我们本章来探索海量数据使用importtsv和Bulk load导入hbase最详细实践。
我们之前已经尝试了使用kettle把mongodb的数据导入hbase,但是发现速度比较慢。
单机kettle导入hbase,6700万条数据使用了27个小时,4亿多条数据需要的时间就更多了。
情况介绍
HBase本身提供了很多种数据导入的方式,目前常用的有三种常用方式:
1、使用HBase原生Client API
2、使用HBase提供的TableOutputFormat,原理是通过一个Mapreduce作业将数据导入HBase
3、使用Bulk Load方式直接生成HFile,分别分发到regionServer中
方式对比
第一第二种方式由于需要频繁的与数据所存储的RegionServer通信,一次性入库大量数据时,可能占用大量Regionserve