使用Hive讀取Hbase中的數據

第一步，啓動hadoop，命令：./start-all.sh

第二步，啓動hive，命令：

./hive --auxpath /home/dream-victor/hive-0.6.0/lib/hive_hbase-handler.jar,/home/dream-victor/hive-0.6.0/lib/hbase-0.20.3.jar,/home/dream-victor/hive-0.6.0/lib/zookeeper-3.2.2.jar -hiveconf hbase.master=127.0.0.1:60000

如果已經將jar包路徑添加到hive-en.sh中的HIVE_AUX_JARS_PATH；可以直接用hive -hiveconf hbase.master=127.0.0.1:60000來運行

這裏，-hiveconf hbase.master=指向自己在hbase-site.xml中hbase.master的值

第三步，啓動hbase，命令：./start-hbase.sh

第四步，建立關聯表，這裏我們要查詢的表在hbase中已經存在所以，使用CREATE EXTERNAL TABLE來建立，如下：

CREATE EXTERNAL TABLE hbase_table_2(key string, value string)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,data:1")
TBLPROPERTIES("hbase.table.name" = "test");

 hbase.columns.mapping指向對應的列族；多列時，data:1，data:2；多列族時，data1:1,data2:1；裏面的:key 是固定值而且要保證在表pokes中的foo字段是唯一值

 hbase.table.name指向對應的表；

 hbase_table_2(key string, value string)，這個是關聯表

我們看一下HBase中要查詢的表的結構，

hbase(main):001:0> describe 'test'
DESCRIPTION                                                             ENABLED
 {NAME => 'test', FAMILIES => [{NAME => 'data', COMPRESSION => 'NONE',  true
 VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_MEMORY
 => 'false', BLOCKCACHE => 'true'}]}
1 row(s) in 0.0810 seconds
hbase(main):002:0>

 在看一下表中的數據，

hbase(main):002:0> scan 'test'
ROW                          COLUMN+CELL
 row1                        column=data:1, timestamp=1300847098583, value=value1
 row12                       column=data:1, timestamp=1300849056637, value=value3
 row2                        column=data:2, timestamp=1300847106880, value=value2
3 row(s) in 0.0160 seconds
hbase(main):003:0>

 列族：data:1、data:2兩個

 Key：row1、row12、row2

 value：value1、value3、value2

 hbase_table_2(key string, value string)中對應的test表中的row，value字段對應的是test表中的value

OK，現在可以來看看查詢結果了，

我們在hive命令行中先查看一下hbase_table_2，

hive> select * from hbase_table_2;
OK
row1    value1
row12   value3
Time taken: 0.197 seconds
hive>

 對比一下test表中的列族爲data:1的數據，

row1                        column=data:1, timestamp=1300847098583, value=value1
row12                       column=data:1, timestamp=1300849056637, value=value3

和查詢結果相符，沒問題，然後我們在hbase中在給列族data:1新增一條數據，

hbase(main):003:0> put 'test','row13','data:1','value4'
0 row(s) in 0.0050 seconds
hbase(main):004:0>

 再查看hbase_table_2表，

hive> select * from hbase_table_2;
OK
row1    value1
row12   value3
row13   value4
Time taken: 0.165 seconds
hive>

 新增數據value4出現了，說明可以通過hbase_table_2查詢hbase的test表

下面我們來查詢一下test表中value值爲value3的數據，

hive> select * From hbase_table_2 where value='value3';
Total MapReduce jobs = 1
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
Starting Job = job_201103231022_0001, Tracking URL = http://localhost:50030/jobdetails.jsp?jobid=job_201103231022_0001
Kill Command = /home/dream-victor/hadoop-0.20.2/bin/hadoop job  -Dmapred.job.tracker=localhost:9001 -kill job_201103231022_0001
2011-03-23 11:23:27,807 Stage-1 map = 0%,  reduce = 0%
2011-03-23 11:23:30,824 Stage-1 map = 100%,  reduce = 0%
2011-03-23 11:23:33,854 Stage-1 map = 100%,  reduce = 100%
Ended Job = job_201103231022_0001
OK
row12   value3
Time taken: 11.929 seconds
hive>

 和hbase的test表對比一下，

row12                       column=data:1, timestamp=1300849056637, value=value3

 OK，這樣我們就可以使用SQL來對hbase進行查詢了。

 

以上只是在命令行裏左對應的查詢，我們的目的是使用JAVA代碼來查詢出有用的數據，其實這個也很簡單，

首先，啓動Hive的命令有點變化，使用如下命令：

./hive --service hiveserver

 這裏我們默認使用嵌入的Derby數據庫，這裏可以在hive-site.xml文件中查看到：

<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:derby:;databaseName=metastore_db;create=true</value>//指定了數據庫默認的名字和地址
</property>

<property>
  <name>javax.jdo.option.ConnectionDriverName</name>
  <value>org.apache.derby.jdbc.EmbeddedDriver</value>
</property>

 在此，數據庫鏈接的URL可以使用默認的：jdbc:hive://localhost:10000/default

 有了上面的準備，下面我們就可以使用JAVA代碼來讀取數據了，如下：

public class HiveTest extends TestCase {

    private static String driverName = "org.apache.hadoop.hive.jdbc.HiveDriver";
    private Connection con;
    private boolean standAloneServer = true;

    public void testSelect() throws SQLException {
        Statement stmt = con.createStatement();
        ResultSet res = stmt.executeQuery("select * from hbase_table_2");
        boolean moreRow = res.next();
        while (moreRow) {
            System.out.println(res.getString(1)+","+res.getString(2));
            moreRow = res.next();
        }
    }

    @Override
    protected void setUp() throws Exception {
        super.setUp();
        Class.forName(driverName);
        con = DriverManager.getConnection(
                "jdbc:hive://localhost:10000/default", "", "");
    }
}

 結果，

row1,value1
row12,value3
row13,value4
row14,test

 查看一下hbase中的結果，

ROW                          COLUMN+CELL
 row1                        column=data:1, timestamp=1300847098583, value=value1
 row12                       column=data:1, timestamp=1300849056637, value=value3
 row13                       column=data:1, timestamp=1300850443699, value=value4
 row14                       column=data:1, timestamp=1300867550502, value=test

 OK，完美了，不過還是希望這樣的需求少一點，畢竟Hbase產生的初衷不是爲了支持結構化查詢。