrate/187532ea76989217dfd6f9d387ef517e.jpeg)
3. 构建低延时的数据仓库
![](https://i-blog.csdnimg.cn/blog_migrate/0057896b8b54731ffa91eaf7901136d9.jpeg)
使用
1.
从Hive中创建HBase表
- 使用HQL语句创建一个指向HBase的Hive表
- CREATE TABLE hbase_table_1(key int, value string) //Hive中的表名hbase_table_1
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' //指定存储处理器
- WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val") //声明列族,列名
- TBLPROPERTIES ("hbase.table.name" = "xyz", "hbase.mapred.output.outputtable" = "xyz");
- //hbase.table.name声明HBase表名,为可选属性默认与Hive的表名相同,
- //hbase.mapred.output.outputtable指定插入数据时写入的表,如果以后需要往该表插入数据就需要指定该值
- 通过HBase shell可以查看刚刚创建的HBase表的属性
- $ hbase shell
- HBase Shell; enter 'help<RETURN>' for list of supported commands.
- Version: 0.20.3, r902334, Mon Jan 25 13:13:08 PST 2010
- hbase(main):001:0> list
- xyz
- 1 row(s) in 0.0530 seconds
- hbase(main):002:0> describe "xyz"
- DESCRIPTION ENABLED
- {NAME => 'xyz', FAMILIES => [{NAME => 'cf1', COMPRESSION => 'NONE', VE true
- RSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_MEMORY =>
- 'false', BLOCKCACHE => 'true'}]}
- 1 row(s) in 0.0220 seconds
- hbase(main):003:0> scan "xyz"
- ROW COLUMN+CELL
- 0 row(s) in 0.0060 seconds
- 使用HQL向HBase表中插入数据
- ;
- 在HBase端查看插入的数据
- hbase(main)::> scan "xyz"
- ROW COLUMN+CELL
- , value=val_98
- row(s) in 0.0110 seconds
2.从Hive中映射HBase
- 创建一个指向已经存在的HBase表的Hive表
- CREATE EXTERNAL TABLE hbase_table_2(key int, value string)
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES ("hbase.columns.mapping" = "cf1:val")
- TBLPROPERTIES("hbase.table.name" = "some_existing_table", "hbase.mapred.output.outputtable" = "some_existing_table");
该Hive表一个外部表,所以删除该表并不会删除HBase表中的数据
注意
- 建表或映射表的时候如果没有指定:key则第一个列默认就是行键
- HBase对应的Hive表中没有时间戳概念,默认返回的就是最新版本的值
- 由于HBase中没有数据类型信息,所以在存储数据的时候都转化为String类型
3.多列及多列族的映射
如下表:value1和value2来自列族a对应的b c列,value3来自列族d对应的列
- CREATE TABLE hbase_table_1(key int, value1 string, value2 int, value3 int)
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES (
- "hbase.columns.mapping" = ":key,a:b,a:c,d:e"
- );
- , foo
- ;
4.Hive Map类型在HBase中的映射规则
如下表:通过Hive的Map数据类型映射HBase表,这样每行都可以有不同的列组合,列名与map中的key对应,列值与map中的value对应
- CREATE TABLE hbase_table_1(value map<string,int>, row_key int)
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES (
- "hbase.columns.mapping" = "cf:,:key"
- );
- INSERT OVERWRITE TABLE hbase_table_1 SELECT map(bar, foo), foo FROM pokes
- ;
cf为列族,其列名对应map中的bar,列值对应map中的foo
- 在HBase下查看数据
- hbase(main)::> scan "hbase_table_1"
- ROW COLUMN+CELL
- , value
- , value
- row(s) in 0.0080 seconds
- 在Hive下查看数据
- hive> select * from hbase_table_1;
- Total MapReduce jobs
- Launching Job out
- ...
- OK
- {"val_100":}
- {"val_98":}
- Time taken: 3.808 seconds
注意:由于map中的key是作为HBase的列名使用的,所以map中的key类型必须为String类型
以下映射语句都会报错
1.
- CREATE TABLE hbase_table_1(key int, value map<int,int>)
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES (
- "hbase.columns.mapping" = ":key,cf:"
- );
原因:map中的key必须是String
2.
- CREATE TABLE hbase_table_1(key int, value string)
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES (
- "hbase.columns.mapping" = ":key,cf:"
- );
原因:当hbase.columns.mapping中的列族后面为空时(形如cf:),说明在Hive中其对应的数据类型为map,而这条语句中对应的是String所以报错
5.Hive还支持简单的复合行键
如下:创建一张指向HBase的Hive表,行键有两个字段,字段之间使用~分隔
- CREATE EXTERNAL TABLE delimited_example(key struct<f1:string, f2:string>, value string)
- ROW FORMAT DELIMITED
- COLLECTION ITEMS TERMINATED BY '~'
- STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
- WITH SERDEPROPERTIES (
- 'hbase.columns.mapping'=':key,f:c1');
6.使用Hive集成HBase表的需注意
- 对HBase表进行预分区,增大其MapReduce作业的并行度
- 合理的设计rowkey使其尽可能的分布在预先分区好的Region上
- 通过set hbase.client.scanner.caching设置合理的扫描缓存
参考资料: