hive-hbase-handler方式导入hive表数据到hbase表中

偶然想到hbase特性是字段可扩张,查询效率搞,hive是字段定死查询走MR离线,hbase-hive映射表,可以hive导数据出来做分析,hbase数据做快速查询。例如做分区表的情况下,hive不定对字段进行定位查询落到哪一个分区,可以试试用hbase放到rowkey进行批量get出来更新,会很快，不过涉及到写java。写这个文章记录下,找时间做下实践

 

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-hbase-handler.jar在hive的lib包中而不是在hbase的lib中，hive0.6版本以后；

创建hive表的同时创建hbase表，删除 hive表的同时也会删除对应的hbase表。

参见官方文档：https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration

 

使用前提：配置好hive和hbase对应的CDH版本，本案例使用的hive版本是hive-0.12.0-cdh5.0.0，HBase使用的版本是hbase-0.96.1.1-cdh5.0.0

 

添加$HIVE_HOME/conf/hive-env.sh配置属性

export HIVE_AUX_JARS_PATH=/home/hadoop/app/hbase-0.96.1.1-cdh5.0.0/lib

启动hive：推荐使用$HIVE_HOME/bin/hive -hiveconf hbase.zookeeper.quorum=hadoop000 -hiveconf hive.root.logger=DEBUG,console启动，可以看到更加详细的日志信息

案例一：操作简单表单cf

创建hive-hbase表：

CREATE TABLE hive_hbase_table_kv(key string, value string) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")
TBLPROPERTIES ("hbase.table.name" = "hbase_hive_table_kv");

key与：key对应

value与：val对应

hbase_hive_table_kv为hbase的表名

hive_hbase_table_kv为hive表名

创建hive表并导入数据

CREATE TABLE kv (key STRING, value STRING);
LOAD DATA LOCAL INPATH '/home/spark/app/spark-1.0.0-bin-2.3.0-cdh5.0.0/examples/src/main/resources/kv1.txt' OVERWRITE INTO TABLE kv;
INSERT OVERWRITE TABLE hive_hbase_table_kv SELECT key, value FROM kv;

查看hive和hbase发现均创建了表，并且在两边均能查询到数据。

案例二：操作简单表多cf

CREATE TABLE hbase_table_2(key string, value1 string, value2 string, value3 string) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" = ":key,a:b,a:c,d:e"
);

b/c字段属于a列族，e属于d列族。

默认不指定hbase的表名就和hive的表名相同

导入hive表数据：INSERT OVERWRITE TABLE hbase_table_2 SELECT empno, ename, job, deptno  FROM emp;

案例三：操作分区表

CREATE TABLE hbase_table_3(key string, ename string, job string, sal double) partitioned by(pt string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,a:b,a:c,d:e")
TBLPROPERTIES ("hbase.table.name" = "hbase_table_3");

导入hive数据：

INSERT OVERWRITE TABLE hbase_table_3 PARTITION(pt='2013-08-01') SELECT empno, ename, job, sal FROM emp;

注意事项：

与hbase整合的有分区的表在使用hive查询时存在问题： select * from table查询不显示数据，select column from table可以查到数据

为什么select * from xxx 不显示数据？

select * from xxx在普通表中是直接读取HDFS文件，而使用hive-hbase-handler的方式来导入数据的时候，数据是存放在hbase的hdfs上；

在这里是直接从HBase进行查询。查询是成功了，但是hive并不会展示。