Hive整合Hbase详解

Hive 整合Hbase

1、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、同时也可以将hive表中的数据映射到Hbase中。

 

2、应用场景

2.1 将ETL操作的数据存入HBase

 

 

2.2 HBase作为Hive的数据源

 

 

2.3 构建低延时的数据仓库

 

3、环境准备

3.1 hive与hbase版本兼容性

Hive版本 hive-1.2.1、hbase的版本hbase-1.2.1

hbase与hive哪些版本兼容？

Ø hive0.90与hbase0.92是兼容的，早期的hive版本与hbase0.89/0.90兼容。

Ø hive1.x与hbase0.98.x或则更低版本是兼容的。

Ø hive2.x与hbase1.x及比hbase1.x更高版本兼容。

Hive 0.6.0推出了storage-handler，用于将数据存储到HDFS以外的其他存储上。并方便的通过hive进行插入、查询等操作。同时hive提供了针对Hbase的hive-hbase-handler。这使我们在使用hive节省开发M/R代码成本的同时还能获得HBase的特性来快速响应随机查询。

但是，hive自带的hive-hbase-handler是针对特定版本的Hbase的，比如，0.7.0版本的hive编译时使用的是0.89.0版本的Hbase，0.6.0版本的hive默认使用0.20.3版本的hbase进行编译。如果能够找到对应的版本，可以跳过编译的步骤直接使用。不过，我们现状已经找不到这些版本的Hbase与之配合使用了。所以只好自己来编译这个jar包。

注：使用不匹配的版本，一些功能会发生异常。其原因是由于没有重新编译storage-handler组件，发现在hive中查询HBase表存在问题。hive-hbase-handler.jar的作用在hbase与hive整合的时候发挥了重要作用，有了这个包，hbase与hive才能通信。

如果想hbase1.x与hive1.x整合，需要编译hive1.x 代码本身

编译：

创建项目

在eclipse中创建一个项目。Java project即可。

 

随便起个名，finish即可。

导入代码

在创建好的项目上点击右键，选择Import

选择General下的FileSystem

 

找到hive-1.2.1\src\hbase-handler\src\java目录选择其中的org目录导入

 

添加依赖包

导入代码后可以看到很多的错误提示。这时由于没有引入依赖的jar包导致的。下面，我们引入,需要hadoop、hive、hbase下相关的lib包

新建lib目录，把对应的依赖包，导入

 

选择Build Path点击Add to Bulid Path

至此可以导出我们需要的jar包了。在org.apache.hadoop.hive.hbase包上点击右键，选择export

 选择java下的JAR file，选择一个生成位置，即可点击完成。

 

到这里我们就生成了符合自己Hbase版本的hive-hbase-handler了。

3.2 hive与hbase整合环境配置

（1）修改hive-site.xml文件，添加配置属性（zookeeper的地址）

<property>       <name>hbase.zookeeper.quorum</name> <value>itcast01:2181,itcast02:2181,itcast03:2181</value> </property>

（2）引入hbase的依赖包

将hbase安装目录下的lib文件夹下的包导入到hive的环境变量中

在hive-env.sh 文件中添加

export HIVE_CLASSPATH=$HIVE_CLASSPATH:/var/local/hbase/lib/*

至此、hive与hbase整合环境准备完成。

4、实战

4.1 hbase表映射到hive表中

①　在hbase中创建表：表名hbase_test, 有三个列族 f1、f2、f3

create 'hbase_test',{NAME => 'f1',VERSIONS => 1},{NAME => 'f2',VERSIONS => 1},{NAME => 'f3',VERSIONS => 1}

 

②　插入数据

put 'hbase_test','r1','f1:name','zhangsan' put 'hbase_test','r1','f2:age','20' put 'hbase_test','r1','f3:sex','male' put 'hbase_test','r2','f1:name','lisi' put 'hbase_test','r2','f2:age','30' put 'hbase_test','r2','f3:sex','female' put 'hbase_test','r3','f1:name','wangwu' put 'hbase_test','r3','f2:age','40' put 'hbase_test','r3','f3:sex','male'

 

③　查询数据

 

④　创建基于hbase的hive表

CREATE EXTERNAL TABLE hiveFromHbase( rowkey string, f1 map<STRING,STRING>, f2 map<STRING,STRING>, f3 map<STRING,STRING> ) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,f1:,f2:,f3:") TBLPROPERTIES ("hbase.table.name" = "hbase_test");

这里使用外部表映射到HBase中的表，这样，在Hive中删除表，并不会删除HBase中的表，否则，就会删除。另外，除了rowkey，其他三个字段使用Map结构来保存HBase中的每一个列族。

l hbase.columns.mapping

Hive表和HBase表的字段映射关系，分别为：Hive表中第一个字段映射:key(rowkey)，第二个字段映射列族f1，第三个字段映射列族f2,第四个字段映射列族f3

l hbase.table.name

HBase中表的名字

⑤　hive中查询hbase表

 

可以看到，Hive中只有一行数据，因为只有一个rowkey，每一个列族的列和值，分别被存储到Map结构中

⑥　Hive中插入数据到HBase表

 

insert into table hiveFromHbase SELECT 'r4' AS rowkey, map('name','zhaoliu') AS f1, map('age','50') AS f2, map('sex','male') AS f3 from person limit 1;

插入成功后查看2张表的数据

hive表hiveFromHbase：

Hbase表hbase_test:

 

Hive中的外部表hiveFromHbase，就和其他外部表一样，只有一份元数据，真正的数据是在HBase表中，Hive通过hive-hbase-handler来操作HBase中的表。

4.2 hive表映射到hbase表中

①　创建映射hbase的表

create   table hive_test( id string, name string, age int, address string )STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,f1:name,f2:age,f3:address") TBLPROPERTIES ("hbase.table.name" = "hbaseFromhive");

在hive1.2.1 跟hbase 0.98整合时，需要添加：

"hbase.mapred.output.outputtable" = "hbaseFromhive" 表属性

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

如果不添加会报错：Must specify table name

②　查看hbase映射表是否产生

 

③　查看hbase映射表的表结构和数据

 

 

由于hive表中没有加载数据，此时hbase中映射的表也无数据

④　Hive表加载数据

数据来源于另一张表hive_source;

查看hive_source的表结构和数据     加载数据： insert overwrite table hive_test select * from hive_source;

⑤　查看hive和hbase中表的数据

 

 

映射表可以查看到hive表中的数据。