spark bulkload数据到hbase

最新推荐文章于 2024-08-14 18:12:00 发布

原创最新推荐文章于 2024-08-14 18:12:00 发布 · 1.2k 阅读

1 ·

CC 4.0 BY-SA版权

hadoop 专栏收录该内容

10 篇文章

订阅专栏

本文介绍如何使用Spark进行数据处理，将其转换为适合HBase的数据格式，并批量加载到HBase中。主要包括：1) 使用SQL查询数据并转换为DataFrame；2) 将DataFrame转换为指定格式的RDD，按rowkey和column排序；3) 将RDD中的数据保存为HFile并上传到HBase。过程中遇到的主要问题是如何确保数据正确排序及确定HFile的存储路径。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

spark bulkload数据到hbase

1. 查询数据放到dataframe

查询数据放到dataframe

       val imDate = sql(imSQL)

2. 放入指定格式的RDD并排序

放入指定格式的RDD并排序

   val res = basicData.rdd
        .flatMap { row => {
          val kvs = new util.TreeSet[KeyValue](KeyValue.COMPARATOR)
          
          val uuid = row.getAs[String]("uuid")
          //根据uuid生成rowkey
          val rowkeyValue = MD5Util.getMD5forUserid(uuid)
         
          val rowkey = new ImmutableBytesWritable()
  
          rowkey.set(Bytes.toBytes(rowkeyValue))
          //TODO 放入column数据
          serColumn2KVs(kvs)
          kvs.toSeq.map(kv => (rowkey, kv))
  
        }
        }.sortBy(_._2.getKeyString)

3. 放入到hbase

将RDD中的数据存入到hfile，然后上传到hbase表

  def save2Hbase(res: RDD[(ImmutableBytesWritable, KeyValue)]): Unit = {
      res.saveAsNewAPIHadoopFile(OUTPUT, classOf[ImmutableBytesWritable], classOf[KeyValue], classOf[HFileOutputFormat2])
      val conf = HBaseConfiguration.create
      conf.set("hbase.zookeeper.quorum", "***")
      conf.set("hbase.rootdir", "hdfs://hbase-58-cluster/home/hbase")
      val table = new HTable(conf, Constant.TABLE_NAME)
      val bulkLoader = new LoadIncrementalHFiles(conf)
      bulkLoader.doBulkLoad(new Path(OUTPUT), table)
    }