Java Spark读取Hbase数据,将结果写入HDFS文件

环境:Hadoop2.6,Spark2.1, jdk1.8

注意:hadoop集群启用了kerberos认证,不带认证的需要根据注释简单修改几行代码即可

一、案例Java编程

要求:读取Hbase表zyl_user,按年龄降序将对应的人进行排序输出到HDFS上。

 

数据表zyl_user如下:

hbase(main):002:0> scan 'zyl_user'
ROW                                COLUMN+CELL                                                                                         
 29008976151_1_2017                column=F1:age, timestamp=1500271723360, value=12                                                    
 29008976151_1_2017                column=F1:name, timestamp=1500271723360, value=wz                                                   
 29008976151_1_2017                column=F1:tel, timestamp=1500271723360, value=15167980092                                           
 42339809631_1_2017                column=F1:age, timestamp=1500271723360, value=25                                                    
 42339809631_1_2017                column=F1:name, timestamp=1500271723360, value=zyl                                                  
 42339809631_1_2017                column=F1:tel, timestamp=1500271723360, value=13690893324                                           
 52083010871_1_2017                column=F1:age, timestamp=1500271723367, value=19                                                    
 52083010871_1_2017                column=F1:name, timestamp=1500271723367, value=gd                                                   
 52083010871_1_2017                column=F1:tel, timestamp=1500271723367, value=17801038025                                           
 76230910931_1_2017                column=F1:age, timestamp=1500271723360, value=31                                                    
 76230910931_1_2017                column=F1:name, timestamp=1500271723360, value=hxy                                                  
 76230910931_1_2017                column=F1:tel, timestamp=1500271723360, value=13901903267                                           
 9813099-5660_1_2017               column=F1:age, timestamp=1500271723360, value=11                                                    
 9813099-5660_1_2017               column=F1:name, timestamp=1500271723360, value=gmx                                                  
 9813099-5660_1_2017               column=F1:tel, timestamp=1500271723360, value=0665-9903189                                          
5 row(s) in 0.3240 seconds

二、java代码:

package com.test.hbase;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableInputFormat;
import org.apache.hadoop.hbase.protobuf.ProtobufUtil;
import org.apache.hadoop.hbase.protobuf.generated.ClientProtos;
import org.apache.hadoop.hbase.util.Base64;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.security.UserGroupInformation;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.PairFunction;
import scala.Tuple2;

public class DataFromHbase {
    public static void main(String[] args) {
        // 集群启用了kerberos认证
//        Configuration configuration = kerberos();//集群启用了kerberos认证,没有认证的话,将这行注释掉即可
        Configuration configuration = new Configuration();
        String tableName = "zyl_user";
        String FAMILY = "F1";
        String COLUM_NAME = "name";
        String COLUM_AGE = "age";

        SparkConf sparkConf = new SparkConf().setAppName("SparkDataFromHbase");//.setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(sparkConf);

        // Hbase配置
        Configuration hconf = HBaseConfiguration.create(configuration);// kerberos认证集群必须传递已经认证过的conf
        hconf.set("hbase.zookeeper.quorum", "cdh129130,cdh129136,cdh129144");
        hconf.set("hbase.zookeeper.property.clientPort", "2181");
        hconf.set(TableInputFormat.INPUT_TABLE, tableName);

        Scan scan = new Scan();
        scan.addFamily(Bytes.toBytes(FAMILY));
        scan.addColumn(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_AGE));
        scan.addColumn(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_NAME));
        try {
            //添加scan
            ClientProtos.Scan proto = ProtobufUtil.toScan(scan);
            String ScanToString = Base64.encodeBytes(proto.toByteArray());
            hconf.set(TableInputFormat.SCAN, ScanToString);

            //读HBase数据转化成RDD
            JavaPairRDD hbaseRDD = sc.newAPIHadoopRDD(hconf, 
                    TableInputFormat.class, ImmutableBytesWritable.class, Result.class);
            hbaseRDD.cache();// 对myRDD进行缓存
            System.out.println("数据总条数:" + hbaseRDD.count());

            //将Hbase数据转换成PairRDD,年龄:姓名
            JavaPairRDD mapToPair = hbaseRDD.mapToPair(new PairFunction                     Result>, Integer, String>() {
                private static final long serialVersionUID = -2437063503351644147L;

                @Override
                public Tuple2 call(
                        Tuple2 resultTuple2)throws Exception {
                    byte[] o1 = resultTuple2._2.getValue(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_NAME));//取列的值
                    byte[] o2 = resultTuple2._2.getValue(Bytes.toBytes(FAMILY), Bytes.toBytes(COLUM_AGE));//取列的值
                    return new Tuple2(new Integer(new String(o2)), new String(o1));
                }
            });
            
            //按年龄降序排序
            JavaPairRDD sortByKey = mapToPair.sortByKey(false);
            //写入数据到hdfs系统
            sortByKey.saveAsTextFile("hdfs://********:8020/tmp/test");
            
            hbaseRDD.unpersist();
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
        }

    }

    /**
     * kerberos认证
     */
    public static Configuration kerberos() {
        String krb5Path = "E:/kerberos/129/krb5.conf";
        String principal = "hbase/XXX@MYCDH";
        String keytabPath = "E:/kerberos/129/hbase.keytab";
        Configuration configuration = new Configuration();
        configuration.set("hadoop.security.authentication", "Kerberos");
        System.setProperty("java.security.krb5.conf", krb5Path);
        configuration.set("hbase.security.authentication", "Kerberos");
        configuration.set("hbase.master.kerberos.principal",
                "hbase/_HOST@MYCDH");
        configuration.set("hbase.regionserver.kerberos.principal",
                "hbase/_HOST@MYCDH");

        UserGroupInformation.setConfiguration(configuration);
        try {
            UserGroupInformation.loginUserFromKeytab(principal, keytabPath);
        } catch (IOException e) {
            e.printStackTrace();
            System.exit(1);
        }
        System.out.println("********** HBase Succeeded in authenticating through Kerberos! **********");

        return configuration;
    }

}

 

三、pom.xml文件

    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    4.0.0

    com.tydic
    SparkDemo
    0.0.1-SNAPSHOT
    jar

    SparkDemo
    http://maven.apache.org

    
        UTF-8
    

    

        
            jdk.tools
            jdk.tools
            1.7
            system
            ${JAVA_HOME}/lib/tools.jar
        

        
            org.apache.spark
            spark-core_2.10
            1.6.0
        

        
            org.apache.hbase
            hbase
            1.0.0
            pom
        


        
            org.apache.hbase
            hbase-client
            1.0.0
        

        
            org.apache.hbase
            hbase-common
            1.0.0
        

        
            org.apache.hadoop
            hadoop-common
            2.6.0
        

        
            org.apache.hbase
            hbase-server
            1.0.0
        

    
    
    
    
        
        
        
            
                maven-compiler-plugin
                3.1
                
                    1.8
                    1.8
                

            

            
                org.apache.maven.plugins
                maven-jar-plugin
                2.4
                
                    
                        
                            true
                            lib/
                            com.zyl.hbase.DataFromHbase
                        

                    

                

            

            
            
                org.apache.maven.plugins
                maven-dependency-plugin
                
                    
                        copy
                        package
                        
                            copy-dependencies
                        

                        
                             ${project.build.directory}/lib
                            

                        

                    

                

            

        
    
    

 

四、打包Maven install

SparkDemo-0.0.1-SNAPSHOT.jar

将jar上传到服务器上,jar只是源码,引用的第三方jar包不用打进jar包中。

 

五、yarn模式提交

yarn-client 提交

spark-submit --keytab /root/XXX.keytab --principal XXX@MYCDH --master yarn-client --jars /tmp/test/lib/hbase-client-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-common-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-server-1.0.0-cdh5.4.7.jar,/tmp/test/lib/hbase-protocol-1.0.0-cdh5.4.7.jar,/tmp/test/lib/htrace-core-3.1.0-incubating.jar --driver-class-path /opt/lib/hbase/lib/*:/etc/hbase/conf --class com.test.hbase.DataFromHbase /tmp/test/SparkDemo-0.0.1-SNAPSHOT.jar

(-keytab /root/XXX.keytab --principal XXX@MYCDH  这两个参数是kerberos认证相关的,集群没有认证可去掉)

六、执行结果

Java Spark读取Hbase数据,将结果写入HDFS文件_第1张图片

七、问题

1、java.lang.IllegalStateException: unread block data:

19/06/07 10:16:26 INFO scheduler.TaskSetManager: Starting task 0.0 in stage 0.0 (TID 0, cdh129136, NODE_LOCAL, 2214 bytes)

19/06/07 10:16:26 WARN scheduler.TaskSetManager: Lost task 0.0 in stage 0.0 (TID 0, cdh129136): java.lang.IllegalStateException: unread block data

        at java.io.ObjectInputStream$BlockDataInputStream.setBlockDataMode(ObjectInputStream.java:2449)

        at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1385)

        at java.io.ObjectInputStream.defaultReadFields(ObjectInputStream.java:2018)

        at java.io.ObjectInputStream.readSerialData(ObjectInputStream.java:1942)

        at java.io.ObjectInputStream.readOrdinaryObject(ObjectInputStream.java:1808)

        at java.io.ObjectInputStream.readObject0(ObjectInputStream.java:1353)

        at java.io.ObjectInputStream.readObject(ObjectInputStream.java:373)

        at org.apache.spark.serializer.JavaDeserializationStream.readObject(JavaSerializer.scala:72)

        at org.apache.spark.serializer.JavaSerializerInstance.deserialize(JavaSerializer.scala:98)

        at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:194)

        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)

        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)

        at java.lang.Thread.run(Thread.java:745)

 

19/06/07 10:16:26 INFO scheduler.TaskSetManager: Starting task 0.1 in stage 0.0 (TID 1, cdh129136, NODE_LOCAL, 2214 bytes)

解决方法:缺少jar包,加上--jar参数,将Hbase-*和其他的几个jar带上即可。

你可能感兴趣的:(Hadoop生态,数据处理工具,java工具使用)