spark bulkload数据到hbase

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)
    }

4. 遇到的问题

1.数据需要按照rowkey和column排序
2.保存hfile时路径需要新的路径

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值