通过Spark访问Lindorm
本文主要介绍如何通过Spark访问Lindorm宽表。
访问准备
Lindorm宽表支持从Spark访问,您需要添加alihbase-connector的依赖,具体步骤如下:
确认Spark环境中依赖的开源HBase客户端版本以及安装目录,可以通过yarn logs -applicationId xxx查看具体执行日志中加载的版本和路径,hbase-client-xxx.jar。
确认添加alihbase-connector插件的版本,版本对应表请参见通过Maven方式升级HBase客户端。
下载对应版本的alihbase-connector,下载地址请参见通过导入JAR文件升级HBase客户端。
将alihbase-connector移动至开源HBase客户端目录。
添加Lindorm访问配置
方式一:通过配置文件添加访问配置。
在配置文件
hbase-site.xml
中增加下列配置项:<configuration> <!-- 集群的连接地址,在控制台页面的数据库连接界面获得(注意公网地址和VPC内网地址)。 --> <property> <name>hbase.zookeeper.quorum</name> <value>ld-xxxx-proxy-hbaseue.hbaseue.xxx.rds.aliyuncs.com:30020</value> </property> <!-- 设置用户名密码,默认root:root,可根据实际情况调整。 --> <property> <name>hbase.client.username</name> <value>root</value> </property> <property> <name>hbase.client.password</name> <value>root</value> </property> <!-- 如果您直接依赖了阿里云HBase客户端,则无需配置connection.impl参数,如果您依赖了alihbase-connector,则需要配置此参数。 --> <!--property> <name>hbase.client.connection.impl</name> <value>org.apache.hadoop.hbase.client.AliHBaseUEClusterConnection</value> </property--> </configuration>
方式二:通过代码在Configuration中添加参数。
// 新建一个Configuration Configuration conf = HBaseConfiguration.create(); // 集群的连接地址,在控制台页面的数据库连接界面获得(注意公网地址和VPC内网地址)。 conf.set("hbase.zookeeper.quorum", "ld-xxxx-proxy-hbaseue.hbaseue.xxx.rds.aliyuncs.com:30020"); // 设置用户名密码,默认root:root,可根据实际情况调整。 conf.set("hbase.client.username", "root") conf.set("hbase.client.password", "root") // 如果您直接依赖了阿里云HBase客户端,则无需配置connection.impl参数,如果您依赖了alihbase-connector,则需要配置此参数。 //conf.set("hbase.client.connection.impl", AliHBaseUEClusterConnection.class.getName());
Spark访问示例
test(" test the spark sql count result") {
//添加HBaseue访问配置
var conf = HBaseConfiguration.create
conf.set("hbase.zookeeper.quorum", "ld-xxxx-proxy-hbaseue.hbaseue.xxx.rds.aliyuncs.com:30020")
conf.set("hbase.client.username", "test_user")
conf.set("hbase.client.password", "password")
//创建表
val hbaseTableName = "testTable"
val cf = "f"
val column1 = cf + ":a"
val column2 = cf + ":b"
var rowsCount: Int = -1
var namespace = "spark_test"
val admin = ConnectionFactory.createConnection(conf).getAdmin()
val tableName = TableName.valueOf(namespace, hbaseTableName)
val htd = new HTableDescriptor(tableName)
htd.addFamily(new HColumnDescriptor(cf))
admin.createTable(htd)
//插入测试数据
val rng = new Random()
val k: Array[Byte] = new Array[Byte](3)
val famAndQf = KeyValue.parseColumn(Bytes.toBytes(column))
val puts = new util.ArrayList[Put]()
var i = 0
for (b1 <- ('a' to 'z')) {
for (b2 <- ('a' to 'z')) {
for (b3 <- ('a' to 'z')) {
if(i < 10) {
k(0) = b1.toByte
k(1) = b2.toByte
k(2) = b3.toByte
val put = new Put(k)
put.addColumn(famAndQf(0), famAndQf(1), ("value_" + b1 + b2 + b3).getBytes())
puts.add(put)
i = i + 1
}
}
}
}
val conn = ConnectionFactory.createConnection(conf)
val table = conn.getTable(tableName)
table.put(puts)
//创建spark表
val sparkTableName = "spark_hbase"
val createCmd = s"""CREATE TABLE ${sparkTableName} USING org.apache.hadoop.hbase.spark
| OPTIONS ('catalog'=
| '{"table":{"namespace":"$${hbaseTableName}", "name":"${hbaseTableName}"},"rowkey":"rowkey",
| "columns":{
| "col0":{"cf":"rowkey", "col":"rowkey", "type":"string"},
| "col1":{"cf":"cf1", "col":"a", "type":"string"},
| "col2":{"cf":"cf1", "col":"b", "type":"String"}}}'
| )""".stripMargin
println(" createCmd: \n" + createCmd + " rows : " + rowsCount)
sparkSession.sql(createCmd)
//执行count sql
val result = sparkSession.sql("select count(*) from " + sparkTableName)
val sparkCounts = result.collect().apply(0).getLong(0)
println(" sparkCounts : " + sparkCounts)