[英]How to import a CSV into HBASE table using MapReduce
嗨,我是hadoop的新手,我正在尝试使用MapReduce将csv表导入到Hbase。
我正在使用hadoop 1.2.1和hbase 1.1.1
我有以下格式的数据:
Wban Number, YearMonthDay, Time, Hourly Precip
03011,20060301,0050,0
03011,20060301,0150,0
我为批量加载编写了以下代码
public class BulkLoadDriver extends Configured implements Tool{
public static void main(String [] args) throws Exception{
int result= ToolRunner.run(HBaseConfiguration.create(), new BulkLoadDriver(), args);
}
public static enum COUNTER_TEST{FILE_FOUND, FILE_NOT_FOUND};
public String tableName="hpd_table";// name of the table to be inserted in hbase
@Override
public int run(String[] args) throws Exception {
//Configuration conf= this.getConf();
Configuration conf = HBaseConfiguration.create();
Job job= new Job(conf,"BulkLoad");
job.setJarByClass(getClass());
job.setMapperClass(bulkMapper.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));
job.setInputFormatClass(TextInputFormat.class);
TableMapReduceUtil.initTableReducerJob(tableName, null, job); //for HBase table
job.setNumReduceTasks(0);
return (job.waitForCompletion(true)?0:1);
}
private static class bulkMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Put>{
//static class bulkMapper extends TableMapper<ImmutableBytesWritable, Put> {
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
{
String [] val= value.toString().split(",");
// store the split values in the bytes format so that they can be added to the PUT object
byte[] wban=Bytes.toBytes(val[0]);
byte[] ymd= Bytes.toBytes(val[1]);
byte[] tym=Bytes.toBytes(val[2]);
byte[] hPrec=Bytes.toBytes(val[3]);
Put put=new Put(wban);
put.add(ymd, tym, hPrec);
System.out.println(wban);
context.write(new ImmutableBytesWritable(wban), put);
context.getCounter(COUNTER_TEST.FILE_FOUND).increment(1);
}
}
}
我为此创建了一个jar并在终端中运行以下命令:
hadoop jar〜/ hadoop-1.2.1 / MRData / bulkLoad.jar bulkLoad.BulkLoadDriver /MR/input/200603hpd.txt hpd_table
但是我得到的输出是数百行以下类型的行:try_201509012322_0001_m_000000_0:[B @ 2d22bfc8 try_201509012322_0001_m_000000_0:[B @ 445cfa9e
我不确定它们是什么意思,以及如何执行此批量上传。 请帮忙。
提前致谢。
有几种方法可以将数据导入HBase。 请查看以下链接:
HBase批量加载:
CSV格式的数据文件
将数据处理为HFile格式 。 有关HFile格式的详细信息,请参见http://hbase.apache.org/book/hfile_format.html 。 通常,您使用MapReduce作业进行转换,并且由于数据是唯一的,因此经常需要自己编写Mapper。 作业必须发出行键作为Key,并发出KeyValue,Put或Delete作为值。 Reducer由HBase处理; 使用HFileOutputFormat.configureIncrementalLoad()对其进行配置,并执行以下操作:
在输出文件夹中的每个区域创建一个HFile 。 输入数据几乎完全被重写,因此您需要的可用磁盘空间至少是原始数据集大小的两倍。 例如,对于mysqldump的100 GB输出,HDFS中至少应有200 GB可用磁盘空间。 您可以在过程结束时删除原始输入文件。
将文件加载到HBase中。 使用LoadIncrementalHFiles命令(通常称为completebulkload工具),向其传递一个URL,该URL在HDFS中定位文件。 每个文件都被加载到RegionServer上该区域的相关区域中。 您可以通过传递--versions = N选项来限制加载的版本数,其中N是要包含的最大版本数,从最新到最旧(最大时间戳到最小时间戳)。 如果在创建文件后拆分了一个区域,则该工具会根据新边界自动拆分HFile。 该过程效率低下,因此,如果您的表正在被其他过程写入,则应在完成转换步骤后立即加载。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.