使用DataX将HBase数据库中的全量数据同步到表格存储(Tablestore)中。

准备工作

  • 开通表格存储服务,并创建实例和数据表,详情请参见快速入门
    说明 创建数据表时建议使用HBase原主键或唯一索引作为表格存储数据表的主键。
  • 获取AccessKey,AccessKey包括AccessKey ID和AccessKey Secret),用来进行签名认证,详情请参见创建RAM用户

步骤一:下载DataX

DataX​是一个异构数据源离线同步工具,本示例中使用DataX将HBase中的数据同步到表格存储。

您可以选择下载DataX的源代码(开源)进行本地编译或者直接下载编译好的压缩包。

  • 下载DataX的源代码
    • GitHub下载
      安装Git工具,然后执行以下操作:
      git clone https://github.com/alibaba/DataX.git
    • 本地下载
  • 下载编译好的压缩包
    • DataX的GitHub地址中获取下载链接:
      https://github.com/alibaba/DataX
    • 本地下载

步骤二:Maven打包

如果您下载的是已编译好的DataX压缩包,请跳过此步骤。
说明 此步骤会在本地编译各种数据源的Writer和Reader,会花费较长的时间,请耐心等待。
  1. 进入到下载的源代码目录,并执行如下命令编译源代码。
    mvn -U clean package assembly:assembly -Dmaven.test.skip=true
  2. 编译完成后,进入/target/datax/datax目录,其中的目录说明请参见下表。
    目录 说明
    bin 存放着可执行的datax.py文件,是整个DataX工具的入口。
    plugin 存放支持各种类型数据源的Reader和Writer。
    conf 存放core.json文件,文件中定义了一些缺省参数值如channle流控、buffer大小等参数,一般无需修改。

步骤三:准备全量导出的JSON文件

DataX提供了HbaseReader插件从HBase中读取数据。在底层实现上,HbaseReader通过HBase的Java客户端连接远程HBase服务,并通过Scan方式读取指定rowkey范围内的数据,然后将读取的数据使用DataX自定义的数据类型拼装为抽象的数据集,并传递给下游Writer处理。

您可以根据HBase版本选择相应的Reader插件导出JSON文件。
说明 DataX仅提供HBase0.94、HBase1.1以及HBase2.0的导出插件,如需导出其他版本的HBase数据,请参考HBase API实现导出工具。

配置样例

使用Hbase1.1 XReader配置一个从HBase抽取数据到本地的作业(normal 模式):
{
    "job": {
        "setting": {
            "speed": {
                "channel": 1
            }
        },
        "content": [
            {
                "reader": {
                    "name": "hbase11xreader",
                    "parameter": {
                        "hbaseConfig": {
                            "hbase.zookeeper.quorum": "xxxf"
                        },
                        "table": "users",
                        "encoding": "utf-8",
                        "mode": "normal",
                        "column": [
                            {
                                "name": "rowkey",
                                "type": "string"
                            },
                            {
                                "name": "info: age",
                                "type": "string"
                            },
                            {
                                "name": "info: birthday",
                                "type": "date",
                                "format":"yyyy-MM-dd"
                            },
                            {
                                "name": "info: company",
                                "type": "string"
                            },
                            {
                                "name": "address: contry",
                                "type": "string"
                            },
                            {
                                "name": "address: province",
                                "type": "string"
                            },
                            {
                                "name": "address: city",
                                "type": "string"
                            }
                        ],
                        "range": {
                            "startRowkey": "",
                            "endRowkey": "",
                            "isBinaryRowkey": true
                        }
                    }
                },
                "writer": {
                    "name": "txtfilewriter",
                    "parameter": {
                        "path": "/Users/shf/workplace/datax_test/hbase11xreader/result",
                        "fileName": "qiran",
                        "writeMode": "truncate"
                    }
                }
            }
        ]
    }
}

步骤四:执行同步命令

执行如下命令同步数据。

python datax.py  -j"-Xms4g -Xmx4g" hbase_to_ots.json

其中-j"-Xms4g -Xmx4g"可以限制占用JVM内存的大小;如果不指定,将会使用conf/core.json中的配置,默认为1 GB。

相关操作

HBase数据迁移到表格存储后,您可以使用Tablestore SDK或者Tablestore HBase Client读取表格存储的数据,详情请参见从HBase Client迁移到Tablestore HBase Client