HBase回顾五、与Hive的集成

HBase回顾五、与Hive的集成

HBase与Hive的对比

1．Hive

(1) 数据仓库

Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系，以方便使用HQL去管理查询。

(2) 用于数据分析、清洗

Hive适用于离线的数据分析和清洗，延迟较高。

(3) 基于HDFS、MapReduce

Hive存储的数据依旧在DataNode上，编写的HQL语句终将是转换为MapReduce代码执行。

2．HBase

(1) 数据库

是一种面向列存储的非关系型数据库。

(2) 用于存储结构化和非结构化的数据

适用于单表非关系型数据的存储，不适合做关联查询，类似JOIN等操作。

(3) 基于HDFS

数据持久化存储的体现形式是Hfile，存放于DataNode中，被ResionServer以region的形式进行管理。

(4) 延迟较低，接入在线业务使用

面对大量的企业数据，HBase可以直线单表大量数据的存储，同时提供了高效的数据访问速度。

HBase与Hive集成的环境搭建

因为我们后续可能会在操作Hive的同时对HBase也会产生影响，所以Hive需要持有操作HBase的Jar，那么接下来拷贝Hive所依赖的Jar包（或者使用软连接的形式）。

export HBASE_HOME=/opt/module/hbase
export HIVE_HOME=/opt/module/hive

ln -s $HBASE_HOME/lib/hbase-common-1.3.1.jar  $HIVE_HOME/lib/hbase-common-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-server-1.3.1.jar $HIVE_HOME/lib/hbase-server-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-client-1.3.1.jar $HIVE_HOME/lib/hbase-client-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-protocol-1.3.1.jar $HIVE_HOME/lib/hbase-protocol-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-it-1.3.1.jar $HIVE_HOME/lib/hbase-it-1.3.1.jar
ln -s $HBASE_HOME/lib/htrace-core-3.1.0-incubating.jar $HIVE_HOME/lib/htrace-core-3.1.0-incubating.jar
ln -s $HBASE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar $HIVE_HOME/lib/hbase-hadoop2-compat-1.3.1.jar
ln -s $HBASE_HOME/lib/hbase-hadoop-compat-1.3.1.jar $HIVE_HOME/lib/hbase-hadoop-compat-1.3.1.jar

同时在hive-site.xml中修改zookeeper的属性，如下：

<property>
  <name>hive.zookeeper.quorum</name>
  <value>hadoop102,hadoop103,hadoop104</value>
  <description>The list of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>
<property>
  <name>hive.zookeeper.client.port</name>
  <value>2181</value>
  <description>The port of ZooKeeper servers to talk to. This is only needed for read/write locks.</description>
</property>

集成初体验

案例1：关联表的创建

**目标：**建立Hive表，关联HBase表，插入数据到Hive表的同时能够影响HBase表。

(1) 在Hive中创建表同时关联HBase

• 需要指定存储的代理为HBaseStorageHandler

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

• 需要指定hive/hbase表的映射关系

  WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno")
  TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");
  

CREATE TABLE hive_hbase_emp_table(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno")
TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");

发现报错，通过查找发现HBase与Hive的集成在hive的hive-hbase-handler-1.2.1.jar下无法兼容。所以需要重新编译：hive-hbase-handler-1.2.2.jar

编译过程

下载hive的1.2.1版本src安装包，解压并找到hbase-handler下的org目录

创建maven工程，然后将org文件夹放入java中

发现有很多依赖缺失，所以手动补充依赖

将编译后的lib路径放入，选择apply,ok

可以看到依赖问题解决了

然后将该项目/模块打成依赖jar包

重命名为需要重新编译的jar包名称

编译成功

好像名字不大对，重命名一下，然后放到linux中的hive/lib

点击确定，OK

重新启动hive,然后创建表

CREATE TABLE hive_hbase_emp_table(
empno int,
ename string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename")
TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");

为方便操作，减少了其余字段，只留一个empno和ename

观察hbase的表情况，发现同时多了一张表

关联成功

(2) 在Hive中创建临时中间表，用于load文件中的数据

• 不能将数据直接load进Hive所关联HBase的那张表中,必须通过mapreduce作业导入数据

CREATE TABLE emp(
empno int,
ename string)
row format delimited fields terminated by '\t';

(3) 向Hive中间表中load数据

先准备数据vi /opt/module/datas/emp2.txt

1001    zhangsan
1002    lisi
1003    wangwu

load data local inpath '/opt/module/datas/emp2.txt' into table emp;

(4) 通过insert命令将中间表中的数据导入到Hive关联HBase的那张表中

hive> insert into table hive_hbase_emp_table select * from emp;

(5) 查看Hive关联的HBase表中是否已经成功的同步插入了数据

hbase> scan ‘hbase_emp_table’

案例2：使用hive分析HBase表中的数据

在案例1的基础上，我们已经在HBase中已经存储了某一张表hbase_emp_table，然后在Hive中创建一个外部表来关联HBase中的hbase_emp_table这张表，使之可以借助Hive来分析HBase这张表中的数据。

分步实现：

(1) 在Hive中创建外部表

CREATE EXTERNAL TABLE relevance_hbase_emp(
empno int,
ename string)
STORED BY 
'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename") 
TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table"); 

在指定了关联后，所有在hbase_emp_table的数据都会被映射到这张表上

(2) 关联后就可以使用Hive函数进行一些分析操作了

select count(empno) from relevance_hbase_emp;