用MR(MapReduce)查询hbase数据－用到TableMapper和Scan

首先，可以设置scan的startRow, stopRow, filter等属性。于是两种方案：

1.设置scan的filter，然后执行mapper，再reducer成一份结果

2.不用filter过滤，将filter做的事传给mapper做

进行了测试，前者在执行较少量scan记录的时候效率较后者高，但是执行的scan数量多了，便容易导致超时无返回而退出的情况。而为了实现后者，学会了如何向mapper任务中传递参数，走了一点弯路。

最后的一点思考是，用后者效率仍然不高，即便可用前者时效率也不高，因为默认的tablemapper是将对一个region的scan任务放在了一个mapper里，而我一个region有2G多，而我查的数据只占七八个region。于是，想能不能不以region为单位算做mapper，如果不能改，那只有用MR直接操作HBase底层HDFS文件了，这个，…，待研究。

上代码（为了保密，将表名啊，列名列族名啊都改了一下，有改漏的，大家当做没看见啊，另：主要供大家参考下方法，即用mr来查询海量hbase数据，还有如何向mapper传参数）：

[java]  view plain copy

1. package mapreduce.hbase;  
2.   
3. import java.io.IOException;  
4.   
5. import mapreduce.HDFS_File;  
6.   
7. import org.apache.commons.logging.Log;  
8. import org.apache.commons.logging.LogFactory;  
9. import org.apache.hadoop.conf.Configuration;  
10. import org.apache.hadoop.fs.Path;  
11. import org.apache.hadoop.hbase.HBaseConfiguration;  
12. import org.apache.hadoop.hbase.client.Result;  
13. import org.apache.hadoop.hbase.client.Scan;  
14. import org.apache.hadoop.hbase.filter.Filter;  
15. import org.apache.hadoop.hbase.filter.FilterList;  
16. import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;  
17. import org.apache.hadoop.hbase.filter.CompareFilter.CompareOp;  
18. import org.apache.hadoop.hbase.io.ImmutableBytesWritable;  
19. import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;  
20. import org.apache.hadoop.hbase.mapreduce.TableMapper;  
21. import org.apache.hadoop.hbase.util.Bytes;  
22. import org.apache.hadoop.io.Text;  
23. import org.apache.hadoop.mapreduce.Job;  
24. import org.apache.hadoop.mapreduce.Mapper.Context;  
25. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
26.   
27. /** 
28.  * 用MR对HBase进行查找，给出Scan的条件诸如startkey endkey;以及filters用来过滤掉不符合条件的记录 LicenseTable 
29.  * 的 RowKey 201101010000000095\xE5\xAE\x81WDTLBZ 
30.  *  
31.  * @author Wallace 
32.  *  
33.  */  
34. @SuppressWarnings("unused")  
35. public class MRSearchAuto {  
36.     private static final Log LOG = LogFactory.getLog(MRSearchAuto.class);  
37.   
38.     private static String TABLE_NAME = "tablename";  
39.     private static byte[] FAMILY_NAME = Bytes.toBytes("cfname");  
40.     private static byte[][] QUALIFIER_NAME = { Bytes.toBytes("col1"),  
41.             Bytes.toBytes("col2"), Bytes.toBytes("col3") };  
42.   
43.     public static class SearchMapper extends  
44.             TableMapper<ImmutableBytesWritable, Text> {  
45.         private int numOfFilter = 0;  
46.   
47.         private Text word = new Text();  
48.         String[] strConditionStrings = new String[]{"","",""}/* { "新C87310", "10", "2" } */;  
49.   
50.         /* 
51.          * private void init(Configuration conf) throws IOException, 
52.          * InterruptedException { strConditionStrings[0] = 
53.          * conf.get("search.license").trim(); strConditionStrings[1] = 
54.          * conf.get("search.carColor").trim(); strConditionStrings[2] = 
55.          * conf.get("search.direction").trim(); LOG.info("license: " + 
56.          * strConditionStrings[0]); } 
57.          */  
58.         protected void setup(Context context) throws IOException,  
59.                 InterruptedException {  
60.             strConditionStrings[0] = context.getConfiguration().get("search.license").trim();  
61.             strConditionStrings[1] = context.getConfiguration().get("search.color").trim();  
62.             strConditionStrings[2] = context.getConfiguration().get("search.direction").trim();  
63.         }  
64.   
65.         protected void map(ImmutableBytesWritable key, Result value,  
66.                 Context context) throws InterruptedException, IOException {  
67.             String string = "";  
68.             String tempString;  
69.   
70.             /**/  
71.             for (int i = 0; i < 1; i++) {  
72.                 // /在此map里进行filter的功能  
