使用Hive读取Hbase中的数据

第一步，启动hadoop，命令：./start-all.sh

第二步，启动hive，命令：

./hive --auxpath /home/dream-victor/hive-0.6.0/lib/hive_hbase-handler.jar,/home/dream-victor/hive-0.6.0/lib/hbase-0.20.3.jar,/home/dream-victor/hive-0.6.0/lib/zookeeper-3.2.2.jar -hiveconf hbase.master=127.0.0.1:60000

如果已经将jar包路径添加到hive-en.sh中的HIVE_AUX_JARS_PATH；可以直接用hive -hiveconf hbase.master=127.0.0.1:60000来运行

这里，-hiveconf hbase.master=指向自己在hbase-site.xml中hbase.master的值

第三步，启动hbase，命令：./start-hbase.sh

第四步，建立关联表，这里我们要查询的表在hbase中已经存在所以，使用CREATE EXTERNAL TABLE来建立，如下：

Java代码  

1. CREATE EXTERNAL TABLE hbase_table_2(key string, value string)   
2. STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'   
3. WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,data:1")   
4. TBLPROPERTIES("hbase.table.name" = "test");    

 hbase.columns.mapping指向对应的列族；多列时，data:1，data:2；多列族时，data1:1,data2:1；里面的:key 是固定值而且要保证在表pokes中的foo字段是唯一值

 hbase.table.name指向对应的表；

 hbase_table_2(key string, value string)，这个是关联表

我们看一下HBase中要查询的表的结构，

Java代码  

1. hbase(main):001:0> describe 'test'  
2. DESCRIPTION                                                             ENABLED                                 
3.  {NAME => 'test', FAMILIES => [{NAME => 'data', COMPRESSION => 'NONE',  true                                    
4.  VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_MEMORY                                          
5.  => 'false', BLOCKCACHE => 'true'}]}                                                                            
6. 1 row(s) in 0.0810 seconds  
7. hbase(main):002:0>  

 在看一下表中的数据，

Java代码  

1. hbase(main):002:0> scan 'test'  
2. ROW                          COLUMN+CELL                                                                        
3.  row1                        column=data:1, timestamp=1300847098583, value=value1                               
4.  row12                       column=data:1, timestamp=1300849056637, value=value3                               
5.  row2                        column=data:2, timestamp=1300847106880, value=value2                               
6. 3 row(s) in 0.0160 seconds  
7. hbase(main):003:0>   

 列族：data:1、data:2两个

 Key：row1、row12、row2

 value：value1、value3、value2

 hbase_table_2(key string, value string)中对应的test表中的row，value字段对应的是test表中的value

OK，现在可以来看看查询结果了，

我们在hive命令行中先查看一下hbase_table_2，

Java代码  

1. hive> select * from hbase_table_2;  
2. OK  
3. row1    value1  
4. row12   value3  
5. Time taken: 0.197 seconds  
6. hive>  

 对比一下test表中的列族为data:1的数据，

Java代码  

1. row1                        column=data:1, timestamp=1300847098583, value=value1                               
2. row12                       column=data:1, timestamp=1300849056637, value=value3    

和查询结果相符，没问题，然后我们在hbase中在给列族data:1新增一条数据，

Java代码  

1. hbase(main):003:0> put 'test','row13','data:1','value4'  
2. 0 row(s) in 0.0050 seconds  
3. hbase(main):004:0>  

 再查看hbase_table_2表，

Java代码  

1. hive> select * from hbase_table_2;  
2. OK  
3. row1    value1  
4. row12   value3  
5. row13   value4  
6. Time taken: 0.165 seconds  
7. hive>   

 新增数据value4出现了，说明可以通过hbase_table_2查询hbase的test表

下面我们来查询一下test表中value值为value3的数据，

Java代码  

1. hive> select * From hbase_table_2 where value='value3';  
2. Total MapReduce jobs = 1  
3. Launching Job 1 out of 1  
4. Number of reduce tasks is set to 0 since there's no reduce operator  
5. Starting Job = job_201103231022_0001, Tracking URL = http://localhost:50030/jobdetails.jsp?jobid=job_201103231022_0001  
6. Kill Command = /home/dream-victor/hadoop-0.20.2/bin/hadoop job  -Dmapred.job.tracker=localhost:9001 -kill job_201103231022_0001  
7. 2011-03-23 11:23:27,807 Stage-1 map = 0%,  reduce = 0%  
8. 2011-03-23 11:23:30,824 Stage-1 map = 100%,  reduce = 0%  
9. 2011-03-23 11:23:33,854 Stage-1 map = 100%,  reduce = 100%  
10. Ended Job = job_201103231022_0001  
11. OK  
12. row12   value3  
13. Time taken: 11.929 seconds  
14. hive>  

 和hbase的test表对比一下，

Java代码  

1. row12                       column=data:1, timestamp=1300849056637, value=value3  

 OK，这样我们就可以使用SQL来对hbase进行查询了。

 

以上只是在命令行里左对应的查询，我们的目的是使用JAVA代码来查询出有用的数据，其实这个也很简单，

首先，启动Hive的命令有点变化，使用如下命令：

Java代码  

1. ./hive --service hiveserver  

 这里我们默认使用嵌入的Derby数据库，这里可以在hive-site.xml文件中查看到：

Java代码  

1. <property>  
2.   <name>javax.jdo.option.ConnectionURL</name>  
3.   <value>jdbc:derby:;databaseName=metastore_db;create=true</value>//指定了数据库默认的名字和地址  
4. </property>  
5.   
6. <property>  
7.   <name>javax.jdo.option.ConnectionDriverName</name>  
8.   <value>org.apache.derby.jdbc.EmbeddedDriver</value>  
9. </property>  

 在此，数据库链接的URL可以使用默认的：jdbc:hive://localhost:10000/default

 有了上面的准备，下面我们就可以使用JAVA代码来读取数据了，如下：

Java代码  

1. public class HiveTest extends TestCase {  
2.   
3.     private static String driverName = "org.apache.hadoop.hive.jdbc.HiveDriver";  
4.     private Connection con;  
5.     private boolean standAloneServer = true;  
6.   
7.     public void testSelect() throws SQLException {  
8.         Statement stmt = con.createStatement();  
9.         ResultSet res = stmt.executeQuery("select * from hbase_table_2");  
10.         boolean moreRow = res.next();  
11.         while (moreRow) {  
12.             System.out.println(res.getString(1)+","+res.getString(2));  
13.             moreRow = res.next();  
14.         }  
15.     }  
16.   
17.     @Override  
18.     protected void setUp() throws Exception {  
19.         super.setUp();  
20.         Class.forName(driverName);  
21.         con = DriverManager.getConnection(  
22.                 "jdbc:hive://localhost:10000/default", "", "");  
23.     }  
24. }  

 结果，

Java代码  

1. row1,value1  
2. row12,value3  
3. row13,value4  
4. row14,test  

 查看一下hbase中的结果，

Java代码  

1. ROW                          COLUMN+CELL                                                                        
2.  row1                        column=data:1, timestamp=1300847098583, value=value1                               
3.  row12                       column=data:1, timestamp=1300849056637, value=value3                               
4.  row13                       column=data:1, timestamp=1300850443699, value=value4                               
5.  row14                       column=data:1, timestamp=1300867550502, value=test  

 OK，完美了，不过还是希望这样的需求少一点，毕竟Hbase产生的初衷不是为了支持结构化查询。