hbase導數據的幾種方式

??這里小編介紹兩種導入數據的方式，一種是基于hive，一種是基本文件生成HFile。

1. hive-hbase-handler 導數據

這種方式需要一個jar包支持：
下載地址：https://down.51cto.com/data/2464129
將其放入$HBASE_HOME/lib 并將原有的jar包復制。
其次修改hive-site.xml：

#加入：
<property>
<name>hive.aux.jars.path</name>
<value>file:///applications/hive-2.3.2/lib/hive-hbase-handler.jar,file:///applications/hive-2.3.2/lib/guava-14.0.1.jar,file:///ap    plications/hbase-2.0.5/lib/hbase-common-2.0.5.jar,file:///applications/hbase-2.0.5/lib/hbase-client-2.0.5.jar,file:///application    s/hive-2.3.2/lib/zookeeper-3.4.6.jar</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
</property>

將hive數據導入到hbase中：
① 創建hive表：

create table hive_hbase_test(id int,name string,age int);

② 插入數據到hive表中

insert into hive_hbae_test(id,name,age) values(1,"xiaozhang","18"); 
insert into hive_hbase_test(id,name,age) values(2,"xiaowang","19");

這里測試環境可以這樣插入數據，真實環境最好使用外表。
③ 映射 Hbase 的表

create table hive_hbase_pro(row_key string,id bigint,name string,age int) STORED BY "org.apache.hadoop.hive.hbase.HBaseStorageHandler" WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:id,info:name,info:age") TBLPROPERTIES ("hbase.table.name"="hive_hbase_pro");

此時在hbase中就會創建一個名為hive_hbase_pro表。

④ 插入到映射 Hbase 表中的數據

#在hive中配置如下參數：
set hive.hbase.wal.enabled=false;
set hive.hbase.bulk=true;
set hbase.client.scanner.caching=1000000;

⑤導入數據：

insert overwrite table hive_hbase_pro select id as row_key,id,name,age from hive_hbase_test；

此時在hive表中就有hive中的數據：

補充：如果hbase中表已經存在，此時hive中只能建立外表：

create external table hive_hbase_xiaoxu(row_key string,id bigint,name string,age int) STORED BY "org.apache.hadoop.hive.hbase.HBaseStorageHandler" WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:id,info:name,info:age") TBLPROPERTIES ("hbase.table.name"="hive_hbase_pro");

這時建立的外表可以讀取到hbase表中的數據。

??總結：這種方式中插入數據是按照一條一條的的形式插入的，速度是比較 慢的，如果數量級在百萬千萬級別機器比較好的情況下可以使用這種方式，執行的速度大概 在每秒 2-3W 之間。
其中還有Phoneix 和pig的導數，感覺和hive都大同小異，這里就不在介紹。

2. Bulkload 方式導數據

這種方式導入數據相當的快，因為跳過了WAL直接生產底層HFile文件。
優勢：

• BulkLoad 不會寫 WAL，也不會產生 flush 以及 split。
• 如果我們大量調用 PUT 接口插入數據，可能會導致大量的 GC 操作。如果沒有對 Hbase 的表進行預分區，會導致單機器的熱點問題，嚴重時甚至可能會對 HBase 節點的穩定性造成影響，采用 BulkLoad 無此顧慮。

• 過程中沒有大量的接口調用消耗性能。
  步驟：
  ① 將數據文件上傳到HDFS中：
  下載地址：https://down.51cto.com/data/2464129
  這里文件內容是以逗號分隔。

  $hadoop fs -put sp_address.txt /tmp/sp_addr_bulktable

② 利用 importtsv 命令生成 Hfile 文件

hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.separator="," -Dimporttsv.bulk.output=/tmpbulkdata/sp_addr_data -Dimporttsv.columns=HBASE_ROW_KEY,sp_address:ID,sp_address:PLACE_TYPE,sp_address:PLACE_CODE,sp_address:PLACE_NAME,sp_address:UP_PLACE_CODE sp_address_bulkload "/tmp/sp_addr_bulktable"

參數介紹：
-Dimporttsv.separator ：指定文件的分隔符
Dimporttsv.bulk.output：生成的HFile的目錄（此目錄一定不存在）
Dimporttsv.columns：hbase表的關系映射
sp_address_bulkload ：hbase表名（這里一定要在生成hfile之前創建hbase表）
"/tmp/sp_addr_bulktable"：源數據目錄

**建表語句：**create ‘sp_address_bulkload’,’ sp_address’

③ 把 Hfile 文件導入到 Hbase 中

$hadoop jar /applications/hbase-2.0.5/lib/hbase-mapreduce-2.0.5.jar completebulkload  /tmpbulkdata/sp_addr_data/ sp_address_bulkload

這里有一個坑，網上說是在hbase-server-VRESION-hadoop2.jar 這里小編用的是2.0.5版本的，這個completebulkload 主類在hbase-mapreduce-2.0.5.jar 這個jar包下。
好處：運行該命令的本質是一個hdfs的mv操作，并不會啟動MapReduce。

④ 查看hbase表

$scan 'sp_address_bulkload'

到此數據就被裝載進入hbase中。
??當然還可以使用API的方式，但是學習成本就會翻倍，如果場景不是特別復雜的情況下，使用shell基本可以解決。
??總結：這種方式是最快的，原理是按照 Hfile 進行的，一次性處理多條數據，建議使用這種方式。在真是環境中會 相當快的快，我們測試的是 4 億多條的數據，20 分鐘搞定。可能這里看不出什么快不快，這里小編可以提供一個真實情況，256G內存的機器中，用sqoop導入5000W數據需要27分鐘。