Spark op HBase met Spark-shell

Er zijn enkele kleine aanpassingen nodig voor het aanvallen van HBase-tabellen vanuit een Spark-context.

Laten we eerst snel een "t1" HBase-voorbeeldtabel maken met 40 regels

[root@sandbox ~]# cat hbase_load.txt
create 't1', 'f1'
for i in '1'..'10' do \
for j in '1'..'2' do \
for k in '1'..'2' do \
rnd=(0...64).map { (65 + rand(26)).chr }.join
put 't1', "#{i}-#{j}-#{k}", "f1:#{j}#{k}", "#{rnd}"
end \
end \
end
[root@sandbox ~]# cat hbase_load.txt |hbase shell

Je moet je Spark-klassenpad aanpassen (guave 14 nodig, dus inclusief de eerste die ik heb gevonden):

[root@sandbox ~]# export SPARK_CLASSPATH=/usr/hdp/current/spark-client/lib/hbase-common.jar:/usr/hdp/current/spark-client/lib/hbase-client.jar:/usr/hdp/current/spark-client/lib/hbase-protocol.jar:/usr/hdp/current/spark-client/lib/hbase-server.jar:/etc/hbase/conf:/usr/hdp/2.3.2.0-2950/oozie/share/lib/spark/guava-14.0.1.jar

[root@sandbox ~]# spark-shell --master yarn-client

Even terzijde:de SPARK_CLASSPATH is verouderd in Spark 1.5.x+, dus gebruik in plaats daarvan

[root@sandbox ~]# spark-shell --master yarn-client --driver-class-path=/usr/hdp/current/spark-client/lib/hbase-common.jar:/usr/hdp/current/spark-client/lib/hbase-client.jar:/usr/hdp/current/spark-client/lib/hbase-protocol.jar:/usr/hdp/current/spark-client/lib/hbase-hadoop2-compat.jar:/usr/hdp/current/spark-client/lib/hbase-server.jar:/etc/hbase/conf:/usr/hdp/2.3.2.0-2950/oozie/share/lib/spark/guava-14.0.1.jar

Ik kwam bugs tegen met het vorige:[…]Veroorzaakt door:java.lang.IllegalStateException:ongelezen blokgegevens, dus ik gebruikte de eerste versie (met SPARK_CLASSPATH) Nu is het Scala's tijd !

scala>

import org.apache.hadoop.hbase.{HBaseConfiguration, HTableDescriptor}
import org.apache.hadoop.hbase.client.{HBaseAdmin, Result}
import org.apache.hadoop.hbase.io.ImmutableBytesWritable
import org.apache.hadoop.hbase.mapreduce.TableInputFormat

val tableName = "t1"
val hconf = HBaseConfiguration.create()
hconf.set(TableInputFormat.INPUT_TABLE, "t1")

val hBaseRDD = sc.newAPIHadoopRDD(hconf, classOf[TableInputFormat], classOf[ImmutableBytesWritable], classOf[Result])
println("records found : " + hBaseRDD.count())


[...]
2016-04-07 18:44:40,553 INFO [main] scheduler.DAGScheduler: Job 0 finished: count at <console>:30, took 2.092481 s
Number of Records found : 40

Als u HBase Admin wilt gebruiken om tabellijsten, snapshots of andere beheerdersgerelateerde bewerkingen te bekijken, gebruikt u

scala> val admin = new HBaseAdmin(hconf)

admin.listTables

En als u een tabel wilt maken:

val tableDesc = new HTableDescriptor(tableName)
admin.createTable(tableDesc)