hbase MapReduce程序样例介绍及入门

问题导读
1.hbase作为数据读取源和输出源样例模板-包含那些过程？
2.通过下例你认为hdfs读入hbase有几种方式？
3.从hbase中的表作为数据源读取，hdfs作为数据输出，你认为的思路是什么？

1、先看一个标准的hbase作为数据读取源和输出源的样例：

Configuration conf = HBaseConfiguration.create();
Job job = new Job(conf, "job name ");
job.setJarByClass(test.class);
Scan scan = new Scan();
TableMapReduceUtil.initTableMapperJob(inputTable, scan, mapper.class,Writable.class, Writable.class, job);
TableMapReduceUtil.initTableReducerJob(outputTable, reducer.class, job);
job.waitForCompletion(true);
复制代码

首先创建配置信息和作业对象，设置作业的类。这些和正常的mapreduce一样，唯一不一样的就是数据源的说明部分，TableMapReduceUtil的initTableMapperJob和initTableReducerJob方法来实现。

用如上代码：
数据输入源是hbase的inputTable表，执行mapper.class进行map过程，输出的key/value类型是 ImmutableBytesWritable和Put类型，最后一个参数是作业对象。需要指出的是需要声明一个扫描读入对象scan，进行表扫描读取数据用，其中scan可以配置参数，这里为了例子简单不再详述。

数据输出目标是hbase的outputTable表，输出执行的reduce过程是reducer.class类，操作的作业目标是job。与map比缺少输出类型的标注，因为他们不是必要的，看过源代码就知道mapreduce的TableRecordWriter中write(key,value) 方法中，key值是没有用到的。value只能是Put或者Delete两种类型，write方法会自行判断并不用用户指明。

接下来就是mapper类：

public class mapper extends
                TableMapper<KEYOUT, VALUEOUT> {
 
        public void map(Writable key, Writable value, Context context)
                        throws IOException, InterruptedException {
                        //mapper逻辑
                        context.write(key, value);
                }
 
        }
}
复制代码

继承的是hbase中提供的TableMapper类，其实这个类也是继承的MapReduce类。后边跟的两个泛型参数指定类型是mapper输出的数据类型，该类型必须继承自Writable类，例如可能用到的put和delete就可以。需要注意的是要和initTableMapperJob 方法指定的数据类型一直。该过程会自动从指定hbase表内一行一行读取数据进行处理。

然后reducer类：

public class countUniteRedcuer extends
                TableReducer<KEYIN, VALUEIN, KEYOUT> {
        public void reduce(Text key, Iterable<VALUEIN> values, Context context)
                        throws IOException, InterruptedException {
                //reducer逻辑
                context.write(null, put or delete);
        }
}
复制代码

reducer继承的是TableReducer类。后边指定三个泛型参数，前两个必须对应map过程的输出key/value类型，第三个必须是 put或者delete。write的时候可以把key写null，它是不必要的。这样reducer输出的数据会自动插入outputTable指定的表内。

2、有时候我们需要数据源是hdfs的文本，输出对象是hbase。这时候变化也很简单：

Configuration conf = HBaseConfiguration.create();
Job job = new Job(conf, "job name ");
job.setJarByClass(test.class);
 
job.setMapperClass(mapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
FileInputFormat.setInputPaths(job, path);
 
TableMapReduceUtil.initTableReducerJob(tableName,reducer.class, job);
复制代码

你会发现只需要像平常的mapreduce的作业声明过程一样，指定mapper的执行类和输出key/value类型，指定 FileInputFormat.setInputPaths的数据源路径，输出声明不变。便完成了从hdfs文本读取数据输出到hbase的命令声明过程。 mapper和reducer如下：

public class mapper extends Mapper<LongWritable,Writable,Writable,Writable> {
        public void map(LongWritable key, Text line, Context context) {
                 //mapper逻辑
                 context.write(k, one);
        }
}
public class redcuer extends
                TableReducer<KEYIN, VALUEIN, KEYOUT> {
        public void reduce(Writable key, Iterable<Writable> values, Context context)
                        throws IOException, InterruptedException {
                //reducer逻辑
                context.write(null, put or delete);
        }
}
复制代码

mapper还依旧继承原来的MapReduce类中的Mapper即可。同样注意这前后数据类型的key/value一直性。

3、最后就是从hbase中的表作为数据源读取，hdfs作为数据输出，简单的如下：

Configuration conf = HBaseConfiguration.create();
Job job = new Job(conf, "job name ");
job.setJarByClass(test.class);
Scan scan = new Scan();
TableMapReduceUtil.initTableMapperJob(inputTable, scan, mapper.class,
                Writable.class, Writable.class, job);
job.setOutputKeyClass(Writable.class);
job.setOutputValueClass(Writable.class);
FileOutputFormat.setOutputPath(job, Path);
job.waitForCompletion(true);
复制代码

mapper和reducer简单如下：

public class mapper extends
                TableMapper<KEYOUT, VALUEOUT>{
 
        public void map(Writable key, Writable value, Context context)
                        throws IOException, InterruptedException {
                        //mapper逻辑
                        context.write(key, value);
                }
 
        }
}
 
public class reducer extends
                Reducer<Writable,Writable,Writable,Writable>  {
 
        public void reducer(Writable key, Writable value, Context context)
                        throws IOException, InterruptedException {
                        //reducer逻辑
                        context.write(key, value);
                }
        }
}
复制代码

最后说一下TableMapper和TableReducer的本质，其实这俩类就是为了简化一下书写代码，因为传入的4个泛型参数里都会有固定的参数类型，所以是Mapper和Reducer的简化版本，本质他们没有任何区别。源码如下：

public abstract class TableMapper<KEYOUT, VALUEOUT>
extends Mapper<ImmutableBytesWritable, Result, KEYOUT, VALUEOUT> {
}
 
public abstract class TableReducer<KEYIN, VALUEIN, KEYOUT>
extends Reducer<KEYIN, VALUEIN, KEYOUT, Writable> {
}
复制代码