Hbase BulkLoad机制

Hbase 是一种基于Hadoop的Nosql的数据库,有高吞吐量的特点,由于近几年国内大数据的概念的快速兴起,Hbase也因为它的高吞吐量和快速的检索能力,得到了越来越多人的青睐,虽说Hbase的吞吐量很高,但是在全量数据的Load的时候不能避免的碰到compact-split风暴,由于Hbase底层region的存储是基于HDFS实现的,所以官方推荐了一种快速进行数据Load的方式。


先附上两个链接:

http://www.cloudera.com/documentation/enterprise/5-3-x/topics/admin_hbase_import.html

http://hbase.apache.org/book.html#arch.bulk.load

上面两个链接一个是CDH官网的说明文档,另一个是Hbase的官方说明文档。

BulkLoad无疑是一种很好的机制,能帮我们快速的load数据到Hbase集群,而避免各种麻烦。
</br>

BulkLoad的原理和流程:

</br>

  1. 根据HDFS上的数据或者外部的数据生成Hbase的底层Hfile数据。
  2. 根据生成的目标Hfile,利用Hbase提供的BulkLoad工具将Hfile Load到Hbase目录下面。

流程图如下:


最近在实际中要针对某一个job,进行该job一段时期的浏览量的统计。具体代码如下:

public class JobBrowseCountToHbase {
private static final String bulkPath = "/home/xxx/xxx/job_browse_bulkload";

public static class JobBrowseMapper extends Mapper<Object, Text, Text, IntWritable>{
    public static String fileName = null;        
    @Override
    protected void setup(Context context)
            throws IOException, InterruptedException {
/*        if(context.getInputSplit() instanceof FileSplit){
            FileSplit split = (FileSplit)context.getInputSplit();
            Path filePath = split.getPath();
            fileName = filePath.getName();
            System.out.println("splitPath is "+filePath.toString()+" splitName is "+fileName);
        }*/
    }
    
    @Override
    protected void map(Object key, Text value, Context context)
            throws IOException, InterruptedException {
        String itermContent = value.toString();
        String iterms[] = itermContent.split("\t");
        /*StringBuffer buff = new StringBuffer();
        for(String it : iterms){
            buff.append(it).append("###");
        }
        System.out.println(buff.toString());*/
        if(iterms.length>=26&&iterms[iterms.length-1]!=null&&iterms[iterms.length-1].equals("pv")&&isNotBlank(iterms[iterms.length-2])){
            String UrlUndecode = iterms[25];
            if(UrlUndecode!=null && !"".equals(UrlUndecode)){
                String Urldecode = URLDecoder.decode(UrlUndecode);
                if(Urldecode!=null && !"".equals(Urldecode)){
                    if(Urldecode.matches("^(http://www.xxx.com/job/){1}[0-9a-z.]*")||Urldecode.matches("^(http://m.xxx.com/job/){1}[0-9a-z.]*")){
                        String pathContent[] = Urldecode.split("/");
                        String itermUrl = pathContent[pathContent.length-1];
                        if(itermUrl!=null){
                            String jobs[] = itermUrl.split("\\.");
                            String jobId = jobs[0];
                            String comId = iterms[iterms.length-2];
                            if(isNotBlank(comId)&&!comId.equals("-")){
                                String addtimeAll = iterms[19];
                                if(isNotBlank(addtimeAll)){
                                    String addtime = addtimeAll.substring(0, 8);
                                    String rowkey1 = comId+"_"+"1"+"_"+addtime+"_"+jobId;
                                    String rowkey2 = comId+"_"+"2"+"_"+jobId+"_"+addtime;
                                    context.write(new Text(rowkey1), new IntWritable(1));
                                    context.write(new Text(rowkey2), new IntWritable(1));
                                }
                            }
                        }
                    }
                }
            }
        }
        
                    
    }
    
    @Override
    protected void cleanup(Context context)
            throws IOException, InterruptedException {
        
