Hive 数据 bulkload 导入 HBase 原理
主要工作就是将Hive的数据格式转化为HBase中的数据格式。bulkload导入 HBase 绕过写memstore,直接写HFile,不影响线上业务,并且做到实时生效。
Hive 数据 bulkload 导入 HBase 步骤
生成HFile
其实质就是一个mapreduce任务。 map 阶段 : 将Hive表中的数据转化为HBase中的KeyValue结构。 reduce 阶段: 由于HFile要求写入的数据是按照(rowkey,family,column,ts)有序排列,所有这一步主要利用TreeSet
对map阶段生成的keyvalue进行排序。
BulkLoad
其实就是一个HDFS上的mv操作,将生成的HFile mv到HBASE表的相应分区内,及时生效,导入过程不影响线上数据读写操作。 主要是调用Hbase的LoadIncrementalHFiles
类。
Hive 数据 bulkload 导入 HBase 注意事项
数据格式
一般在生成keyvalue的时候把Hive中的数据都变为了String类型。
HFile的 KeyValue必须有序
因为HFile的 KeyValue 必须有序,所以要求Hive源数据中对于同一Rowkey下同一列族同一列的值不可以重复。
生成HFile的MR任务的reduce个数确定
HFileOutputFormat.configureIncrementalLoad(job, table);
默认我们可以通过此方法来确定生成HFile的MR任务的reduce个数,这个方法会读取Hbase表的splitkey来确定生成HFile的MR任务的reduce个