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。