Laten we helemaal opnieuw een eenvoudige HBase-tabel maken!
Er zijn veel manieren om een HBase-tabel te maken en deze te vullen:bulk load, hbase shell, hive met HBaseStorageHandler, etc.
Hier gaan we de ImportTsv-klasse gebruiken die tot doel heeft het .tsv-bestand te parseren om het in te voegen in een bestaande HBase-tabel.
Laten we eerst wat gegevens verzamelen!
Download access.tsv naar elke machine van uw cluster:dit is een gecomprimeerd bestand van 2 GB met voorbeelden van door tabs gescheiden gegevens, met kolommen rowkey,date,refer-url en http-code, en zet het op HDFS.
[root@sandbox ~]# gunzip access.tsv.gz
[root@sandbox ~]# hdfs dfs -copyFromLocal ./access.tsv /tmp/Nu moeten we de tabel maken in de HBase-shell; het zal slechts één ColumnFamily bevatten voor dit voorbeeld
[root@sandbox ~]# hbase shell
hbase(main):001:0> create 'access_demo','cf1'
0 row(s) in 14.2610 seconds
En start de import met de ad hoc klasse, selecteer de kolommen (vergeet de HBASE_ROW_KEY niet wat een van de kolommen kan zijn, daarom is het de eerste hier).
Syntaxis is hbase JAVA_CLASS -DPARAMETERS TABLE_NAME FILE
Merk op dat u het tsv-scheidingsteken '-Dimporttsv.separator=,' kunt specificeren en dat u uiteraard verschillende kolomfamilies kunt toevoegen 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 successfullyLaten we eens kijken:
[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=200Dit is het!