本文主要是总结一下hbase几种写入常见的方式，以及涉及的应用场景，尽量覆盖日常业务中的使用场景，另外再总结一下其中涉及到的一些原理知识。也算是自己学习的汇总。hbase也接触很久了，各种应用的场景也见到了很多。借此机会好好总结一下。
hbase一般的插入过程都使用HTable对象，将数据封装在Put对象中，Put在new创建的时候需要传入rowkey，并将列族，列名，列值add进去。然后HTable调用put方法，通过rpc请求提交到Regionserver端。写入的方式可以分为以下几种
- 单条put
- 批量put
- 使用Mapreduce
- bluckload
HTable
要向hbase中写入就免不了要和HTable打交道，HTable负责向一张hbase表中读或者写数据，HTable对象是非线程安全的。多线程使用时需要注意，创建HTable对象时需要指定表名参数，HTable内部有一个LinkedList<Row>的队列writeAsyncBuffer ，负责对写入到hbase的数据在客户端缓存，开启缓存使用参数 table.setAutoFlushTo(false); 默认情况不开启每次put一条数据时，htable对象就会调用flushCommits方法向regserver中提交，开启缓存则会比较队列的大小，如果大于某个值则调用flushCommits，这个值默认是2m，可以通过在hbase-site.xml中设置参数 "hbase.client.write.buffer"来调整，默认是2097152， 在关闭htable连接时，会隐式的调用flushCommits方法，保证数据完全提交。提交时会根据rowkey定位该put应该提交到哪个reginserver，然后每个regionserver一组action发送出去，（多扯两句，这里和solr略微不同，solr可以把请求发送到任一节点，节点判断是否属于当前节点，如果不符合则将请求发送所有节点，但同时也可以实现和hbase类似的功能）
单条put
最简单基础的写入hbase，一般应用场景是线上业务运行时，记录单条插入，如报文记录，处理记录，写入后htable对象即释放。每次提交就是一次rpc请求。
table.setAutoFlushTo(true);
1 /**
2 * 插入一条记录
3 * rowkey 为rk001 列族为f1
4 * 插入两列 c1列 值为001
5 * c2列 值为002
6 *
7 */
8 public void insertPut(){
9 //Configuration 加载hbase的配置信息，HBaseConfiguration.create()是先new Configuration然后调用addResource方法将
10 //hbase-site.xml配置文件加载进来
11 Configuration conf = HBaseConfiguration.create();
12 try {
13 table = new HTable(conf,tableName);
14 table.setAutoFlushTo(true);//不显示设置则默认是true
15
16 String rowkey = "rk001";
17 Put put = new Put(rowkey.getBytes());
18 put.add(cf.getBytes(),"c1".getBytes(),"001".getBytes());
19 put.add(cf.getBytes(),"c2".getBytes(),"002".getBytes());
20 table.put(put);
21 table.close();//关闭hbase连接
22
23 } catch (IOException e) {
24 e.printStackTrace();
25 }
26 }
多条put
有了单条的put自然就想到这种方式其实是低效的，每次只能提交一条记录，有没有上面方法可以一次提交多条记录呢？减少请求次数， 最简单的方式使用List<Put>，这种方式操作时和单条put没有区别，将put对象add到list中，然后调用put(List<Put>)方法，过程和单条put基本一致，应用场景一般在数据量稍多的环境下，通过批量提交减少请求次数
1 /**
2 * 批量请求，一次提交两条
3 */
4 public void insertPuts() {
5 Configuration conf = HBaseConfiguration.create();
6 try {
7 table = new HTable(conf, tableName);
8 table.setAutoFlushTo(true);
9 List<Put> lists = new ArrayList<Put>();
10
11 String rowkey1 = "rk001";
12 Put put1 = new Put(rowkey1.getBytes());
13 put1.add(cf.getBytes(), "c1".getBytes(), "001".getBytes());
14 put1.add(cf.getBytes(), "c2".getBytes(), "002".getBytes());
15 lists.add(put1);
16
17 String rowkey2 = "rk002";
18 Put put2 = new Put(rowkey2.getBytes());
19 put2.add(cf.getBytes(), "c1".getBytes(), "v2001".getBytes());
20 put2.add(cf.getBytes(), "c2".getBytes(), "v2002".getBytes());
21 lists.add(put2);
22
23
24 table.put(lists);
25 table.close();
26
27 } catch (IOException e) {
28 e.printStackTrace();
29 }
30
31
32 }
使用Mapreduce
以上两种方式一般用来处理小批量的数据，那么在面对数据量多的时候应该如何处理呢，常见的做法使用多线程来并行向hbase中写入，不过这需要我们自己来控制任务的划分，比较麻烦，另外值得注意的时HTable对象是线程不安全的，因此在多线程写入时需要格外注意。而更加常见的做法是使用Mapreduce。HBase本身就是运行在hdfs上的数据库，因此和Mapreduce有很好的融合。
