Hive系列文章

Hbase是一种NoSQL数据库，这意味着它不像传统的RDBMS数据库那样支持SQL作为查询语言。一种方法是使用hive关联hbase表，可以完成对hbase表的数据插入(insert)和查询(select)。

Hive和HBase的通信原理

Hive与HBase整合的实现是利用两者本身对外的API接口互相通信来完成的，这种相互通信是通过$HIVE_HOME/lib/hive-hbase-handler-{hive.version}.jar工具类实现的。通过HBaseStorageHandler，Hive可以获取到Hive表所对应的HBase表名，列簇和列，InputFormat、OutputFormat类，创建和删除HBase表等。Hive访问HBase中表数据，实质上是通过MapReduce读取HBase表数据，其实现是在MR中，使用HiveHBaseTableInputFormat完成对HBase表的切分，获取RecordReader对象来读取数据。对HBase表的切分原则是一个Region切分成一个Split,即表中有多少个Regions,MR中就有多少个Map；读取HBase表数据都是通过构建Scanner，对表进行全表扫描，如果有过滤条件，则转化为Filter。当过滤条件为rowkey时，则转化为对rowkey的过滤；Scanner通过RPC调用RegionServer的next()来获取数据；

基本通信原理如下：

hive-hbase

新建hive表关联hbase表

hive关联的hbase表，对应的hbase表如果不存在，会自动创建，test是hbase的一个namespace，相当于mysql中的database需要提前建好:create_namespace 'test'。

create table if not exists test.test
(
id string comment '用户id',
name string comment '姓名'
)
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
with serdeproperties("hbase.columns.mapping" = ":key,info:name")
tblproperties("hbase.table.name" = "test:test");

上面的命令创建了一张hive表，跟hbase表是联系在一起的，对应关系：

名称	含义
id	:key，即对应hbase表的rowkey
name	对应hbase的info列簇name字段
hive表名：test.test	hbase表名：test:test

表名可以不相同的，但是通常为了统一，表命建得相同。

通过hive插入数据到hbase表

如果有这么一个需求，我们想把hive一张结果表存一份数据到hbase，可以使用insert select方式，将hive表的数据插入到hbase表中去。假设现在有一张hive表test.test2：

hive> select * from test.test2;
OK
1   tom
2   jack
3   alice

将hive表test.test2的数据导入到hbase表：

insert into test.test select * from test.test2;

这就将数据导入hbase表了，这时候不管是在hive里面，还是hbase shell里面，都是可以直接查询到数据的。

hive> select * from test.test;
OK
1   tom
2   jack
3   alice

从hbase里面scan也是有数据的。

hbase(main):005:0> scan 'test:test'
ROW                              COLUMN+CELL                                                                                
 1                               column=info:name, timestamp=1590221288866, value=tom                                       
 2                               column=info:name, timestamp=1590221288866, value=jack                                      
 3                               column=info:name, timestamp=1590221288866, value=alice

实际数据是存储在hbase数据目录里面的：

[hadoop@slave3 ~]$ hdfs dfs -ls /hbase/data/test/test
Found 3 items
drwxr-xr-x   - hadoop supergroup          0 2020-05-23 16:05 /hbase/data/test/test/.tabledesc
drwxr-xr-x   - hadoop supergroup          0 2020-05-23 16:05 /hbase/data/test/test/.tmp
drwxr-xr-x   - hadoop supergroup          0 2020-05-23 16:05 /hbase/data/test/test/722a0bfced3a534029e5093ebba1d55c
[hadoop@slave3 ~]$ hdfs dfs -ls /user/hive/warehouse/test.db/test

对hbase表做统计查询

有时候我们想对hbase表的数据进行统计分析，可以通过mapreduce / spark API，通过代码逻辑统计分析，但是这些成本有点高，能用sql的尽量用sql做大数据分析，这时候hive关联hbase表查询就派上用场了。

hive> select name, count(1) from test.test group by name;

alice   1
jack    1
tom 1

hive关联hbase表

Hive和HBase的通信原理

新建hive表关联hbase表

通过hive插入数据到hbase表

对hbase表做统计查询

文章评论