当前位置:   article > 正文

Java Spark读取Hbase数据,将结果写入HDFS文件_java spark读写hbase

java spark读写hbase

环境:Hadoop2.6,Spark2.1, jdk1.8

注意:hadoop集群启用了kerberos认证,不带认证的需要根据注释简单修改几行代码即可

一、案例Java编程

要求:读取Hbase表zyl_user,按年龄降序将对应的人进行排序输出到HDFS上。

 

数据表zyl_user如下:

hbase(main):002:0> scan 'zyl_user'
ROW                                COLUMN+CELL                                                                                         
 29008976151_1_2017                column=F1:age, timestamp=1500271723360, value=12                                                    
 29008976151_1_2017                column=F1:name, timestamp=1500271723360, value=wz                                                   
 29008976151_1_2017                column=F1:tel, timestamp=1500271723360, value=15167980092                                           
 42339809631_1_2017                column=F1:age, timestamp=1500271723360, value=25                                                    
 42339809631_1_2017                column=F1:name, timestamp=1500271723360, value=zyl                                                  
 42339809631_1_2017                column=F1:tel, timestamp=1500271723360, value=13690893324                                           
 52083010871_1_2017                column=F1:age, timestamp=1500271723367, value=19                                                    
 52083010871_1_2017                column=F1:name, timestamp=1500271723367, value=gd                                                   
 52083010871_1_2017                column=F1:tel, timestamp=1500271723367, value=17801038025                                           
 76230910931_1_2017                column=F1:age, timestamp=1500271723360, value=31                                                    
 76230910931_1_2017                column=F1:name, timestamp=1500271723360, value=hxy                                                  
 76230910931_1_2017                column=F1:tel, timestamp=1500271723360, value=13901903267                                           
 9813099-5660_1_2017               column=F1:age, timestamp=1500271723360, value=11                                                    
 9813099-5660_1_2017               column=F1:name, timestamp=1500271723360, value=gmx                                                  
 9813099-5660_1_2017               column=F1:tel, timestamp=1500271723360, value=0665-9903189                                          
5 row(s) in 0.3240 seconds

二、java代码:

package com.test.hbase;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableInputFormat;
import org.apache.hadoop.hbase.protobuf.ProtobufUtil;
import org.apache.hadoop.hbase.protobuf.generated.ClientProtos;
import org.apache.hadoop.hbase.util.Base64;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.security.UserGroupInformation;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

public class DataFromHbase {
    public static void main(String[] args) {
        // 集群启用了kerberos认证
//        Configuration configuration = kerberos();//集群启用了kerberos认证,没有认证的话,将这行注释掉即可
        Configuration configuration = new Configuration();
        String tableName = "zyl_user";
        String FAMILY = "F1";
        String COLUM_NAME = "name";
        String COLUM_AGE = "age";

        SparkConf sparkConf = new SparkConf().setAppName("SparkDataFromHbase");//.setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(sparkConf);

        // Hbase配置
        Configuration hconf = HBaseConfiguration.create(configuration);// kerberos认证集群必须传递已经认证过的conf
        hconf.set("hbase.zookeeper.quorum", "cdh129130,cdh129136,cdh129144");
        hconf.set("hbase.zookeeper.property.clientPort", "2181");
        hconf.set(TableInputFormat.INPUT_TABLE, tableName);

        Scan scan = new Scan();
        scan.addFamily(Bytes.toBytes(FAMILY));
        scan.addColumn(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_AGE));
        scan.addColumn(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_NAME));
        try {
            //添加scan
            ClientProtos.Scan proto = ProtobufUtil.toScan(scan);
            String ScanToString = Base64.encodeBytes(proto.toByteArray());
            hconf.set(TableInputFormat.SCAN, ScanToString);

            //读HBase数据转化成RDD
            JavaPairRDD<ImmutableBytesWritable, Result> hbaseRDD = sc.newAPIHadoopRDD(hconf, 
                    TableInputFormat.class, ImmutableBytesWritable.class, Result.class);
            hbaseRDD.cache();// 对myRDD进行缓存
            System.out.println("数据总条数:" + hbaseRDD.count());

            //将Hbase数据转换成PairRDD,年龄:姓名
            JavaPairRDD<Integer, String> mapToPair = hbaseRDD.mapToPair(new PairFunction<Tuple2<ImmutableBytesWritable,
                    Result>, Integer, String>() {
                private static final long serialVersionUID = -2437063503351644147L;

                @Override
                public Tuple2<Integer, String> call(
                        Tuple2<ImmutableBytesWritable, Result> resultTuple2)throws Exception {
                    byte[] o1 = resultTuple2._2.getValue(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_NAME));//取列的值
                    byte[] o2 = resultTuple2._2.getValue(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_AGE));//取列的值
                    return new Tuple2<Integer, String>(new Integer(new String(o2)), new String(o1));
                }
            });
            
            //按年龄降序排序
            JavaPairRDD<Integer, String> sortByKey = mapToPair.sortByKey(false);
            //写入数据到hdfs系统
            sortByKey.saveAsTextFile("hdfs://********:8020/tmp/test");
            
            hbaseRDD.unpersist();
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
        }

