Spark读写Hbase示例代码

最少需要导入hbase以下4个jar:

• hbase-client
• hbase-common
• hbase-protocol
• hbase-server

写入Hbase

def writeHbaseFromRDD (tableName: String , columnFamily: String , column: String , rdd:RDD[( String , String )]): Unit ={
val hbaseConf = HBaseConfiguration.create()
// 新旧 API 都可以用 , 大部分 Hadoop 版本包含新旧两版的 API
/** hadoop 旧 API 写法 */
// val jobConf = new org.apache.hadoop.mapred.JobConf(hbaseConf)
// jobConf.setOutputFormat(classOf[org.apache.hadoop.hbase.mapred.TableOutputFormat])
// jobConf.set(org.apache.hadoop.hbase.mapred.TableOutputFormat.OUTPUT_TABLE,tableName)
// rdd.map{
// case(key,value) =>
// val p = new Put(Bytes.toBytes(key))
// p.add(Bytes.toBytes(columnFamily),Bytes.toBytes(column),Bytes.toBytes(value))
p.setWriteToWAL(false)
// (new ImmutableBytesWritable,p)
// }.saveAsHadoopDataset(jobConf)

/** hadoop 新 API 写法 */
val job = new org.apache.hadoop.mapreduce.Job(hbaseConf)
job.setOutputFormatClass(classOf[org.apache.hadoop.hbase.mapreduce.TableOutputFormat[ImmutableBytesWritable]])
job.setOutputKeyClass(classOf[ImmutableBytesWritable])
job.setOutputValueClass(classOf[Writable])
job.getConfiguration.set(org.apache.hadoop.hbase.mapreduce.TableOutputFormat. OUTPUT_TABLE , tableName)
rdd.map{
case (key , value) =>
val p = new Put(Bytes. toBytes(key))
p.add(Bytes.toBytes(columnFamily) , Bytes.toBytes (column) , Bytes.toBytes(value))
// p.setWriteToWAL(false)
( new ImmutableBytesWritable , p)
}.saveAsNewAPIHadoopDataset(job.getConfiguration)
}

读取Hbase

def readAsRDD (): Unit ={
val sparkConf = new SparkConf().setAppName( "read-hbase-test" ).setMaster( "local" )
sparkConf.set( "spark.serializer" , "org.apache.spark.serializer.KryoSerializer" )
val sc = new SparkContext(sparkConf)
val hbaseConf = HandleHbase. conf
/** hbase 中的 scan 可以在这里当做参数传入 */
val scan = new Scan()
scan.setStartRow(Bytes.toBytes( "row-1" ))
scan.setStopRow(Bytes.toBytes( "row-2" ))
def convertScanToString (scan: Scan) = {
val proto: ClientProtos.Scan = ProtobufUtil. toScan(scan)
Base64.encodeBytes(proto.toByteArray)
}
/** TableInputFormat 中有若干参数可以用来过滤 , 可以参考看一下 TableInputFormat 的静态常量 */
hbaseConf.set(org.apache.hadoop.hbase.mapreduce.TableInputFormat. SCAN ,
convertScanToString(scan))

hbaseConf.set(org.apache.hadoop.hbase.mapreduce.TableInputFormat. INPUT_TABLE , "spark_hbase_test" )
val rdd = sc.newAPIHadoopRDD(hbaseConf , classOf[org.apache.hadoop.hbase.mapreduce.TableInputFormat] ,
classOf[ImmutableBytesWritable] , classOf[org.apache.hadoop.hbase.client.Result])
rdd.foreach(println)
}