HBase 与Hive数据交互整合过程详解
Hive和Hbase整合理论
1、为什么hive要和hbase整合
2、整合的优缺点
优点：
(1).Hive方便地提供了Hive QL的接口来简化MapReduce的使用，
而HBase提供了低延迟的数据库访问。如果两者结合，可以利
用MapReduce的优势针对HBase存储的大量内容进行离线的计算和分析。
(2).操作方便，hive提供了大量系统功能
缺点：
性能的损失，hive有这样的功能, 他支持通过类似sql语句的语法来操作hbase
中的数据, 但是速度慢。
3、整合需要做什么样的准备工作
4、整合后的目标
(1). 在hive中创建的表能直接创建保存到hbase中。
(2). 往hive中的表插入数据，数据会同步更新到hbase对应的表中。
(3). hbase对应的列簇值变更，也会在Hive中对应的表中变更。
(4). 实现了多列，多列簇的转化：（示例：hive中3列对应hbase中2列簇）
5、hive和Hbase整合后如果通信？
查看hive和Hbase通信图：
主要是通过hive 的lib目录下的hive-hbase-handler-1.2.1.jar来实现hive
和Hbase通信。
整合过程(案例操作)
在hive中创建的表的数据直接保存在hbase中。
第一: 首先启动hive.进入交互式界面，然后创建表。
hive版本: apache-hive-1.2.1
hbase版本:apache-hbase-1.1.2
hadoop版本: hadoop-2.7.3
第一: 创建hbase能识别的表。
建表语句:
create table if not exists hive_hbase(
id int,
name String,
age int,
sex String,
address String
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf_info:eName,cf_info:eAge,cf_info:eSex,cf_beizhu:eAddress")
TBLPROPERTIES ("hbase.table.name" = "ns2:hive_hbase01");
注意: 此处的 org.apache.hadoop.hive.hbase.HBaseStorageHandler 类是hive的lib包下的，需要替换成.hive-1.2.1版本的jar包。否则会报错提示找不到这个类。
错误提示:FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. org.apache.hadoop.hbase.HTableDescriptor.addFamily(Lorg/apache/hadoop/hbase/HColumnDescriptor;)V
也不能hive版本过高。比如2.x版本会报错
Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
要确保hive目录的lib目录下有mysql-connector的数据库包。否则也会报错。
创建后可以在hbase中查看一下表。list
第二:
自己准备测试数据。此处省略
create table test(
id int,
name string)
row format delimited fields terminated by ','
lines terminated by '\n'
stored as textfile;
加载数据到表中:
load data local inpath '/usr/local/test01.txt' overwrite into table test;
通过结果集的方式插入数据到表中
insert overwrite table hive_hbase select * from test;
此处会跑mapreduce程序。过程省略。
第三: 在hbase中查询插入的 数据
select * from hive_hbase;
20170616,zhangshaoqi,22,nan,jincheng
20170617,xuqianya,29,nv,beijing
20170618,xiaolin,29,nv,jincheng
20170619,xiaopan,33,nan,guizhou
20170620,xiaohu,26,nan,shouzhou
1 row(s) in 3.19 seconds
第四:在hbase中扫描这个表，查看是否有数据
scan 'ns2:hive_hbase01'
第五: hive访问已经存在的hbase
需要使用external 类型的外部表，否则会报错
REATE EXTERNAL TABLE hbase_table_3(key int, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "info:name")
TBLPROPERTIES("hbase.table.name" = "student");
hive> CREATE EXTERNAL TABLE hbase_table_3(key int, value string)
> STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
> WITH SERDEPROPERTIES ("hbase.columns.mapping" = "info:name")
> TBLPROPERTIES("hbase.table.name" = "student");
OK
Time taken: 1.21 seconds
注意：如果hbase中列簇名name数据变更，那么hive中查询结果也会相应的变更，如果hbase中不是其他列簇
内容更新则hive中查询结果不显示
就这些了，有问题欢迎讨论
