Hbase MapReduce例子

最新推荐文章于 2024-11-13 10:29:29 发布

genius__king

最新推荐文章于 2024-11-13 10:29:29 发布

阅读量458

点赞数

分类专栏：分布式数据存储文章标签： HBase Mapreduce Hadoop jruby lucene

分布式数据存储专栏收录该内容

11 篇文章 0 订阅

订阅专栏

Hbase Mapreduce 例子

http://hadoop.apache.org/hbase/docs/current/api/org/apache/hadoop/hbase/mapreduce/package-summary.html#package_description

http://wiki.apache.org/hadoop/Hbase/MapReduce （Deprecated）

需要重启Hadoop的方式

所有机器都有修改配置

1:修改$HADOOP_HOME/conf/hadoop-env.sh ，添加HBase类库引用

export HBASE_HOME=/home/iic/hbase-0.20.3

export HADOOP_CLASSPATH=$HBASE_HOME/hbase-0.20.3.jar:$HBASE_HOME/hbase-0.20.3-test.jar:$HBASE_HOME/conf:${HBASE_HOME}/lib/zookeeper-3.3.0.jar

不需要重启Hadoop的方式（把依赖类库打包进jar/lib目录下，同时代码中调用job.setJarByClass(XXX.class);）

Another possibility, if for example you do not have access to hadoop-env.sh or are unable to restart the hadoop cluster, is bundling the hbase jars into a mapreduce job jar adding it and its dependencies under the job jar lib/ directory and the hbase conf into the job jars top-level directory.

测试，出现异常：java.lang.OutOfMemoryError: Java heap space

bin/hadoop org.apache.hadoop.hbase.PerformanceEvaluation sequentialWrite 4

HBase map reduce 2

此例子，把表mrtest中的列contents的值，反转后，保存到列text里。

bin/hbase shell

create 'mrtest', 'contents', 'text'

put 'mrtest', '1', 'contents:', 'content'

put 'mrtest', '1', 'text:', 'text'

get 'mrtest', '1'

类com.test.hadoop.hbase.HBaseTest 生成100W的测试数据。

/home/iic/hadoop-0.20.2/bin/hadoop jar examples/examples_1.jar examples.TestTableMapReduce

HBase 自带例子

hbase-0.20.3\src\test

计算表的总行数（org.apache.hadoop.hbase.mapreduce.RowCounter）

bin/hadoop jar /home/iic/hbase-0.20.3/hbase-0.20.3.jar rowcounter scores grade

结果

10/04/12 17:08:05 INFO mapred.JobClient: ROWS=2

对HBase的列进行Lucene索引(examples.TestTableIndex)

对表mrtest的列contents进行索引，使用lucene-core-2.2.0.jar，需把它加入类路径。把lucene-core-2.2.0.jar加入到examples.zip/lib目录下，同时代码中必须指定job.setJarByClass(TestTableIndex.class);不然lucene不识别

bin/hadoop fs -rmr testindex

bin/hadoop jar examples.zip examples.TestTableIndex

先从文件中产生适合HBase的HFiles文件，再倒入到Hbase中，加快导入速度

examples.TestHFileOutputFormat

输入的数据，由例子自动生成,其中Key是前面补0的十位数“0000000001”。

输出数据目录：/user/iic/hbase-hfile-test

bin/hadoop fs -rmr hbase-hfile-test

bin/hadoop jar examples.zip examples.TestHFileOutputFormat

加载生成的数据到Hbae中（要先安装JRuby，才能执行）

export PATH=$PATH:/home/iic/jruby-1.4.0/bin/

echo $PATH

vi bin/loadtable.rb

require '/home/iic/hbase-0.20.3/hbase-0.20.3.jar'
require '/home/iic/hadoop-0.20.2/hadoop-0.20.2-core.jar'
require '/home/iic/hadoop-0.20.2/lib/log4j-1.2.15.jar'
require '/home/iic/hadoop-0.20.2/lib/commons-logging-1.0.4.jar'
require '/home/iic/hbase-0.20.3/lib/zookeeper-3.3.0.jar'
require '/home/iic/hbase-0.20.3/lib/commons-cli-2.0-SNAPSHOT.jar'

$CLASSPATH <<'/home/iic/hbase-0.20.3/conf';

delete table "hbase-test"

jruby bin/loadtable.rb hbase-test /user/iic/hbase-hfile-test

查看其使用方式

（bin/hbase org.jruby.Main bin/loadtable.rb

Usage: loadtable.rb TABLENAME HFILEOUTPUTFORMAT_OUTPUT_DIR

其使用JRuby

）

注意：此种方式，必须解决几个问题

1：your MapReduce job ensures a total ordering among all keys ，by default distributes keys among reducers using a Partitioner that hashes on the map task output key。(key.hashCode() & Integer.MAX_VALUE) % numReduceTasks

默认MR在使用默认的default hash Partitioner 分配Key给Reducer的时候，如果Key是0~4，有2个Task，则

reducer 0 would have get keys 0, 2 and 4 whereas reducer 1 would get keys 1 and 3 (in order).

则生成的Block里面的Start key 和 End Key次序讲混乱，

System.out.println((new ImmutableBytesWritable("0".getBytes())
.hashCode() & Integer.MAX_VALUE)

所以需要实现自己的Hash Partitioner ，生成the keys need to be orderd so reducer 0 gets keys 0-2 and reducer 1 gets keys 3-4 (See TotalOrderPartitioner up in hadoop for more on what this means).

验证导入的行数

bin/hadoop jar /home/iic/hbase-0.20.3/hbase-0.20.3.jar rowcounter hbase-test info