spark对接Hbase

0.我们有这样一个表，表名为Student

1.在Hbase中创建一个表

表明为student，列族为info

2.插入数据

我们这里采用put来插入数据

格式如下   put  ‘表命’，‘行键’，‘列族：列’，‘值’  

我们知道Hbase 四个键确定一个值，

一般查询的时候我们需要提供  表名、行键、列族：列名、时间戳才会有一个确定的值。

但是这里插入的时候，时间戳自动被生成，我们并不用额外操作。

我们不用表的时候可以这样删除

注意，一定要先disable 再drop，不能像RDMS一样直接drop

3.配置spark

我们需要把Hbase的lib目录下的一些jar文件拷贝到Spark中，这些都是编程中需要引进的jar包。

需要拷贝的jar包包括：所有hbase开头的jar文件、guava-12.0.1.jar、htrace-core-3.1.0-incubating.jar和protobuf-java-2.5.0.jar

我们将文件拷贝到Spark目录下的jars文件中

4.编写程序

（1）读取数据

我们程序中需要的jar包如下

我们这里使用Maven来导入相关jar包

我们需要导入hadoop和spark相关的jar包

spark方面需要导入的依赖

<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-core_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-sql_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-streaming_2.11</artifactId>
  <version>${spark.version}</version>
  <scope>provided</scope>
</dependency>

hadoop方面需要导入的依赖

<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-client</artifactId>
  <version>${hadoop.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-common</artifactId>
  <version>${hadoop.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-hdfs</artifactId>
  <version>${hadoop.version}</version>
</dependency>

hbase方面需要导入的依赖

<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-client</artifactId>
  <version>${hbase.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-server</artifactId>
  <version>${hbase.version}</version>
</dependency>

我们使用的org.apache.hadoop.hbase.mapreduce是通过hbase-server导入的。

具体的程序如下

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

import org.apache.hadoop.hbase._ import org.apache.hadoop.hbase.mapreduce.TableInputFormat import org.apache.hadoop.hbase.util.Bytes import org.apache.spark.{SparkConf, SparkContext} object SparkOperateHbase{     def main(args:Array[String]): Unit ={         //建立Hbase的连接         val conf = HBaseConfiguration.create();         //设置查询的表名student         conf.set(TableInputFormat.INPUT_TABLE,"student")         //通过SparkContext将student表中数据创建一个rdd         val sc = new SparkContext(new SparkConf());         val stuRdd = sc.newAPIHadoopRDD(conf,classOf[TableInputFormat],             classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable],             classOf[org.apache.hadoop.hbase.client.Result]);         stuRdd.cache();//持久化         //计算数据条数         val count = stuRdd.count();         println("Student rdd count:"+count);         //遍历输出         //当我们建立Rdd的时候，前边全部是参数信息，后边的result才是保存数据的数据集         stuRdd.foreach({case (_,result) =>             //通过result.getRow来获取行键             val key = Bytes.toString(result.getRow);             //通过result.getValue("列族"，"列名")来获取值             //注意这里需要使用getBytes将字符流转化成字节流             val name = Bytes.toString(result.getValue("info".getBytes,"name".getBytes));             val gender = Bytes.toString(result.getValue("info".getBytes,"gender".getBytes));             val age = Bytes.toString(result.getValue("info".getBytes,"age".getBytes));             //打印结果             println("Row key:"+key+" Name:"+name+" Gender:"+gender+" Age:"+age);         });     } }

（2）存入数据

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

import org.apache.hadoop.hbase.client.{Put, Result} import org.apache.hadoop.hbase.io.ImmutableBytesWritable import org.apache.hadoop.hbase.mapreduce.{TableInputFormat, TableOutputFormat} import org.apache.hadoop.hbase.util.Bytes import org.apache.hadoop.mapreduce.Job import org.apache.spark.{SparkConf, SparkContext} object HbasePut{     def main(args:Array[String]): Unit = {         //建立sparkcontext         val sparkConf = new SparkConf().setAppName("HbasePut").setMaster("local")         val sc = new SparkContext(sparkConf)         //与hbase的student表建立连接         val tableName = "student"         sc.hadoopConfiguration.set(TableOutputFormat.OUTPUT_TABLE,tableName)         //建立任务job         val job = new Job(sc.hadoopConfiguration)         //配置job参数         job.setOutputKeyClass(classOf[ImmutableBytesWritable])         job.setOutputValueClass(classOf[Result])         job.setOutputFormatClass(classOf[TableOutputFormat[ImmutableBytesWritable]])         //要插入的数据，这里的makeRDD是parallelize的扩展版         val indataRdd = sc.makeRDD(Array("3,zhang,M,26","4,yue,M,27"))         val rdd = indataRdd.map(_.split(",")).map(arr=>{             val put = new Put(Bytes.toBytes(arr(0))) //行键的值             //依次给列族info的列添加值             put.add(Bytes.toBytes("info"),Bytes.toBytes("name"),Bytes.toBytes(arr(1)))             put.add(Bytes.toBytes("info"),Bytes.toBytes("gender"),Bytes.toBytes(arr(2)))             put.add(Bytes.toBytes("info"),Bytes.toBytes("age"),Bytes.toBytes(arr(3)))             //必须有这两个返回值，put为要传入的数据             (new ImmutableBytesWritable,put)         })         rdd.saveAsNewAPIHadoopDataset(job.getConfiguration)     } }

5.Maven打包

我们用命令行打开到项目的根目录，输入mvn clean package -DskipTests=true

打包成功后我们到项目目录下的target文件下就会找到相应的jar包

6.提交任务