discuz论坛apache日志hadoop大数据分析项目：hive以及hbase是如何入库以及代码实现
about云discuz论坛apache日志hadoop大数据分析项目： 数据时如何导入hbase与hive的到了这里项目的基本核心功能已经完成。这里介绍一下hive以及hbase是如何入库以及代码实现。首先我们将hbase与hive整合，详细参考
about云分析discuz论坛apache日志hadoop大数据项目：hive与hbase是如何整合使用的
about云分析discuz论坛apache日志hadoop大数据项目：hive与hbase是如何整合使用的
整合完毕，我们就可以通过mapreduce把数据导入hbase，当然在导入hbase的同时，hive数据同时也可以查询出结果。
那么我们是如何导入hbase的，思路前面已经介绍，这里采用的是hbase put。以后的版本中，我们将采用多种方法来实现此功能包括hive分区、hbase后面如果遇到问题，我们可能还会重构。
开发环境介绍：
1.Eclipse
2.Hadoop2.2
3.hbase-0.98.3-hadoop2
思路：
在导入hbase的过程中，我们直接使用了mapreduce中的map函数，reduce在这里对我们没有太大的用处，我们这里借助的是mapreduce的分布式，提高查询效率。
mapreduce中map函数主要实现了哪些功能
1.清洗数据
通过
public static void StringResolves(String line, Context context)
函数实现
2.数据的导入
通过public static void addData(String rowKey, String tableName, String[] column1, String[] value1, Context context)
函数实现
static/image/hrline/2.gif
下面贴上代码：
HbaseMain.java代码
package www.aboutyun.com;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class HbaseMain {
static final String INPUT_PATH = "hdfs://master:8020/test.txt";
static final String OUT_PATH = "hdfs://master:8020/Output";
public static void main(String[] args) throws IOException,
InterruptedException, ClassNotFoundException {
// 主类
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, HbaseMain.class.getSimpleName());
job.setJarByClass(HbaseMain.class);
// 寻找输入
FileInputFormat.setInputPaths(job, INPUT_PATH);
// 1.2对输入数据进行格式化处理的类
job.setInputFormatClass(TextInputFormat.class);
job.setMapperClass(HbaseMap.class);
// 1.2指定map输出类型<key,value>类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
job.setNumReduceTasks(0);
// 指定输出路径
FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));
job.waitForCompletion(true);
}
}
HbaseMap.java代码
package www.aboutyun.com;
import java.io.IOException;
import java.text.DateFormat;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Locale;
import java.util.Random;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Mapper.Context;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
public class HbaseMap extends Mapper<LongWritable, Text, Text, IntWritable> {
private static Configuration conf = null;
/**
* 初始化配置
*/
static {
conf = HBaseConfiguration.create();
conf.set("hbase.zookeeper.quorum", "master");// 使用eclipse时必须添加这个，否则无法定位
conf.set("hbase.zookeeper.property.clientPort", "2181");
}
/**************************************************************************/
public void map(LongWritable key, Text line, Context context)
throws IOException, InterruptedException {
try {
StringResolves(line.toString(), context);
} catch (ParseException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
/**************************************************************************/
// 字符串解析
public static void StringResolves(String line, Context context)
throws ParseException {
String ipField, dateField, urlField, browserField;
// 获取ip地址
ipField = line.split("- -").trim();
// 获取时间,并转换格式
int getTimeFirst = line.indexOf("[");
int getTimeLast = line.indexOf("]");
String time = line.substring(getTimeFirst + 1, getTimeLast).trim();
Date dt = null;
DateFormat df1 = DateFormat.getDateTimeInstance(DateFormat.LONG,
DateFormat.LONG);
dt = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss Z", Locale.US)
.parse(time);
dateField = df1.format(dt);
SimpleDateFormat sdf = new SimpleDateFormat("yyyyMMddHHMM");
String dateField1 = sdf.format(dt);
// 获取url
String[] getUrl = line.split("\"");
String firtGeturl = getUrl.substring(3).trim();
String secondGeturl = getUrl.trim();
urlField = firtGeturl + "分隔符" + secondGeturl;
// 获取浏览器
String[] getBrowse = line.split("\"");
String strBrowse = getBrowse.toString();
String str = "(KHTML, like Gecko)";
int i = strBrowse.indexOf(str);
strBrowse = strBrowse.substring(i);
String strBrowse1[] = strBrowse.split("\\/");
strBrowse = strBrowse1.toString();
String strBrowse2[] = strBrowse.split("\\)");
browserField = strBrowse2.trim();
// 添加到数据库
String rowKey = ipField + dateField1 + urlField
+ new Random().nextInt();
String[] cols = new String[] { "IpAddress", "AccressTime", "Url",
"UserBrowser", };
String[] colsValue = new String[] { ipField, dateField, urlField,
browserField };
try {
addData(rowKey, "LogTable", cols, colsValue, context);
context.write(new Text("1"), new IntWritable(1));
} catch (IOException | InterruptedException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
/*
* 为表添加数据（适合知道有多少列族的固定表）
*
* @rowKey rowKey
*
* @tableName 表名
*
* @column1 第一个列族列表
*
* @value1 第一个列的值的列表
*/
public static void addData(String rowKey, String tableName,
String[] column1, String[] value1, Context context)
throws IOException {
Put put = new Put(Bytes.toBytes(rowKey));// 设置rowkey
HTable table = new HTable(conf, Bytes.toBytes(tableName));// HTabel负责跟记录相关的操作如增删改查等//
// 获取表
HColumnDescriptor[] columnFamilies = table.getTableDescriptor() // 获取所有的列族
.getColumnFamilies();
for (int i = 0; i < columnFamilies.length; i++) {
String familyName = columnFamilies.getNameAsString(); // 获取列族名
if (familyName.equals("Info")) { // info列族put数据
for (int j = 0; j < column1.length; j++) {
put.add(Bytes.toBytes(familyName),
Bytes.toBytes(column1), Bytes.toBytes(value1));
}
}
}
table.put(put);
// context.write(new Text(rowKey), null);
System.out.println("add data Success!");
}
}
后面我们将会不断完善此功能。
上面的一些准备工作，就不要说了，这里展现一下运行后的效果：
hive效果图
Hbase效果图
这样就达到了效果。后面我们使用hive统计，然后通过将统计结果展示，项目基本完成，后面就不断完善即可。
上文中test.txt数据
static final String INPUT_PATH = "hdfs://master:8020/test.txt";
好文章，是干货，希望能给大家学习带来帮助。 下载下来后，发现Job job = Job.getInstance(conf, HbaseMain.class.getSimpleName());这句有问题，我查看API没有发现Job有getInstance方法 我自己找到问题了，版本不同，2.2有 在window下测试上面的代码一直报：Error: java.lang.ClassNotFoundException: org.apache.hadoop.hbase.HBaseConfiguration；本地开发环境Hbase包已引入，集群环境在hadoop下的lib下建了个lib_hbase文件夹来存放HBase的包，还是报上面的错误
大神给看看. 为什么我测试后Hive中的数据中文乱码了？
admln 发表于 2014-12-17 12:27
为什么我测试后Hive中的数据中文乱码了？
检测自己的程序编码
pig2 发表于 2014-12-17 12:31
检测自己的程序编码
hbase 中的数据是一样的，但是用hive查就是了乱码，hdfs上文件的编码，程序的编码，都改过了。
admln 发表于 2014-12-30 18:29
hbase 中的数据是一样的，但是用hive查就是了乱码，hdfs上文件的编码，程序的编码，都改过了。
不好意思，问了这么傻的问题，是secureCRT的编码问题。
干货啊。。。
页:
[1]
2