使用Hive读取Hbase中的数据

victorzhzh

第一步，启动hadoop，命令：./start-all.sh
第二步，启动hive，命令：
./hive --auxpath /home/dream-victor/hive-0.6.0/lib/hive_hbase-handler.jar,/home/dream-victor/hive-0.6.0/lib/hbase-0.20.3.jar,/home/dream-victor/hive-0.6.0/lib/zookeeper-3.2.2.jar -hiveconf hbase.master=127.0.0.1:60000
这里，-hiveconf hbase.master=指向自己在hbase-site.xml中hbase.master的值
第三步，启动hbase，命令：./start-hbase.sh
第四步，建立关联表，这里我们要查询的表在hbase中已经存在所以，使用CREATE EXTERNAL TABLE来建立，如下：
CREATE EXTERNAL TABLE hbase_table_2(key string, value string) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = "data:1") TBLPROPERTIES("hbase.table.name" = "test");   hbase.columns.mapping指向对应的列族；多列时，data:1，data:2；多列族时，data1:1,data2:1；
 hbase.table.name指向对应的表；
 hbase_table_2(key string, value string)，这个是关联表
我们看一下HBase中要查询的表的结构，
hbase(main):001:0> describe 'test'DESCRIPTION                                                             ENABLED                                {NAME => 'test', FAMILIES => [{NAME => 'data', COMPRESSION => 'NONE',  true                                   VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_MEMORY                                         => 'false', BLOCKCACHE => 'true'}]}                                                                          1 row(s) in 0.0810 secondshbase(main):002:0> 在看一下表中的数据，
hbase(main):002:0> scan 'test'ROW                          COLUMN+CELL                                                                       row1                        column=data:1, timestamp=1300847098583, value=value1                              row12                       column=data:1, timestamp=1300849056637, value=value3                              row2                        column=data:2, timestamp=1300847106880, value=value2                             3 row(s) in 0.0160 secondshbase(main):003:0>  列族：data:1、data:2两个
 Key：row1、row12、row2
 value：value1、value3、value2
 hbase_table_2(key string, value string)中对应的test表中的row，value字段对应的是test表中的value
OK，现在可以来看看查询结果了，
我们在hive命令行中先查看一下hbase_table_2，
hive> select * from hbase_table_2;OKrow1value1row12value3Time taken: 0.197 secondshive> 对比一下test表中的列族为data:1的数据，
row1                        column=data:1, timestamp=1300847098583, value=value1                              row12                       column=data:1, timestamp=1300849056637, value=value3  和查询结果相符，没问题，然后我们在hbase中在给列族data:1新增一条数据，
hbase(main):003:0> put 'test','row13','data:1','value4'0 row(s) in 0.0050 secondshbase(main):004:0> 再查看hbase_table_2表，
hive> select * from hbase_table_2;OKrow1value1row12value3row13value4Time taken: 0.165 secondshive>  新增数据value4出现了，说明可以通过hbase_table_2查询hbase的test表
下面我们来查询一下test表中value值为value3的数据，
hive> select * From hbase_table_2 where value='value3';Total MapReduce jobs = 1Launching Job 1 out of 1Number of reduce tasks is set to 0 since there's no reduce operatorStarting Job = job_201103231022_0001, Tracking URL = http://localhost:50030/jobdetails.jsp?jobid=job_201103231022_0001Kill Command = /home/dream-victor/hadoop-0.20.2/bin/hadoop job  -Dmapred.job.tracker=localhost:9001 -kill job_201103231022_00012011-03-23 11:23:27,807 Stage-1 map = 0%,  reduce = 0%2011-03-23 11:23:30,824 Stage-1 map = 100%,  reduce = 0%2011-03-23 11:23:33,854 Stage-1 map = 100%,  reduce = 100%Ended Job = job_201103231022_0001OKrow12value3Time taken: 11.929 secondshive> 和hbase的test表对比一下，
row12                       column=data:1, timestamp=1300849056637, value=value3 OK，这样我们就可以使用SQL来对hbase进行查询了。
 
以上只是在命令行里左对应的查询，我们的目的是使用JAVA代码来查询出有用的数据，其实这个也很简单，
首先，启动Hive的命令有点变化，使用如下命令：
./hive --service hiveserver 这里我们默认使用嵌入的Derby数据库，这里可以在hive-site.xml文件中查看到：
<property>  <name>javax.jdo.option.ConnectionURL</name>  <value>jdbc:derby:;databaseName=metastore_db;create=true</value>//指定了数据库默认的名字和地址</property><property>  <name>javax.jdo.option.ConnectionDriverName</name>  <value>org.apache.derby.jdbc.EmbeddedDriver</value></property> 在此，数据库链接的URL可以使用默认的：jdbc:hive://localhost:10000/default
 有了上面的准备，下面我们就可以使用JAVA代码来读取数据了，如下：
public class HiveTest extends TestCase {private static String driverName = "org.apache.hadoop.hive.jdbc.HiveDriver";private Connection con;private boolean standAloneServer = true;public void testSelect() throws SQLException {Statement stmt = con.createStatement();ResultSet res = stmt.executeQuery("select * from hbase_table_2");boolean moreRow = res.next();while (moreRow) {System.out.println(res.getString(1)+","+res.getString(2));moreRow = res.next();}}@Overrideprotected void setUp() throws Exception {super.setUp();Class.forName(driverName);con = DriverManager.getConnection("jdbc:hive://localhost:10000/default", "", "");}} 结果，
row1,value1row12,value3row13,value4row14,test 查看一下hbase中的结果，
ROW                          COLUMN+CELL                                                                       row1                        column=data:1, timestamp=1300847098583, value=value1                              row12                       column=data:1, timestamp=1300849056637, value=value3                              row13                       column=data:1, timestamp=1300850443699, value=value4                              row14                       column=data:1, timestamp=1300867550502, value=test OK，完美了，不过还是希望这样的需求少一点，毕竟Hbase产生的初衷不是为了支持结构化查询。