Hive与HBase的整合

最新推荐文章于 2023-03-01 10:12:55 发布

xiewenbo

最新推荐文章于 2023-03-01 10:12:55 发布

阅读量1k

点赞数

分类专栏： hadoop

hadoop 专栏收录该内容

104 篇文章 1 订阅

订阅专栏

hive/lib下的hbase-handler ,zookeeper都使用Hbase/lib下的版本

/hive --auxpath /opt/hive/lib/hive-hbase-handler-0.8.1.jar,/opt/hive/lib/hbase-0.90.4.jar,/opt/hive/lib/zookeeper-3.3.2.jar -hiveconf hbase.zookeeper.quorum=datanode1,datanode2

三个Jar之前用‘,’直接相连接，不能有空格，quorum只是regionserver，即slaves

Hive与HBase的整合功能的实现是利用两者本身对外的API接口互相进行通信，相互通信主要是依靠hive_hbase-handler.jar工具类 (Hive Storage Handlers)，大致意思如图所示：

口水：
对 hive_hbase-handler.jar 这个东东还有点兴趣，有空来磋磨一下。

一、2个注意事项：
1、需要的软件有 Hadoop、Hive、Hbase、Zookeeper，Hive与HBase的整合对Hive的版本有要求，所以不要下载.0.6.0以前的老版本，Hive.0.6.0的版本才支持与HBase对接，因此在Hive的lib目录下可以看见多了hive_hbase-handler.jar这个 jar包，他是Hive扩展存储的Handler ，HBase 建议使用 0.20.6的版本，这次我没有启动HDFS的集群环境，本次所有测试环境都在一台机器上。

2、运行Hive时，也许会出现如下错误，表示你的JVM分配的空间不够，错误信息如下：
Invalid maximum heap size: -Xmx4096m
The specified size exceeds the maximum representable size.
Could not create the Java virtual machine.

解决方法：
/work/hive/bin/ext# vim util/execHiveCmd.sh 文件中第33行
修改，
HADOOP_HEAPSIZE=4096
为
HADOOP_HEAPSIZE=256

另外，在 /etc/profile/ 加入 export $HIVE_HOME=/work/hive

二、启动运行环境
1启动Hive
hive –auxpath /work/hive/lib/hive_hbase-handler.jar,/work/hive/lib/hbase-0.20.3.jar,/work/hive/lib/zookeeper-3.2.2.jar -hiveconf hbase.master=127.0.0.1:60000
加载 Hive需要的工具类，并且指向HBase的master服务器地址，我的HBase master服务器和Hive运行在同一台机器，所以我指向本地。

2启动HBase
/work/hbase/bin/hbase master start

3启动Zookeeper
/work/zookeeper/bin/zkServer.sh start

三、执行
在Hive中创建一张表，相互关联的表
CREATE TABLE hbase_table_1(key int, value string) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val") TBLPROPERTIES ("hbase.table.name" = "xyz");

在运行一个在Hive中建表语句，并且将数据导入
建表
CREATE TABLE pokes (foo INT, bar STRING);
数据导入
LOAD DATA LOCAL INPATH '/work/hive/examples/files/kv1.txt' OVERWRITE INTO TABLE pokes;

在Hive与HBase关联的表中插入一条数据
INSERT OVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=98;
运行成功后，如图所示：

插入数据时采用了MapReduce的策略算法，并且同时向HBase写入，如图所示：

在HBase shell中运行 scan 'xyz' 和describe "xyz" 命令，查看表结构，运行结果如图所示：

xyz是通过Hive在Hbase中创建的表，刚刚在Hive的建表语句中指定了映射的属性 "hbase.columns.mapping" = ":key,cf1:val" 和在HBase中建表的名称 "hbase.table.name" = "xyz"

在hbase在运行put命令，插入一条记录
put 'xyz','10001','cf1:val','www.javabloger.com'

在hive上运行查询语句，看看刚刚在hbase中插入的数据有没有同步过来，
select * from hbase_table_1 WHERE key=10001;
如图所示：

