Spark på HBase med Spark-skal

Nogle mindre justeringer er nødvendige for at angribe HBase-tabeller fra en Spark-kontekst.

Lad os først hurtigt oprette en "t1" HBase-eksempeltabel med 40 linjer

[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

Du skal justere din Spark-klassesti (guava 14 er nødvendig, så inkluderet den første, jeg fandt):

[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

Som en sidebemærkning er SPARK_CLASSPATH forældet i Spark 1.5.x+, så du skal i stedet bruge

[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

Jeg løb ind i fejl ved at bruge den forrige :[…]Forårsaget af:java.lang.IllegalStateException:ulæste blokdata, så jeg brugte den første version (ved hjælp af SPARK_CLASSPATH)Nu er det Scalas tid !

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

Hvis du vil bruge HBase Admin til at se tabelliste, snapshotting eller enhver administratorrelateret handling, skal du bruge

scala> val admin = new HBaseAdmin(hconf)

admin.listTables

Og hvis du vil oprette en tabel :

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