使用mapreduce来向hbase中写入数据时，将输入文件拆分成一个个的块，然后交给集群，分布式的去读取块，然后数据写入到hbase中，而根据具体业务情况的不同，在使用Mapreduce中也有略微的不同，先介绍一下最常见的处理过程，使用hbase官方提供的hbase和mapreduce整合的工具类TableMapReduceUtil，具体使用细节可以参考HBase官方手册 这里只贴一下在map端读入数据，然后直接写hbase的情景，这种方式一般用于hive或者文件数据入hbase，不需要业务逻辑处理，保持原有的数据入库，rowkey一般时某个字段或者若干个字段拼接而成，比如卡号信息入库，使用卡号作为rowkey（需要对卡号做散列处理，卡号一般为62或者40开头，会造成数据热点问题）
1 package hbase.demo.mapreduce;
2
3 import org.apache.hadoop.conf.Configuration;
4 import org.apache.hadoop.conf.Configured;
5 import org.apache.hadoop.fs.Path;
6 import org.apache.hadoop.hbase.HBaseConfiguration;
7 import org.apache.hadoop.hbase.client.Put;
8 import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
9 import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
10 import org.apache.hadoop.io.Text;
11 import org.apache.hadoop.io.Writable;
12 import org.apache.hadoop.mapreduce.Job;
13 import org.apache.hadoop.mapreduce.Mapper;
14 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
15 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
16 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
17 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
18 import org.apache.hadoop.util.Tool;
19
20 /**
21 * Created by BB on 2017/2/26.
22 */
23 public class InsertMR extends Configured implements Tool {
24
25
26 public static void main(String[] args) throws Exception {
27 InsertMR im = new InsertMR();
28 im.run(args);
29 }
30
31 public int run(String[] strings) throws Exception {
32 String jobName = "insert data into hbase";
33 String outputTable = "OutTable";
34 String inputPath = "/usr/mapreduce/input";
35 String outputPath = "usr/maprduce/output";
36 Configuration conf = HBaseConfiguration.create();
37 Job job = Job.getInstance(conf, jobName);
38
39 job.setJarByClass(InsertMR.class);
40
41 job.setMapperClass(InsertMap.class);
42 job.setMapOutputKeyClass(ImmutableBytesWritable.class);
43 job.setMapOutputValueClass(Put.class);
44
45 job.setInputFormatClass(TextInputFormat.class);//hadoop 默认使用TextInputFormat
46
47 //设置输入输出路径
48 FileInputFormat.setInputPaths(job,new Path(inputPath));
49 FileOutputFormat.setOutputPath(job,new Path(outputPath));
50
51
52 TableMapReduceUtil.initTableReducerJob(
53 outputTable,
54 null,
55 job);
56 job.setNumReduceTasks(0);
57 return job.waitForCompletion(true) ? 0 : 1;
58 }
59
60
61 public class InsertMap extends Mapper<Writable, Text, ImmutableBytesWritable, Put> {
62 @Override
63 protected void map(Writable key, Text value, Context context) {
64 try {
65
66 String line = value.toString();
67 String[] items = line.split(",", -1);
68 ImmutableBytesWritable outkey = new ImmutableBytesWritable(items[0].getBytes());
69 String rk = items[0];//rowkey字段
70 Put put = new Put(rk.getBytes());
71 put.add("f1".getBytes(), "c1".getBytes(), items[0].getBytes());