最终的效果
以上整合过程和操作步骤已经执行完毕，现在Hive中添加记录HBase中有记录添加，同样你在HBase中添加记录Hive中也会添加，表示Hive与HBase整合成功，对海量级别的数据我们是不是可以在HBase写入，在Hive中查询喃？因为HBase 不支持复杂的查询，但是HBase可以作为基于 key 获取一行或多行数据，或者扫描数据区间，以及过滤操作。而复杂的查询可以让Hive来完成，一个作为存储的入口(HBase)，一个作为查询的入口(Hive)。如下图示。

hive 整合 hbase

分类： hive hbase 2012-12-19 16:03 192人阅读评论(0) 收藏举报

用hbase做数据库,但由于hbase没有类sql查询方式,所以操作和计算数据非常不方便,于是整合hive,让hive支撑在hbase数据库层面的 hql查询.hive也即做数据仓库

1. 基于Hadoop+Hive架构对海量数据进行查询：http://blog.csdn.net/kunshan_shenbin/article/details/7105319
2. HBase 0.94.0 + Hadoop 1.0.2集成：http://blog.csdn.net/kunshan_shenbin/article/details/7209990
本文的目的是要讲述如何让Hbase和Hive能互相访问，让Hadoop/Hbase/Hive协同工作，合为一体。
本文测试步骤主要参考自：http://running.iteye.com/blog/898399
当然，这边博文也是按照官网的步骤来的：http://wiki.apache.org/hadoop/Hive/HBaseIntegration
1. 拷贝HBase 0.94.0.jar和zookeeper-3.4.3.jar到hive/lib下。 0.94.0和hive不兼容改用0.94.2
注意：如何hive/lib下已经存在这两个文件的其他版本（例如zookeeper-3.3.1.jar），建议删除后使用hbase下的相关版本。
2. 修改hive/conf下hive-site.xml文件，在底部添加如下内容：

 
    01[html] view plaincopy
 
    02<!-- 
 
    03<property> 
 
    04  <name>hive.exec.scratchdir</name>  
 
    05  <value>/usr/local/hive/tmp</value>  
 
    06 
 
    07</property>  
 
    08--> 
 
    09   
 
    10<property>  
 
    11  <name>hive.querylog.location</name>  
 
    12  <value>/usr/local/hive/logs</value>  
 
    13</property>  
 
    14   
 
    15<property> 
 
    16  <name>hive.aux.jars.path</name>  
 
    17  <value>file:///usr/local/hive/lib/hive-hbase-handler-0.8.0.jar,file:///usr/local/hive/lib/hbase-0.90.5.jar,file:///usr/local/hive/lib/zookeeper-3.3.2.jar</value> 
 
    18 
 
    19</property>

注意：如果hive-site.xml不存在则自行创建，或者把hive-default.xml.template文件改名后使用。
具体请参见：http://blog.csdn.net/kunshan_shenbin/article/details/7210020

3. 拷贝hbase-0.94.2.jar到所有hadoop节点(包括master)的hadoop/lib下。
4. 拷贝hbase/conf下的hbase-site.xml文件到所有hadoop节点(包括master)的hadoop/conf下。
注意，hbase-site.xml文件配置信息参照：http://blog.csdn.net/kunshan_shenbin/article/details/7209990
注意，如果3,4两步跳过的话，运行hive时很可能出现如下错误：

 
    1[html] view plaincopy
 
    2org.apache.hadoop.hbase.ZooKeeperConnectionException: HBase is able to connect to ZooKeeper but the connection closes immediately.  
 
    3This could be a sign that the server has too many connections (30is thedefault). Consider inspecting your ZK server logsforthat error and  
 
    4then make sure you are reusing HBaseConfiguration as often as you can. See HTable's javadocformore information. at org.apache.hadoop. 
 
    5hbase.zookeeper.ZooKeeperWatcher.

参考：http://blog.sina.com.cn/s/blog_410d18710100vlbq.html

现在可以尝试启动Hive了。
单节点启动：

`1`	`> bin/hive -hiveconf hbase.master=master:60000`

集群启动：

`1`	`> bin/hive -hiveconf hbase.zookeeper.quorum=slave`

如何hive-site.xml文件中没有配置hive.aux.jars.path，则可以按照如下方式启动。

 
    1> bin/hive --auxpath /usr/local/hive/lib/hive-hbase-handler-0.9.0.jar, /usr/local/hive/lib/hbase-0.94.0.jar, /usr/local/hive/lib/zookeeper-3.4.3.jar -hiveconf hbase.zookeeper.quorum=slave

