本文简单介绍如何使用 E-MapReduce Hive 关联云 HBase 的表。云HBase 需要借助外部 Hive 对多表进行关联分析。

说明 后续云 HBase 将集成 Spark,更加建议使用Spark 分析 HBase 数据。

准备工作

  • 购买按量计费的 EMR 集群,配置依据实际场景确定,注意云 HBase 要和 EMR 处在同一 VPC 下,建议不开启高可用。
  • 将 EMR 所有节点的 IP 加入到云 HBase 白名单。

    获取云 HBase 的 Zookeeper 访问地址,可在云 HBase 控制台查看。

    check_hbase
  • 由于云 HBase 的 HDFS 端口默认是不开的,需要联系工作人员开通。

实施步骤

  1. 使用 SSH 方式登录到集群,可参考 SSH 登录集群
  2. 修改 Hive 配置。
    • 进入 Hive 配置目录 /etc/ecm/hive-conf/
    • 修改 hbase-site.xml,将 hbase.zookeeper.quorum 的值修改为云 HBase 的 Zookeeper 访问连接:
      <property>
                 <name>hbase.zookeeper.quorum</name>
                 <value>hb-bp183x4tu8x7q****-001.hbase.rds.aliyuncs.com,hb-bp1mhyea7754b****-002.hbase.rds.aliyuncs.com,hb-bp1mhyea7754b****-003.hbase.rds.aliyuncs.com</value>
            </property>
  3. Hive 中创建云 HBase 表。
    • 如果 HBase 表不存在,可在 Hive 中直接创建云 HBase 关联表。
      1. 输入 hive 命令进入 Hive cli 命令行。
      2. 创建 HBase 表。
        CREATE TABLE hive_hbase_table(key int, value string) 
        STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
        WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")
        TBLPROPERTIES ("hbase.table.name" = "hive_hbase_table", "hbase.mapred.output.outputtable" = "hive_hbase_table");
      3. Hive 中向 HBase 插入数据。
        insert into hive_hbase_table values(212,'bab');
        insert_data
      4. 查看云 HBase 表,HBase 表已创建,数据也已经写入。check_hbase_tablecheck_hbase_info
      5. 在 HBase 中写入数据。insert_data

        在 Hive 中查看。

        check_hive
      6. Hive 删除表,HBase 表也一并删除。delete_table_hive

        查看 HBase 表,报错不存在表。

        check_hbase_table
    • 如果 HBase 表已存在,可在 Hive 中 HBase 外表进行关联,外部表在删除时不影响 HBase 已创建表。
      1. 云 HBase 中创建 HBase 表,并 put 测试数据。create_table_hbase
      2. Hive 中创建 HBase 外部关联表,并查看数据。create_table_out
      3. 删除 Hive 表不影响 HBase 已存在的表。delete_table_hivedelete_info_hive

总结

Hive 更多操作 HBase 步骤,请参见HBaseIntegration。如果使用 ECS 自建 MR 集群的Hive 时,操作步骤跟 EMR 操作类似,需要注意的是自建 Hive 的 hbase-site.xml 部分配置项可能与云 HBase 不一致,简单来说网络和端口开放后,只保留 hbase.zookeeper.quorum 即可与云 HBase 进行关联。