73.                 tempString = Text.decode(value.getValue(FAMILY_NAME,  
74.                         QUALIFIER_NAME[i]));  
75.                 if (tempString.equals(/* strConditionStrings[i] */"新C87310")) {  
76.                     LOG.info("新C87310. conf: " + strConditionStrings[0]);  
77.                     if (tempString.equals(strConditionStrings[i])) {  
78.                         string = string + tempString + " ";  
79.                     } else {  
80.                         return;  
81.                     }  
82.                 }  
83.   
84.                 else {  
85.                     return;  
86.                 }  
87.             }  
88.   
89.             word.set(string);  
90.             context.write(null, word);  
91.         }  
92.     }  
93.   
94.     public void searchHBase(int numOfDays) throws IOException,  
95.             InterruptedException, ClassNotFoundException {  
96.         long startTime;  
97.         long endTime;  
98.   
99.         Configuration conf = HBaseConfiguration.create();  
100.         conf.set("hbase.zookeeper.quorum", "node2,node3,node4");  
101.         conf.set("fs.default.name", "hdfs://node1");  
102.         conf.set("mapred.job.tracker", "node1:54311");  
103.         /* 
104.          * 传递参数给map 
105.          */  
106.         conf.set("search.license", "新C87310");  
107.         conf.set("search.color", "10");  
108.         conf.set("search.direction", "2");  
109.   
110.         Job job = new Job(conf, "MRSearchHBase");  
111.         System.out.println("search.license: " + conf.get("search.license"));  
112.         job.setNumReduceTasks(0);  
113.         job.setJarByClass(MRSearchAuto.class);  
114.         Scan scan = new Scan();  
115.         scan.addFamily(FAMILY_NAME);  
116.         byte[] startRow = Bytes.toBytes("2011010100000");  
117.         byte[] stopRow;  
118.         switch (numOfDays) {  
119.         case 1:  
120.             stopRow = Bytes.toBytes("2011010200000");  
121.             break;  
122.         case 10:  
123.             stopRow = Bytes.toBytes("2011011100000");  
124.             break;  
125.         case 30:  
126.             stopRow = Bytes.toBytes("2011020100000");  
127.             break;  
128.         case 365:  
129.             stopRow = Bytes.toBytes("2012010100000");  
130.             break;  
131.         default:  
132.             stopRow = Bytes.toBytes("2011010101000");  
133.         }  
134.         // 设置开始和结束key  
135.         scan.setStartRow(startRow);  
136.         scan.setStopRow(stopRow);  
137.   
138.         TableMapReduceUtil.initTableMapperJob(TABLE_NAME, scan,  
139.                 SearchMapper.class, ImmutableBytesWritable.class, Text.class,  
140.                 job);  
141.         Path outPath = new Path("searchresult");  
142.         HDFS_File file = new HDFS_File();  
143.         file.DelFile(conf, outPath.getName(), true); // 若已存在，则先删除  
144.         FileOutputFormat.setOutputPath(job, outPath);// 输出结果  
145.   
146.         startTime = System.currentTimeMillis();  
147.         job.waitForCompletion(true);  
148.         endTime = System.currentTimeMillis();  
149.         System.out.println("Time used: " + (endTime - startTime));  
150.         System.out.println("startRow:" + Text.decode(startRow));  
151.         System.out.println("stopRow: " + Text.decode(stopRow));  
152.     }  
153.   
154.     public static void main(String args[]) throws IOException,  
155.             InterruptedException, ClassNotFoundException {  
156.         MRSearchAuto mrSearchAuto = new MRSearchAuto();  
157.         int numOfDays = 1;  
158.         if (args.length == 1)  
159.             numOfDays = Integer.valueOf(args[0]);  
160.         System.out.println("Num of days: " + numOfDays);  
161.         mrSearchAuto.searchHBase(numOfDays);  
162.     }  
163. }  

