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)
复制代码

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

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);

        }
}
复制代码

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("- -")[0].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[1].substring(3).trim();

                String secondGeturl = getUrl[3].trim();
                urlField = firtGeturl + "分隔符" + secondGeturl;

                // 获取浏览器
                String[] getBrowse = line.split(""");
                String strBrowse = getBrowse[5].toString();
                String str = "(KHTML, like Gecko)";
                int i = strBrowse.indexOf(str);
                strBrowse = strBrowse.substring(i);
                String strBrowse1[] = strBrowse.split("\\/");
                strBrowse = strBrowse1[0].toString();
                String strBrowse2[] = strBrowse.split("\\)");
                browserField = strBrowse2[1].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[i].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[j]), Bytes.toBytes(value1[j]));
                                }
                        }

                }
                table.put(put);
                // context.write(new Text(rowKey), null);
                System.out.println("add data Success!");
        }

}
复制代码

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";

test.zip (1.04 KB, 下载次数: 77, 售价: 1 云币)

poppowerlb2 · 发表于 2014-8-11 09:39:01

好文章，是干货，希望能给大家学习带来帮助。

break-spark · 发表于 2014-11-5 17:52:19

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

break-spark · 发表于 2014-11-5 18:02:27

我自己找到问题了，版本不同，2.2有

break-spark · 发表于 2014-11-6 16:14:11

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.