接下来可以做一些测试了。
1.创建hbase识别的数据库：
[sql] view plaincopy
CREATE TABLE hbase_table_1(key int, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")
TBLPROPERTIES ("hbase.table.name" = "xyz");
hbase.table.name 定义在hbase的table名称
hbase.columns.mapping 定义在hbase的列族
2.使用sql导入数据
a) 新建hive的数据表
[sql] view plaincopy
<span><span></span></span>hive> CREATE TABLE pokes (foo INT, bar STRING);
b) 批量插入数据
[sql] view plaincopy

`1`	`hive> LOAD DATA LOCAL INPATH` `'./examples/files/kv1.txt'OVERWRITE INTO TABLE`

pokes;
c) 使用sql导入hbase_table_1
[sql] view plaincopy
hive> INSERT OVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=86;
3. 查看数据
[sql] view plaincopy
hive> select * from hbase_table_1;
这时可以登录Hbase去查看数据了.
> /usr/local/hbase/bin/hbase shell
hbase(main):001:0> describe 'xyz'
hbase(main):002:0> scan 'xyz'
hbase(main):003:0> put 'xyz','100','cf1:val','www.360buy.com'
这时在Hive中可以看到刚才在Hbase中插入的数据了。
hive> select * from hbase_table_1
4. hive访问已经存在的hbase
使用CREATE EXTERNAL TABLE
[sql] view plaincopy
CREATE EXTERNAL TABLE hbase_table_2(key int, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "cf1:val")
TBLPROPERTIES("hbase.table.name" = "some_existing_table");

多列和多列族（Multiple Columns and Families）
1．创建数据库
Java代码
CREATE TABLE hbase_table_2(key int, value1 string, value2 int, value3 int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" = ":key,a:b,a:c,d:e"
);

2.插入数据
Java代码
INSERT OVERWRITE TABLE hbase_table_2 SELECT foo, bar, foo+1, foo+2
FROM pokes WHERE foo=98 OR foo=100;

这个有3个hive的列（value1和value2，value3），2个hbase的列族（a，d）
Hive的2列（value1和value2）对应1个hbase的列族（a，在hbase的列名称b，c），hive的另外1列（value3）对应列（e）位于列族（d）

3.登录hbase查看结构
Java代码

 
    1hbase(main):003:0> describe"hbase_table_2" 
 
    2DESCRIPTION                                                             ENABLED                                
 
    3 {NAME => 'hbase_table_2', FAMILIES => [{NAME =>'a', COMPRESSION => 'Ntrue                                   
 
    4 ONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_M                                        
 
    5 EMORY => 'false', BLOCKCACHE => 'true'}, {NAME =>'d', COMPRESSION =>                                         
 
    6 'NONE', VERSIONS =>'3', TTL =>'2147483647', BLOCKSIZE =>'65536', IN                                        
 
    7 _MEMORY => 'false', BLOCKCACHE =>'true'}]}                                                                   
 
    81 row(s) in 1.0630 seconds

4.查看hbase的数据
Java代码

 
    1hbase(main):004:0> scan'hbase_table_2' 
 
    2ROW                          COLUMN+CELL                                                                       
 
    3 100                        column=a:b, timestamp=1297695262015, value=val_100                                
 
    4 100                        column=a:c, timestamp=1297695262015, value=101                                    
 
    5 100                        column=d:e, timestamp=1297695262015, value=102                                    
 
    6 98                         column=a:b, timestamp=1297695242675, value=val_98                                 
 
    7 98                         column=a:c, timestamp=1297695242675, value=99                                     
 
    8 98                         column=d:e, timestamp=1297695242675, value=100                                    
 
    92 row(s) in 0.0380 seconds

5.在hive中查看
Java代码

 
    1hive> select * from hbase_table_2; 
 
    2OK 
 
    3100     val_100101    102 
 
    498      val_98 99     100 
 
    5Time taken: 3.238seconds

问题：Can not create a Path from an empty string

解决：

hive-env.sh

export HIVE_AUX_JARS_PATH=/hadoop/hive-0.9.0-bin/lib/hive-hbase-handler-0.9.0.jar, /hadoop/hive-0.9.0-bin/lib/hbase-0.94.0.jar, hadoop/hive-0.9.0-bin/lib/zookeeper-3.4.3.jar

参考资料：
http://running.iteye.com/blog/898399
http://heipark.iteye.com/blog/1150648
http://www.javabloger.com/article/apache-hadoop-hive-hbase-integration.html