Hive onver Hbase详解

Hive为什么与Hbase集成？

         Hbase不支持SQL语句查询，如果要实现count\group等操作需要借助Mapreduce程序，门槛较高；

         Hive对于SQL的支持有强大的功能，我们不需要写过多的自定义函数就能实现较为复杂的查询;

Hive over Hbase优缺点

优点：

1、Hive方便地提供了Hive QL的接口来简化MapReduce的使用，而HBase提供了低延迟的数据库访问。如果两者结合，可以利用MapReduce的优势针对HBase存储的大量内容进行离线的计算和分析；

2、操作方便，hive提供了大量系统功能；

3、降低业务开发人员技术门槛，只需要掌握SQL即可；

 

缺点：

性能的损失，hive有这样的功能, 他支持通过类似sql语句的语法来操作hbase中的数据, 但是速度慢；

 

限制条件：

Hbase表需要有多个字段，如果是单列，字段采用特殊字符分隔，那么导入

集成步骤

1、将以下jar包拷贝到$HIVE_HOME/lib/目录中

cp hbase-common-1.0.0-cdh5.5.0.jar$HIVE_HOME/lib/

cp hbase-server-1.0.0-cdh5.5.0.jar$HIVE_HOME/lib/

cp hbase-client-1.0.0-cdh5.5.0.jar$HIVE_HOME/lib/

cp hbase-protocol-1.0.0-cdh5.5.0.jar$HIVE_HOME/lib/

cp hbase-hadoop2-compat-1.0.0-cdh5.5.0.jar $HIVE_HOME/lib/

cp hbase-hadoop-compat-1.0.0-cdh5.5.0.jar$HIVE_HOME/lib/

cp htrace-core-3.2.0-incubating.jar$HIVE_HOME/lib/

cp netty-all-4.0.23.Final.jar$HIVE_HOME/lib/

cp metrics-core-2.2.0.jar  $HIVE_HOME/lib/

2、在hive-site.xml中增加以下配置

<property>

<name>hbase.zookeeper.quorum</name>

<value>master:2181,slave1:2182,slave2:2183</value>

</property>

<property>

<name>hive.aux.jars.path</name>

            <value>file:///cdh550/hive/lib/hive-hbase-handler-1.1.0-cdh5.5.0.jar,file:///cdh550/hive/lib/hbase-common-1.0.0-cdh5.5.0.jar,file:///cdh550/hive/lib/hbase-server-1.0.0-cdh5.5.0.jar,file:///cdh550/hive/lib/hbase-client-1.0.0-cdh5.5.0.jar,file:///cdh550/hive/lib/hbase-protocol-1.0.0-cdh5.5.0.jar,file:///cdh550/hive/lib/zookeeper-3.4.5-cdh5.5.0.jar</value>

</property>

3、启动Hive服务端

nohup hive --service metastore  > metastore.log&

nohup hive --service hiveserver2>hiveserver2.log &

 

4、启动hive客户端

hive [-hiveconf hive.root.logger=DEBUG,console]

测试

Hive关联已存在Hbase表

CREATE EXTERNAL TABLE hive_hbase_1(keystring, value string)    

STORED BY'org.apache.hadoop.hive.hbase.HBaseStorageHandler'    

WITH SERDEPROPERTIES("hbase.columns.mapping" = "c1:d1")    

TBLPROPERTIES("hbase.table.name"= "platjava_test_20170401", "hbase.mapred.output.outputtable"= " platjava_test_20170401");

 

--hbase.columns.mapping指向对应的列族；多列时，data:1，data:2；多列族时，data1:1,data2:1；

--hbase.table.name指向对应的表；hbase_table_2(keystring, value string)，这个是关联表。

 

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

Hive创建Hbase识别的表

CREATE TABLE hbase_table_1(key int, valuestring)

STORED BY'org.apache.hadoop.hive.hbase.HBaseStorageHandler'

WITH SERDEPROPERTIES("hbase.columns.mapping" = ":key,cf1:val")

TBLPROPERTIES ("hbase.table.name"= "xyz", "hbase.mapred.output.outputtable" ="xyz");

 

 hbase.table.name：参数是可选的，是Hbase可识别的名字，如果不设置则和Hive表名一致；

在Hive中创建的和Hbase整合的表不支持load data导入数据，需要在Hive中创建中间表导入数据后采用insert方式导入数据。

将Hive数据导入Hbase

         例：INSERTOVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=98;

         当有大量数据导入Hbase时，建议将WAL关闭：sethive.hbase.wal.enabled=false;

遇到的问题

创建表失败

问题描述

FAILED: Execution Error, return code 1 fromorg.apache.hadoop.hive.ql.exec.DDLTask. java.lang.RuntimeException: MetaException(message:org.apache.hadoop.hive.serde2.SerDeExceptionorg.apache.hadoop.hive.hbase.HBaseSerDe: columns has 1 elements whilehbase.columns.mapping has 2 elements (counting the key if implicit))

问题解决

在创建hive/hbase相关联的表时，hbase表结构默认会有一个字段key，如果没有一个显示的字段'key'那么在创建表时，会自己创建，这样hive对应的表就会出现问题，所以在hive对应的表里一定要加上key这个字段，为了避免这个问题，在hbase表结构里可以显示的添加'key'字段，这样不容易出问题。

遗留问题

1、  Hive SQL在执行过程中是否会对Hbase的实时数据读写造成影响？（不考虑主机资源情况下）

2、  Hbase单列数据，按特殊字符分隔，希望在Hive中按特殊字符拆分到多个字段，如何进行关联？

参考资料

https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration

http://www.aboutyun.com/thread-7317-1-1.html

http://www.aboutyun.com/thread-6546-1-1.html