HBase exempeltabell

Låt oss skapa en enkel HBase-tabell från början!

Det finns många sätt att skapa en HBase-tabell och fylla i den:bulklast, hbase-skal, hive med HBaseStorageHandler, etc.
Här kommer vi att använda klassen ImportTsv som syftar till att analysera .tsv-filen för att infoga den i en befintlig HBase-tabell.

Låt oss först ta lite data!

Ladda ner access.tsv till vilken dator som helst i ditt kluster :det här är en 2 Gb zippad fil med exempel på tabbseparerade data, som innehåller kolumner radknapp, datum, referensadress och http-kod, och lägg den på HDFS.

[root@sandbox ~]# gunzip access.tsv.gz
[root@sandbox ~]# hdfs dfs -copyFromLocal ./access.tsv /tmp/

Nu måste vi skapa tabellen i HBase-skalet; den kommer bara att innehålla en kolumnfamilj för detta exempel

[root@sandbox ~]# hbase shell
hbase(main):001:0> create 'access_demo','cf1'
0 row(s) in 14.2610 seconds

Och starta importen med ad hoc-klassen, välj kolumnerna (glöm inte HBASE_ROW_KEY som kan vara vilken som helst av kolumnerna, därför är det den första här).
Syntax är hbase JAVA_CLASS -DPARAMETERS TABLE_NAME FILE

Observera att du kan ange tsv-separator ‘-Dimporttsv.separator=,’ och att du självklart kan lägga till olika kolumnfamiljer cf1:field1,cf1:field2,cf2:field3,cf2:field4

[root@sandbox ~]# hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns=HBASE_ROW_KEY,cf1:date,cf1:refer-url,cf1:http-code access_demo /tmp/access.tsv

2015-05-21 19:55:38,144 INFO [main] mapreduce.Job: Job job_1432235700898_0002 running in uber mode : false
2015-05-21 19:55:38,151 INFO [main] mapreduce.Job: map 0% reduce 0%
2015-05-21 19:56:00,718 INFO [main] mapreduce.Job: map 7% reduce 0%
2015-05-21 19:56:03,742 INFO [main] mapreduce.Job: map 21% reduce 0%
2015-05-21 19:56:06,785 INFO [main] mapreduce.Job: map 65% reduce 0%
2015-05-21 19:56:10,846 INFO [main] mapreduce.Job: map 95% reduce 0%
2015-05-21 19:56:11,855 INFO [main] mapreduce.Job: map 100% reduce 0%
2015-05-21 19:56:13,948 INFO [main] mapreduce.Job: Job job_1432235700898_0002 completed successfully

Låt oss kolla :

[root@sandbox ~]# hbase shell
hbase(main):001:0> list
TABLE
access_demo
iemployee
sales_data
3 row(s) in 9.7180 seconds

=> ["access_demo", "iemployee", "sales_data"]
hbase(main):002:0> scan 'access_demo'
ROW COLUMN+CELL
# rowkey column=cf1:date, timestamp=1432238079103, value=date
# rowkey column=cf1:http-code, timestamp=1432238079103, value=http-code
# rowkey column=cf1:refer-url, timestamp=1432238079103, value=refer-url
74.201.80.25/san-rafael-ca/events/sho column=cf1:date, timestamp=1432238079103, value=2008-01-25 16:20:50
w/80343522-eckhart-tolle
74.201.80.25/san-rafael-ca/events/sho column=cf1:http-code, timestamp=1432238079103, value=200
w/80343522-eckhart-tolle
74.201.80.25/san-rafael-ca/events/sho column=cf1:refer-url, timestamp=1432238079103, value=www.google.com/search
w/80343522-eckhart-tolle
calendar.boston.com/ column=cf1:date, timestamp=1432238079103, value=2008-01-25 19:35:50
calendar.boston.com/ column=cf1:http-code, timestamp=1432238079103, value=200

Det här är det!