72 put.add("f1".getBytes(), "c2".getBytes(), items[1].getBytes());
73 context.write(outkey, put);
74 } catch (Exception e) {
75
76
77 }
78 }
79
80 }
81
82
83 }
这种方式最终会调用Tableoutputformat类，核心的原理还是使用htable的put方法，不过由于使用了mapreduce分布式提交到hbase，速度比单线程效率高出许多，但是这种方式也不是万能的，put提交的熟读太快时会给hbase造成比较大的压力，容易发生gc造成节点挂掉，尤其是初始化表到hbase时，一般都会有很多的历史数据需要入库，容易造成比较大的压力，这种情况下建议使用下面的方式bulkload方式入库，减少给hbase压力。上面这种方式是直接在map中生成put然后交给TableOutputformat去提交的，因为这里几乎不需要逻辑处理，如果需要做逻辑处理，那么一般会在reduce端去生成put对象，在map端做业务逻辑处理，比如数据关联，汇总之类的
bulkload
如果在写入hbase的上述的方式还是不能满足需求的话，就可以考虑使用bulkload的方式了。上述几种方式虽然实现的方式涉及到的东西不同，但是本质是一样的，都是使用HTable对象调用put方法，然后HTable通过rpc提交到reginserver上，然后通过LSM过程之后最终写入到磁盘上。HBase的数据最终会变成hfile文件落到磁盘上，那么有没有一种方式可以绕过前面的这些过程，直接生成最终的hfile文件呢。答案是有的，bulkload写入hbase的原理正是基于此。使用mapreduce来生成hbase的hfile文件，然后将文件塞到hbase存储数据的目录下，这样做可以减少了海量的数据请求时间，也完全避免了regionserver的处理数据的压力。由于涉及到hbase存储架构的原理，只大概讲一下过程，在map端生成put对象，reduce使用hbase提供的KeyValueSortReducer即可，reduce端会将数据按照rowkey做排序，生成hfile文件，然后按照region的分布对hfile做分割，将分割的hfile文件放到相应的region目录下，这里就不详细赘述，直接上代码
driver
1 package com.hbase.mapreudce.driver;
2
3 import java.io.IOException;
4
5 import org.apache.hadoop.conf.Configuration;
6 import org.apache.hadoop.conf.Configured;
7 import org.apache.hadoop.fs.Path;
8 import org.apache.hadoop.hbase.HBaseConfiguration;
9 import org.apache.hadoop.hbase.KeyValue;
10 import org.apache.hadoop.hbase.TableNotFoundException;
11 import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
12 import org.apache.hadoop.hbase.mapreduce.HFileOutputFormat;
13 import org.apache.hadoop.hbase.mapreduce.HFileOutputFormat2;
14 import org.apache.hadoop.hbase.mapreduce.KeyValueSortReducer;
15 import org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles;
16 import org.apache.hadoop.hbase.mapreduce.SimpleTotalOrderPartitioner;
17 import org.apache.hadoop.io.Text;
18 import org.apache.hadoop.mapreduce.Job;
19 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
20 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
21 import org.apache.hadoop.util.GenericOptionsParser;
22 import org.apache.hadoop.util.Tool;
23 import org.apache.hadoop.util.ToolRunner;
24 import org.apache.log4j.Logger;
25
26 import com.hbase.mapreudce.map.BaseBulkLoadBaseMapper;
27 import com.spdbccc.mapreduce.plus.util.ConnectUtil;
28 import com.spdbccc.mapreduce.plus.util.Util;
29
30 public class BulkLoadHFileDriver extends Configured implements Tool {
31
32 private static Logger logger = Logger.getLogger(BulkLoadHFileDriver.class);
33
34 private String jobname;
35
36 private Configuration conf;
37
38 public static void main(String[] args) throws Exception {
39 BulkLoadHFileDriver bld = new BulkLoadHFileDriver();
40 bld.excute(args);
41 }
42
43 public void excute(String[] args) throws Exception {
44 int rtn = ToolRunner.run(new BulkLoadHFileDriver(), args);