开始时，我是在外面conf.set了传入的参数，而在mapper的init(Configuration)里get参数并赋给mapper对象。

将参数传给map运行时结果不对
for (int i = 0; i < 1; i++) {
    // /在此map里进行filter的功能
    tempString = Text.decode(value.getValue(FAMILY_NAME,
      QUALIFIER_NAME[i]));
    if (tempString.equals(/*strConditionStrings[i]*/"新C87310"))
     string = string + tempString + " ";
    else {
     return;
    }
   }
如果用下面的mapper的init获取conf传来的参数，然后在上面map函数里进行调用，结果便不对了。
直接指定值时和参数传过来相同的值时，其output的结果分别为1条和0条。
  private void init(Configuration conf) throws IOException,
    InterruptedException {
   strConditionStrings[0] = conf.get("search.licenseNumber").trim();
   strConditionStrings[1] = conf.get("search.carColor").trim();
   strConditionStrings[2] = conf.get("search.direction").trim();
  }
加了个日志写
private static final Log LOG = LogFactory.getLog(MRSearchAuto.class);
init()函数里：
LOG.info("license: " + strConditionStrings[0]);
map里
 if (tempString.equals(/* strConditionStrings[i] */"新C87310")) {
  LOG.info("新C87310. conf: " + strConditionStrings[0]);
然后在网页 namenode:50030上看任务，最终定位到哪台机器执行了那个map，然后看日志
mapreduce.hbase.TestMRHBase: 新C87310. conf: null
在conf.set之后我也写了下，那时正常，但是在map里却是null了，而在map类的init函数打印的却没有打印。
因此，问题应该是：
map类的init()函数没有执行到！
于是init()的获取conf中参数值并赋给map里变量的操作便未执行，同时打印日志也未执行。
OK！看怎么解决
放在setup里获取
  protected void setup(Context context) throws IOException,
    InterruptedException {
  // strConditionStrings[0] = context.getConfiguration().get("search.license").trim();
  // strConditionStrings[1] = context.getConfiguration().get("search.color").trim();
  // strConditionStrings[2] = context.getConfiguration().get("search.direction").trim();
  }
报错
12/01/12 11:21:56 INFO mapred.JobClient:  map 0% reduce 0%
12/01/12 11:22:03 INFO mapred.JobClient: Task Id : attempt_201201100941_0071_m_000000_0, Status : FAILED
java.lang.NullPointerException
 at mapreduce.hbase.MRSearchAuto$SearchMapper.setup(MRSearchAuto.java:66)
 at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:142)
 at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:656)
 at org.apache.hadoop.mapred.MapTask.run(MapTask.java:325)
 at org.apache.hadoop.mapred.Child$4.run(Child.java:270)
 at java.security.AccessController.doPrivileged(Native Method)
 at javax.security.auth.Subject.doAs(Subject.java:396)
 at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1127)
 at org.apache.hadoop.mapred.Child.main(Child.java:264)

attempt_201201100941_0071_m_000000_0: log4j:WARN No appenders could be found for logger (org.apache.hadoop.hdfs.DFSClient).
attempt_201201100941_0071_m_000000_0: log4j:WARN Please initialize the log4j system properly.
12/01/12 11:22:09 INFO mapred.JobClient: Task Id : attempt_201201100941_0071_m_000000_1, Status : FAILED
java.lang.NullPointerException
 at mapreduce.hbase.MRSearchAuto$SearchMapper.setup(MRSearchAuto.java:66)
 at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:142)
 at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:656)
 at org.apache.hadoop.mapred.MapTask.run(MapTask.java:325)
 at org.apache.hadoop.mapred.Child$4.run(Child.java:270)
 at java.security.AccessController.doPrivileged(Native Method)
 at javax.security.auth.Subject.doAs(Subject.java:396)
 at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1127)
 at org.apache.hadoop.mapred.Child.main(Child.java:264)
然后将setup里的东西注释掉，无错，错误应该在context上，进一步确认，在里面不用context，直接赋值，有结果，好！
说明是context的事了，NullPointerException,应该是context.getConfiguration().get("search.license")这些中有一个是null的。
突然想起来，改了下get时候的属性，而set时候没改，于是不对应，于是context.getConfiguration().get("search.color")及下面的一项都是null，null.trim()报的异常。
  conf.set("search.license", "新C87310");
  conf.set("search.color", "10");
  conf.set("search.direction", "2");
修改后，问题解决。
实现了向map中传参数

来源：http://blog.csdn.net/liuxingjiaofu/article/details/7197245