【spark】連接Hbase

0.我們有這樣一個表，表名為Student

1.在Hbase中創建一個表

表明為student，列族為info

2.插入數據

我們這里采用put來插入數據

格式如下   put  ‘表命’，‘行鍵’，‘列族：列’，‘值’  

我們知道Hbase 四個鍵確定一個值，

一般查詢的時候我們需要提供  表名、行鍵、列族：列名、時間戳才會有一個確定的值。

但是這里插入的時候，時間戳自動被生成，我們並不用額外操作。

我們不用表的時候可以這樣刪除

注意，一定要先disable 再drop，不能像RDMS一樣直接drop

3.配置spark

我們需要把Hbase的lib目錄下的一些jar文件拷貝到Spark中，這些都是編程中需要引進的jar包。

需要拷貝的jar包包括：所有hbase開頭的jar文件、guava-12.0.1.jar、htrace-core-3.1.0-incubating.jar和protobuf-java-2.5.0.jar

我們將文件拷貝到Spark目錄下的jars文件中

4.編寫程序

（1）讀取數據

我們程序中需要的jar包如下

我們這里使用Maven來導入相關jar包

我們需要導入hadoop和spark相關的jar包

spark方面需要導入的依賴

<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-core_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-sql_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-streaming_2.11</artifactId>
  <version>${spark.version}</version>
  <scope>provided</scope>
</dependency>

hadoop方面需要導入的依賴

<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-client</artifactId>
  <version>${hadoop.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-common</artifactId>
  <version>${hadoop.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-hdfs</artifactId>
  <version>${hadoop.version}</version>
</dependency>

hbase方面需要導入的依賴

<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-client</artifactId>
  <version>${hbase.version}</version>
</dependency>
<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-server</artifactId>
  <version>${hbase.version}</version>
</dependency>

我們使用的org.apache.hadoop.hbase.mapreduce是通過hbase-server導入的。

具體的程序如下

import org.apache.hadoop.hbase._
import org.apache.hadoop.hbase.mapreduce.TableInputFormat
import org.apache.hadoop.hbase.util.Bytes
import org.apache.spark.{SparkConf, SparkContext}
object SparkOperateHbase{
    def main(args:Array[String]): Unit ={
        //建立Hbase的連接
        val conf = HBaseConfiguration.create();
        //設置查詢的表名student
        conf.set(TableInputFormat.INPUT_TABLE,"student")
        //通過SparkContext將student表中數據創建一個rdd
        val sc = new SparkContext(new SparkConf());
        val stuRdd = sc.newAPIHadoopRDD(conf,classOf[TableInputFormat],
            classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable],
            classOf[org.apache.hadoop.hbase.client.Result]);
        stuRdd.cache();//持久化
        //計算數據條數
        val count = stuRdd.count();
        println("Student rdd count:"+count);
        //遍歷輸出
        //當我們建立Rdd的時候，前邊全部是參數信息，后邊的result才是保存數據的數據集
        stuRdd.foreach({case (_,result) =>
            //通過result.getRow來獲取行鍵
            val key = Bytes.toString(result.getRow);
            //通過result.getValue("列族"，"列名")來獲取值
            //注意這里需要使用getBytes將字符流轉化成字節流
            val name = Bytes.toString(result.getValue("info".getBytes,"name".getBytes));
            val gender = Bytes.toString(result.getValue("info".getBytes,"gender".getBytes));
            val age = Bytes.toString(result.getValue("info".getBytes,"age".getBytes));
            //打印結果
            println("Row key:"+key+" Name:"+name+" Gender:"+gender+" Age:"+age);
        });
    }
}

（2）存入數據

import org.apache.hadoop.hbase.client.{Put, Result}
import org.apache.hadoop.hbase.io.ImmutableBytesWritable
import org.apache.hadoop.hbase.mapreduce.{TableInputFormat, TableOutputFormat}
import org.apache.hadoop.hbase.util.Bytes
import org.apache.hadoop.mapreduce.Job
import org.apache.spark.{SparkConf, SparkContext}
object HbasePut{
    def main(args:Array[String]): Unit = {
        //建立sparkcontext
        val sparkConf = new SparkConf().setAppName("HbasePut").setMaster("local")
        val sc = new SparkContext(sparkConf)
        //與hbase的student表建立連接
        val tableName = "student"
        sc.hadoopConfiguration.set(TableOutputFormat.OUTPUT_TABLE,tableName)
        //建立任務job
        val job = new Job(sc.hadoopConfiguration)
        //配置job參數
        job.setOutputKeyClass(classOf[ImmutableBytesWritable])
        job.setOutputValueClass(classOf[Result])
        job.setOutputFormatClass(classOf[TableOutputFormat[ImmutableBytesWritable]])
        //要插入的數據，這里的makeRDD是parallelize的擴展版
        val indataRdd = sc.makeRDD(Array("3,zhang,M,26","4,yue,M,27"))
        val rdd = indataRdd.map(_.split(",")).map(arr=>{
            val put = new Put(Bytes.toBytes(arr(0))) //行鍵的值
            //依次給列族info的列添加值
            put.add(Bytes.toBytes("info"),Bytes.toBytes("name"),Bytes.toBytes(arr(1)))
            put.add(Bytes.toBytes("info"),Bytes.toBytes("gender"),Bytes.toBytes(arr(2)))
            put.add(Bytes.toBytes("info"),Bytes.toBytes("age"),Bytes.toBytes(arr(3)))
            //必須有這兩個返回值，put為要傳入的數據
            (new ImmutableBytesWritable,put)
        })
        rdd.saveAsNewAPIHadoopDataset(job.getConfiguration)
    }
}　

5.Maven打包

我們用命令行打開到項目的根目錄，輸入mvn clean package -DskipTests=true

打包成功后我們到項目目錄下的target文件下就會找到相應的jar包

6.提交任務