45 this.dobulkLoadFile(conf);
46
47 }
48
49 public int run(String[] args) throws Exception {
50 this.conf = HBaseConfiguration.create();
51 String[] dfsArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
52
53 // conf.get("", "");
54 String tablename = conf.get("", "");
55 String inputPathstr = conf.get("", "");
56 String outputPathstr = conf.get("", "");
57
58 Path outputPath = Util.getTempPath(conf, outputPathstr, true);
59
60 Job job = Job.getInstance(conf, "HFile bulk load test");
61 job.setJarByClass(BulkLoadHFileDriver.class);
62
63 job.setMapperClass(BaseBulkLoadBaseMapper.class);
64 job.setReducerClass(KeyValueSortReducer.class);
65
66 job.setMapOutputKeyClass(ImmutableBytesWritable.class);
67 job.setMapOutputValueClass(KeyValue.class);
68
69 job.setPartitionerClass(SimpleTotalOrderPartitioner.class);
70
71 FileInputFormat.addInputPath(job, new Path(inputPathstr));
72 FileOutputFormat.setOutputPath(job, outputPath);
73
74 HFileOutputFormat2.configureIncrementalLoad(job, ConnectUtil.getHTable(conf, tablename));
75
76 LoadIncrementalHFiles loader = new LoadIncrementalHFiles(conf);
77 loader.doBulkLoad(new Path(dfsArgs[0]), ConnectUtil.getHTable(conf, tablename));
78
79 return job.waitForCompletion(true) ? 0 : 1;
80 }
81
82 private void dobulkLoadFile(Configuration conf) throws Exception {
83 String tablename = conf.get("", "");
84 String hfiledirpathstr = conf.get("", "");
85
86 LoadIncrementalHFiles loader = new LoadIncrementalHFiles(conf);
87 loader.doBulkLoad(new Path(hfiledirpathstr), ConnectUtil.getHTable(conf, tablename));
88
89 }
90
91 }
map
1 package com.hbase.mapreudce.map;
2
3 import java.io.IOException;
4
5 import org.apache.hadoop.hbase.KeyValue;
6 import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
7 import org.apache.hadoop.hbase.util.Bytes;
8 import org.apache.hadoop.io.LongWritable;
9 import org.apache.hadoop.io.Text;
10 import org.apache.hadoop.io.Writable;
11 import org.apache.hadoop.mapreduce.Mapper;
12 import org.apache.log4j.Logger;
13
14 public class BaseBulkLoadBaseMapper extends
15 Mapper<Writable, Text, ImmutableBytesWritable, KeyValue> {
16
17
18 private static Logger logger = Logger.getLogger(BaseBulkLoadBaseMapper.class);
19
20 @Override
21 protected void map(Writable key, Text value, Context context)
22 throws IOException, InterruptedException {
23 String line = value.toString();
24 String[] items = line.split(",", -1);
25 ImmutableBytesWritable rowkey = new ImmutableBytesWritable(
26 items[0].getBytes());
27
28 KeyValue kv = new KeyValue(Bytes.toBytes(items[0]),
29 Bytes.toBytes(items[1]), Bytes.toBytes(items[2]),
30 System.currentTimeMillis(), Bytes.toBytes(items[3]));
31 if (null != kv) {
32 context.write(rowkey, kv);
33 }
34
35
36
37 }
47 }
754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