            
    }

    public boolean isNotBlank(String content){
        if(content!=null&&!"".equals(content)){
            return true;
        }
        return false;
    }
            
}


public static class JobBrowseReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    @Override
    protected void cleanup(Context context)
            throws IOException, InterruptedException {
    }

    @Override
    protected void reduce(Text text, Iterable<IntWritable> iterator,
            Context context) throws IOException, InterruptedException {
        if(text!=null&&!"".equals(text.toString())){
            int browseCount = 0;
            for(IntWritable count : iterator){
                browseCount += count.get();
            }
            context.write(text, new IntWritable(browseCount));
        }
    }

    @Override
    protected void setup(Context context)
            throws IOException, InterruptedException {
        
    }
    
}

public static class LoadJobBrowseToHbaseMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, KeyValue>{

    @Override
    protected void map(LongWritable key, Text value,Context context)
            throws IOException, InterruptedException {
        
        String content = value.toString();
        String kvContents[] = content.split("\t");
        if(kvContents.length>=2){
            byte[] rowkey = Bytes.toBytes(kvContents[0]);
            ImmutableBytesWritable rowKeyWritable = new ImmutableBytesWritable(rowkey);
            KeyValue lv = new KeyValue(rowkey,Bytes.toBytes("info"),Bytes.toBytes("count"),Bytes.toBytes(kvContents[1]));
            context.write(rowKeyWritable, lv);
        }
        
    }    
}


public static void main(String args[]) throws Exception{
    String tableName = "hdp_xxx:xxx_job_browse";
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length < 2) {
      System.err.println("Usage: wordcount <in> [<in>...] <out>");
      System.exit(2);
    }
    conf.set("mapreduce.job.queuename", "root.offline.xxx.normal");
    
    Job job = Job.getInstance(conf, "job_browse_to_hdfs");
    job.setJarByClass(JobBrowseCountToHbase.class);
    job.setMapperClass(JobBrowseMapper.class);
    job.setReducerClass(JobBrowseReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileSystem fs = FileSystem.get(conf);
    for (int i = 0; i < otherArgs.length - 1; i++) {
      FileInputFormat.setInputPaths(job, new Path(otherArgs[i]));
    }
    if(fs.exists(new Path(otherArgs[otherArgs.length - 1]))){
        fs.delete(new Path(otherArgs[otherArgs.length - 1]));
    }
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[(otherArgs.length - 1)]));        
    job.setNumReduceTasks(20);
    int flag = job.waitForCompletion(true) ? 0 : 1;
   
    
    Job LoadHbaseJob = new Job(conf, "job_browse_to_hbase");
    LoadHbaseJob.setJarByClass(JobBrowseCountToHbase.class);
    LoadHbaseJob.setMapperClass(LoadJobBrowseToHbaseMapper.class);
 /*   
    LoadHbaseJob.setMapOutputKeyClass(ImmutableBytesWritable.class);  configureIncrementalLoad中已经添加了
    LoadHbaseJob.setMapOutputValueClass(KeyValue.class);
    */
    if(fs.exists(new Path(bulkPath))){
        fs.delete(new Path(bulkPath));//输出目录如果存在,先删除掉
    }
    
    FileInputFormat.addInputPath(LoadHbaseJob, new Path(otherArgs[otherArgs.length - 1]));
    FileOutputFormat.setOutputPath(LoadHbaseJob,new Path(bulkPath)); 
    
    Configuration hbaseConfiguration = HBaseConfiguration.create();
    HTable wordCountTable = new HTable(hbaseConfiguration, tableName);
    HFileOutputFormat2.configureIncrementalLoad(LoadHbaseJob, wordCountTable);        
    int LoadHbaseJobFlag = LoadHbaseJob.waitForCompletion(true) ? 0 : 1;
    
    LoadIncrementalHFiles loader = new LoadIncrementalHFiles(hbaseConfiguration);
    loader.doBulkLoad(new Path(bulkPath), wordCountTable);
    
