bulk-load装载hdfs数据到hbase小结，hdfshbase


bulk-load的作用是用mapreduce的方式将hdfs上的文件装载到hbase中，对于海量数据装载入hbase非常有用，参考http://hbase.apache.org/docs/r0.89.20100621/bulk-loads.html： 

hbase提供了现成的程序将hdfs上的文件导入hbase,即bulk-load方式。它包括两个步骤（也可以一次完成）： 
1 将文件包装成hfile，hadoop jar/path/to/hbase.jar importtsv -Dimporttsv.columns=a,b,c <tablename><inputdir> 
比如: Java代码

  • hadoop dfs -cat test/1  
  • 1       2  
  • 3       4  
  • 5       6  
  • 7       8  
  hadoop dfs -cat test/1   1       2   3       4   5       6   7       8
执行 Java代码

  • hadoop jar ~/hbase/hbase-0.90.2.jar importtsv -Dimporttsv.columns=HBASE_ROW_KEY,f1 t8 test  
  hadoop jar ~/hbase/hbase-0.90.2.jar importtsv-Dimporttsv.columns=HBASE_ROW_KEY,f1 t8 test
将会启动mapreduce程序在hdfs上生成t8这张表，它的rowkey分别为1 35 7，对应的value为2 4 6 8 
注意，源文件默认以"\t"为分割符，如果需要换成其它分割符，在执行时加上-Dimporttsv.separator=","，则变成了以","分割 

2 在上一步中，如果设置了输出目录,如 Java代码

  • hadoop jar ~/hbase/hbase-0.90.2.jar importtsv -Dimporttsv.bulk.output=tmp -Dimporttsv.columns=HBASE_ROW_KEY,f1 t8 test  
   hadoop jar ~/hbase/hbase-0.90.2.jarimporttsv -Dimporttsv.bulk.output=tmp -Dimporttsv.columns=HBASE_ROW_KEY,f1 t8test
那么t8表还暂时不会生成，只是将hfile输出到tmp文件夹下，我们可以查看tmp: Java代码

  • hadoop dfs -du tmp       
  • Found 3 items   
  • 0           hdfs://namenode:9000/user/test/tmp/_SUCCESS       
  • 65254       hdfs://namenode:9000/user/test/tmp/_logs       
  • 462         hdfs://namenode:9000/user/test/tmp/f1  
  hadoop dfs -du tmp   Found 3 items   0          hdfs://namenode:9000/user/test/tmp/_SUCCESS   65254      hdfs://namenode:9000/user/test/tmp/_logs   462        hdfs://namenode:9000/user/test/tmp/f1
然后执行hadoop jar hbase-VERSION.jarcompletebulkload /user/todd/myoutput mytable将这个输出目录中的hfile转移到对应的region中,这一步因为只是mv，所以相当快。如： 
hadoop jar ~/hbase/hbase-0.90.2.jar completebulkload tmp t8 
然后 Java代码

  • hadoop dfs -du /hbase/t8/c408963c084d328490cc2f809ade9428       
  •     Found 4 items   
  •     124         hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.oldlogs       
  •     692         hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.regioninfo       
  •     0           hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.tmp       
  •     462         hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/f1  
hadoop dfs -du/hbase/t8/c408963c084d328490cc2f809ade9428   Found 4 items   124        hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.oldlogs   692         hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.regioninfo   0          hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/.tmp   462        hdfs://namenode:9000/hbase/t8/c408963c084d328490cc2f809ade9428/f1
此时己经生成了表t8 
注意，如果数据特别大，而表中原来就有region，那么会执行切分工作，查找数据对应的region并装载 

        程序使用中注意： 
1 因为是执行hadoop程序，不会自动查找hbase的config路径，也就找不到hbase的环境变量。因此需要将hbase-site.xml加入到hadoop-conf变量中 
2 还需要将hbase/lib中的jar包放入classpath中 
3 执行以上的步骤2时需要将zookeeper的配置写入core-site.xml中，因为在那一步时甚至不会读取hbase-site.xml，否则会连不上zookeeper
更多精彩内容请关注：http://bbs.superwu.cn 关注超人学院微信二维码： 关注超人学院java免费学习交流群：

相关内容