Hive数据通过bulklod导入Hbase

本文介绍了如何优化从Hive到Hbase的数据导入过程,传统方式在大数据量下效率低下。通过Bulkload和MapReduce实现优化,详细步骤包括设置Hive表的序列化空值格式,开发MapReduce进行多线程解析,以及预分区策略对性能的影响。实测2亿条数据、80GB的数据量导入时间缩短至40分钟。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    第一次写文,有什么不足之处还请大家多多指教!!!!

    项目需要通过Hbase查询数据,数据存储在Hive中,需要做一步初始化的操作,将历史数据同步到Hbase表中。原先采用的方式如下:

  1.建立hive临时表,指定存储格式为Hfile

create table hive_to_hbase(
    rowkey varchar(100),
    cust_no varchar(100)
    cust_name varchar(100)
)
stored as 
INPUTFORMAT 'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.hbase.HiveHFileOutputFormat' --定义存储格式为Hfile
TBLPROPERTIES('hfile.family.path'='/user/hive/hbase_test/info') --指定Hfile在hdfs上存储路径,hbase_test为habse表名,info为hbase表列族名

2.建立hbase表

create "hbase_test","info"

3. 将历史数据跑到hive临时表,通过命令,将Hfile文件指定到Hbase

hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHfiles /user/hive/hbase_test hbase_test

 此种方式在数据量较小时,是没有问题的,但是当数据量一大,就存在执行时间长,效率低下的问题,这是难以接受的。

   经过一段时间的查资料,有了通过bulkload导入数据的优化方案2:

   1.建立hive临时表和hbase表,指定存储格式为textfile,指定字段分隔符

      

--hive临时表
create table hive_to_hbase(
    cust_no varchar(100),
    cust_name varchar(100)
)
Row FORMAT DELIMITED FIELDS TERMINATED BY ',' --指定字段分隔符
STORED AS TEXTFILE; --指定存储格式为textfile

alter table hive_to_hbase set serdeproperties('serialization.null.format'=''); --指定hdfs文件存储为空的字段数据时存储为空字符串

--h
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