    System.out.println("Load Hbase Sucess");
    System.exit(LoadHbaseJobFlag);
    
    
}

}

由上面的代码可以看到,整个过程分两个job进行实现,第一个job是进行数据的统计,第二个job进行的数据的bulkLoad。
上面代码中几个关键点如下:

  1. map中写两次的原因,因为统计需求是要针对企业和job两个维度去进行,所以进行了rowkey的冗余存储,这样存储便于用一张表实现两种需求。

  2. HFileOutputFormat2.configureIncrementalLoad(LoadHbaseJob, wordCountTable)。这段代码至关重要,Hbase存储的数据是按照rowkey进行排序存储的,所以在生成Hfile之前要对数据进行排序。此段代码里面包含了对三种value的排序:

     Configuration conf = job.getConfiguration();
     job.setOutputKeyClass(ImmutableBytesWritable.class);
     job.setOutputValueClass(KeyValue.class);
     job.setOutputFormatClass(cls);
     if (KeyValue.class.equals(job.getMapOutputValueClass())) {
         job.setReducerClass(KeyValueSortReducer.class);
     } else if (Put.class.equals(job.getMapOutputValueClass())) {
         job.setReducerClass(PutSortReducer.class);
     } else if (Text.class.equals(job.getMapOutputValueClass())) {
         job.setReducerClass(TextSortReducer.class);
     } else {
         LOG.warn("Unknown map output value type:" + job.getMapOutputValueClass());
     }
     conf.setStrings("io.serializations",
             new String[] { conf.get("io.serializations"), MutationSerialization.class.getName(),
                     ResultSerialization.class.getName(), KeyValueSerialization.class.getName() });
    
     LOG.info("Looking up current regions for table " + table.getName());
     List<ImmutableBytesWritable> startKeys = getRegionStartKeys(regionLocator);
     LOG.info("Configuring " + startKeys.size() + " reduce partitions " + "to match current region count");
    
     job.setNumReduceTasks(startKeys.size());
    
     configurePartitioner(job, startKeys);
    
     configureCompression(table, conf);
     configureBloomType(table, conf);
     configureBlockSize(table, conf);
     configureDataBlockEncoding(table, conf);
    
     TableMapReduceUtil.addDependencyJars(job);
     TableMapReduceUtil.initCredentials(job);
     LOG.info("Incremental table " + table.getName() + " output configured."); 
    

从上面可以看出,这段代码为job设置了Reduce任务,在Reduce中进行了排序,同时支持了下面上面的几种value的类型。

BulkLoad的使用场景:

</br>
盗用下CDH官方的文档说明:
Use Cases for BulkLoad:

1.Loading your original dataset into HBase for the first time - Your initial dataset might be quite large, and bypassing the HBase write path can speed up the process considerably.

2.Incremental Load - To load new data periodically, use BulkLoad to import it in batches at your preferred intervals. This alleviates latency problems and helps you to achieve service-level agreements (SLAs). However, one trigger for compaction is the number of HFiles on a RegionServer. Therefore, importing a large number of HFiles at frequent intervals can cause major compactions to happen more often than they otherwise would, negatively impacting performance. You can mitigate this by tuning the compaction settings such that the maximum number of HFiles that can be present without triggering a compaction is very high, and relying on other factors, such as the size of the Memstore, to trigger compactions.

3.Data needs to originate elsewhere - If an existing system is capturing the data you want to have in HBase and needs to remain active for business reasons, you can periodically BulkLoad data from the system into HBase so that you can perform operations on it without impacting the system.

从上面看出来bulkload不是只能在初始的时候进行一次加载的,如果你的业务是每天定时更新数据,每天bulkload也是挺好的方案。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,542评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,596评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,021评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,682评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,792评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,985评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,107评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,845评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,299评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,612评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,747评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,441评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,072评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,828评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,069评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,545评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,658评论 2 350

推荐阅读更多精彩内容