MapReduce访问多组件样例程序开发思路

场景说明

该样例以MapReduce访问HDFS、HBase、Hive为例，介绍如何编写MapReduce作业访问多个服务组件。帮助用户理解认证、配置加载等关键使用方式。

该样例逻辑过程如下：

以HDFS文本文件为输入数据：

log1.txt：数据输入文件

YuanJing,male,10
GuoYijun,male,5

Map阶段：

1. 获取输入数据的一行并提取姓名信息。
2. 查询HBase一条数据。
3. 查询Hive一条数据。
4. 将HBase查询结果与Hive查询结果进行拼接作为Map输出。

Reduce阶段：

1. 获取Map输出中的最后一条数据。
2. 将数据输出到HBase。
3. 将数据保存到HDFS。

数据规划

1. 创建HDFS数据文件。
   1. 在Linux系统上新建文本文件，将log1.txt中的内容复制保存到data.txt。
   2. 在HDFS上创建一个文件夹“/tmp/examples/multi-components/mapreduce/input/”，并上传data.txt到此目录，命令如下：
      1. 登录HDFS客户端。

         cd 客户端安装目录

         source bigdata_env

         kinit 组件业务用户

      2. 在Linux系统HDFS客户端使用命令hdfs dfs -mkdir -p/tmp/examples/multi-components/mapreduce/input/
      3. 在Linux系统HDFS客户端使用命令hdfs dfs -putdata.txt /tmp/examples/multi-components/mapreduce/input/
2. 创建HBase表并插入数据。
   1. 在Linux系统HBase客户端执行source bigdata_env，执行kinit 组件业务用户，并使用命令hbase shell。
   2. 在HBase shell交互窗口创建数据表table1，该表有一个列族cf，使用命令create 'table1', 'cf'。
   3. 插入一条rowkey为1、列名为cid、数据值为123的数据，使用命令put 'table1', '1', 'cf:cid', '123'。
   4. 执行命令quit退出。
3. 创建Hive表并载入数据。
   1. 在Linux系统Hive客户端使用命令beeline。
   2. 在Hive beeline交互窗口创建数据表person，该表有3个字段：name/gender/stayTime，使用命令CREATE TABLE person(name STRING, gender STRING, stayTime INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' stored as textfile;。
   3. 在Hive beeline交互窗口加载数据文件，LOAD DATA INPATH'/tmp/examples/multi-components/mapreduce/input/'OVERWRITE INTO TABLE person;。
   4. 执行命令!q退出。
4. 由于Hive加载数据将HDFS对应数据目录清空，所以需再次执行1。