Hadoop Hive与Hbase整合

用hbase做数据库,但由于hbase没有类sql查询方式,所以操作和计算数据非常不方便,于是整合hive,让hive支撑在hbase数据库层面 的 hql查询.hive也即 做数据仓库

1. 基于Hadoop+Hive架构对海量数据进行查询：http://blog.youkuaiyun.com/kunshan_shenbin/article/details/7105319
2. HBase 0.90.5 + Hadoop 1.0.0 集成：http://blog.youkuaiyun.com/kunshan_shenbin/article/details/7209990
本文的目的是要讲述如何让Hbase和Hive能互相访问，让Hadoop/Hbase/Hive协同工作，合为一体。
本文测试步骤主要参考自：http://running.iteye.com/blog/898399
当然，这边博文也是按照官网的步骤来的：http://wiki.apache.org/hadoop/Hive/HBaseIntegration
1. 拷贝hbase-0.90.5.jar和zookeeper-3.3.2.jar到hive/lib下。
注意：如何hive/lib下已经存在这两个文件的其他版本（例如zookeeper-3.3.1.jar），建议删除后使用hbase下的相关版本。
2. 修改hive/conf下hive-site.xml文件，在底部添加如下内容：

01	[html] view plaincopy

02

<!--

03	<property>

04	<name>hive.exec.scratchdir</name>

05	<value>/usr/local/hive/tmp</value>

06

07	</property>

08

-->

09

10	<property>

11	<name>hive.querylog.location</name>

12	<value>/usr/local/hive/logs</value>

13	</property>

14

15	<property>

16	<name>hive.aux.jars.path</name>

17	<value>file:///usr/local/hive/lib/hive-hbase-handler-0.8.0.jar,file:///usr/local/hive/lib/hbase-0.90.5.jar,file:///usr/local/hive/lib/zookeeper-3.3.2.jar</value>

18

19	</property>

注意：如果hive-site.xml不存在则自行创建，或者把hive-default.xml.template文件改名后使用。
具体请参见：http://blog.youkuaiyun.com/kunshan_shenbin/article/details/7210020

3. 拷贝hbase-0.90.5.jar到所有hadoop节点(包括master)的hadoop/lib下。
4. 拷贝hbase/conf下的hbase-site.xml文件到所有hadoop节点(包括master)的hadoop/conf下。
注意，hbase-site.xml文件配置信息参照：http://blog.youkuaiyun.com/kunshan_shenbin/article/details/7209990
注意，如果3,4两步跳过的话，运行hive时很可能出现如下错误：

1	[html] view plaincopy

2	org.apache.hadoop.hbase.ZooKeeperConnectionException: HBase is able to connect to ZooKeeper but the connection closes immediately.

3	This could be a sign that the server has too many connections (30 is the default). Consider inspecting your ZK server logs for that error and

4	then make sure you are reusing HBaseConfiguration as often as you can. See HTable's javadoc for more information. at org.apache.hadoop.

5	hbase.zookeeper.ZooKeeperWatcher.

参考：http://blog.sina.com.cn/s/blog_410d18710100vlbq.html

现在可以尝试启动Hive了。
单节点启动：

1	> bin/hive -hiveconf hbase.master=master:60000

集群启动：

1	> bin/hive -hiveconf hbase.zookeeper.quorum=slave

如何hive-site.xml文件中没有配置hive.aux.jars.path，则可以按照如下方式启动。

1	> bin/hive --auxpath /usr/local/hive/lib/hive-hbase-handler-0.8.0.jar, /usr/local/hive/lib/hbase-0.90.5.jar, /usr/local/hive/lib/zookeeper-3.3.2.jar -hiveconf hbase.zookeeper.quorum=slave

接下来可以做一些测试了。
1.创建hbase识别的数据库：
[sql] view plaincopy
CREATE TABLE hbase_table_1(key int, value string) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val") 
TBLPROPERTIES ("hbase.table.name" = "xyz"); 
hbase.table.name 定义在hbase的table名称
hbase.columns.mapping 定义在hbase的列族
2.使用sql导入数据
a) 新建hive的数据表
[sql] view plaincopy
<span><span></span></span>hive> CREATE TABLE pokes (foo INT, bar STRING); 
b) 批量插入数据
[sql] view plaincopy

1	hive> LOAD DATA LOCAL INPATH './examples/files/kv1.txt' OVERWRITE INTO TABLE

pokes; 
c) 使用sql导入hbase_table_1
[sql] view plaincopy
hive> INSERT OVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=86; 
3. 查看数据
[sql] view plaincopy
hive> select * from  hbase_table_1; 
这时可以登录Hbase去查看数据了.
> /usr/local/hbase/bin/hbase shell
hbase(main):001:0> describe 'xyz'  
hbase(main):002:0> scan 'xyz'  
hbase(main):003:0> put 'xyz','100','cf1:val','www.360buy.com'
这时在Hive中可以看到刚才在Hbase中插入的数据了。
hive> select * from hbase_table_1
4. hive访问已经存在的hbase
使用CREATE EXTERNAL TABLE
[sql] view plaincopy
CREATE EXTERNAL TABLE hbase_table_2(key int, value string) 
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "cf1:val") 
TBLPROPERTIES("hbase.table.name" = "some_existing_table"); 


多列和多列族（Multiple Columns and Families）
1．创建数据库
Java代码 
CREATE TABLE hbase_table_2(key int, value1 string, value2 int, value3 int)  
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' 
WITH SERDEPROPERTIES ( 
"hbase.columns.mapping" = ":key,a:b,a:c,d:e" 
); 

2.插入数据
Java代码 
INSERT OVERWRITE TABLE hbase_table_2 SELECT foo, bar, foo+1, foo+2  
FROM pokes WHERE foo=98 OR foo=100; 


这个有3个hive的列（value1和value2，value3），2个hbase的列族（a，d）
Hive的2列（value1和value2）对应1个hbase的列族（a，在hbase的列名称b，c），hive的另外1列（value3）对应列（e）位于列族（d）

3.登录hbase查看结构
Java代码 

1	hbase(main):003:0> describe "hbase_table_2"

2	DESCRIPTION                                                             ENABLED

3	{NAME => 'hbase_table_2', FAMILIES => [{NAME => 'a', COMPRESSION => 'N true

4	ONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_M

5	EMORY => 'false', BLOCKCACHE => 'true'}, {NAME => 'd', COMPRESSION =>

6	'NONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN

7	_MEMORY => 'false', BLOCKCACHE => 'true'}]}

8	1 row(s) in 1.0630 seconds

4.查看hbase的数据
Java代码 

1	hbase(main):004:0> scan 'hbase_table_2'

2	ROW                          COLUMN+CELL

3	100                         column=a:b, timestamp=1297695262015, value=val_100

4	100                         column=a:c, timestamp=1297695262015, value=101

5	100                         column=d:e, timestamp=1297695262015, value=102

6	98                          column=a:b, timestamp=1297695242675, value=val_98

7	98                          column=a:c, timestamp=1297695242675, value=99

8	98                          column=d:e, timestamp=1297695242675, value=100

9	2 row(s) in 0.0380 seconds

5.在hive中查看
Java代码 

1	hive> select * from hbase_table_2;

2

OK

3	100     val_100 101     102

4	98      val_98  99      100

5	Time taken: 3.238 seconds

参考资料：
http://running.iteye.com/blog/898399
http://heipark.iteye.com/blog/1150648
http://www.javabloger.com/article/apache-hadoop-hive-hbase-integration.html