    }

    /**
     * kerberos认证
     */
    public static Configuration kerberos() {
        String krb5Path = "E:/kerberos/129/krb5.conf";
        String principal = "hbase/XXX@MYCDH";
        String keytabPath = "E:/kerberos/129/hbase.keytab";
        Configuration configuration = new Configuration();
        configuration.set("hadoop.security.authentication", "Kerberos");
        System.setProperty("java.security.krb5.conf", krb5Path);
        configuration.set("hbase.security.authentication", "Kerberos");
        configuration.set("hbase.master.kerberos.principal",
                "hbase/_HOST@MYCDH");
        configuration.set("hbase.regionserver.kerberos.principal",
                "hbase/_HOST@MYCDH");

        UserGroupInformation.setConfiguration(configuration);
        try {
            UserGroupInformation.loginUserFromKeytab(principal, keytabPath);
        } catch (IOException e) {
            e.printStackTrace();
            System.exit(1);
        }
        System.out.println("********** HBase Succeeded in authenticating through Kerberos! **********");

        return configuration;
    }

}

 

三、pom.xml文件

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.tydic</groupId>
    <artifactId>SparkDemo</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <packaging>jar</packaging>

    <name>SparkDemo</name>
    <url>http://maven.apache.org</url>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>

        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.7</version>
            <scope>system</scope>
            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.10</artifactId>
            <version>1.6.0</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase</artifactId>
            <version>1.0.0</version>
            <type>pom</type>
        </dependency>


        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>1.0.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-common</artifactId>
            <version>1.0.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-server</artifactId>
            <version>1.0.0</version>
        </dependency>
    </dependencies>
    
    
    <build>
        <!-- 不打包core.properties -->
        <!-- <resources> <resource> <directory>src/main/resources</directory> <excludes> 
            <exclude>core.properties</exclude> </excludes> </resource> </resources> -->
        <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-jar-plugin</artifactId>
                <version>2.4</version>
                <configuration>
                    <archive>
                        <manifest>
                            <addClasspath>true</addClasspath>
                            <classpathPrefix>lib/</classpathPrefix>
                            <mainClass>com.zyl.hbase.DataFromHbase</mainClass>
                        </manifest>
                    </archive>
                </configuration>
            </plugin>

            <!-- 将依赖包放到lib文件夹中 -->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-dependency-plugin</artifactId>
                <executions>
                    <execution>
                        <id>copy</id>
                        <phase>package</phase>
                        <goals>
                            <goal>copy-dependencies</goal>
                        </goals>
                        <configuration>
                            <outputDirectory> ${project.build.directory}/lib
                            </outputDirectory>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
    
</project>

 

四、打包Maven install

SparkDemo-0.0.1-SNAPSHOT.jar

将jar上传到服务器上,jar只是源码,引用的第三方jar包不用打进jar包中。

 

五、yarn模式提交

yarn-client 提交

spark-submit --keytab /root/XXX.keytab --principal XXX@MYCDH --master yarn-client --jars /tmp/test/lib/hbase-client-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-common-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-server-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-protocol-1.0.0-cdh5.4.7.jar,/tmp/test/lib/htrace-core-3.1.0-incubating.jar --driver-class-path /opt/lib/hbase/lib/*:/etc/hbase/conf --class com.test.hbase.DataFromHbase /tmp/test/SparkDemo-0.0.1-SNAPSHOT.jar

(-keytab /root/XXX.keytab --principal XXX@MYCDH  这两个参数是kerberos认证相关的,集群没有认证可去掉)

六、执行结果

七、问题

1、java.lang.IllegalStateException: unread block data:

19/06/07 10:16:26 INFO scheduler.TaskSetManager: Starting task 0.0 in stage 0.0 (TID 0, cdh129136, NODE_LOCAL, 2214 bytes)

19/06/07 10:16:26 WARN scheduler.TaskSetManager: Lost task 0.0 in stage 0.0 (TID 0, cdh129136): java.lang.IllegalStateException: unread block data

        at java.io.ObjectInputStream$BlockDataInputStream.setBlockDataMode(ObjectInputStream.java:2449)

        at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1385)

        at java.io.ObjectInputStream.defaultReadFields(ObjectInputStream.java:2018)

        at java.io.ObjectInputStream.readSerialData(ObjectInputStream.java:1942)

        at java.io.ObjectInputStream.readOrdinaryObject(ObjectInputStream.java:1808)

        at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1353)

        at java.io.ObjectInputStream.readObject(ObjectInputStream.java:373)

        at org.apache.spark.serializer.JavaDeserializationStream.readObject(JavaSerializer.scala:72)

        at org.apache.spark.serializer.JavaSerializerInstance.deserialize(JavaSerializer.scala:98)

        at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:194)

        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)

        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)

        at java.lang.Thread.run(Thread.java:745)

 

19/06/07 10:16:26 INFO scheduler.TaskSetManager: Starting task 0.1 in stage 0.0 (TID 1, cdh129136, NODE_LOCAL, 2214 bytes)

解决方法:缺少jar包,加上--jar参数,将Hbase-*和其他的几个jar带上即可。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/2023面试高手/article/detail/673632
推荐阅读
相关标签
  

闽ICP备14008679号