配置Spark读取HBase表数据

操作场景

Spark on HBase为用户提供了在Spark SQL中查询HBase表，通过Beeline工具为HBase表进行存数据等操作。通过HBase接口可实现创建表、读取表、往表中插入数据等操作。

Spark On HBase

1. 登录Manager界面，选择“集群 > 集群属性”查看集群是否为安全模式。
   • 是，执行2。
   • 否，执行5。

2. 选择“集群 > 服务 > Spark2x > 配置 > 全部配置 > JDBCServer2x > 默认”，修改以下参数：

   表1 参数列表1

   参数	默认值	修改结果
   spark.yarn.security.credentials.hbase.enabled	false	true

   

   为了保证Spark2x可以长期访问HBase，建议不要修改HBase与HDFS服务的以下参数：

   • dfs.namenode.delegation.token.renew-interval
   • dfs.namenode.delegation.token.max-lifetime
   • hbase.auth.key.update.interval
   • hbase.auth.token.max.lifetime（不可修改，固定值为604800000毫秒，即7天）

   如果必须要修改以上参数，请务必保证HDFS参数“dfs.namenode.delegation.token.renew-interval”的值不大于HBase参数“hbase.auth.key.update.interval”、“hbase.auth.token.max.lifetime”的值和HDFS参数“dfs.namenode.delegation.token.max-lifetime”的值。

3. 选择“SparkResource2x > 默认”，修改以下参数：

   表2 参数列表2

   参数	默认值	修改结果
   spark.yarn.security.credentials.hbase.enabled	false	true

4. 重启Spark2x服务，配置生效。
   

   如果需要在Spark2x客户端用Spark on HBase功能，需要重新下载并安装Spark2x客户端。

5. 在Spark2x客户端使用spark-sql或者spark-beeline连接，可以查询由Hive on HBase所创建的表，支持通过SQL命令创建HBase表或创建外表关联HBase表。建表前，确认HBase中已存在对应HBase表，下面以HBase表table1为例说明。
   1. 通过Beeline工具创建HBase表，命令如下：

      create table hbaseTable

      (

      id string,

      name string,

      age int

      )

      using org.apache.spark.sql.hbase.HBaseSource

      options(

      hbaseTableName "table1",

      keyCols "id",

      colsMapping "

      name=cf1.cq1,

      age=cf1.cq2

      ");

      

      • hbaseTable：创建Spark表的表名。
      • id string,name string, age int：Spark表的字段名和字段类型。
      • table1：HBase表名。
      • id：HBase表的rowkey列名。
      • name=cf1.cq1, age=cf1.cq2：spark表的列和HBase表的列的映射关系。spark的name列映射HBase表的cf1列簇的cq1列，spark的age列映射HBase表的cf1列簇的cq2列。
   2. 通过csv文件导入数据到HBase表，命令如下：

      hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.separator="," -Dimporttsv.columns=HBASE_ROW_KEY,cf1:cq1,cf1:cq2,cf1:cq3,cf1:cq4,cf1:cq5 table1 /hperson

      其中：table1为HBase表名，/hperson为csv文件存放的路径。

   3. 在spark-sql或spark-beeline中查询数据，hbaseTable为对应的spark表名。命令如下：

      select * from hbaseTable;

Spark on HBaseV2

1. 登录Manager界面，选择“集群 > 集群属性”查看集群是否为安全模式。
   • 是，执行2。
   • 否，执行5。

2. 选择“集群 > 待操作集群的名称 > 服务 > Spark2x > 配置 > 全部配置 > JDBCServer2x > 默认”，修改以下参数：

   表3 参数列表1

   参数	默认值	修改结果
   spark.yarn.security.credentials.hbase.enabled	false	true

   

   为了保证Spark2x可以长期访问HBase，建议不要修改HBase与HDFS服务的以下参数：

   • dfs.namenode.delegation.token.renew-interval
   • dfs.namenode.delegation.token.max-lifetime
   • hbase.auth.key.update.interval
   • hbase.auth.token.max.lifetime（不可修改，固定值为604800000毫秒，即7天）

   如果必须要修改以上参数，请务必保证HDFS参数“dfs.namenode.delegation.token.renew-interval”的值不大于HBase参数“hbase.auth.key.update.interval”、“hbase.auth.token.max.lifetime”的值和HDFS参数“dfs.namenode.delegation.token.max-lifetime”的值。

3. 选择“SparkResource2x > 默认”，修改以下参数：

   表4 参数列表2

   参数	默认值	修改结果
   spark.yarn.security.credentials.hbase.enabled	false	true

4. 重启Spark2x服务，配置生效。
   

   如果需要在Spark2x客户端用Spark on HBase功能，需要重新下载并安装Spark2x客户端。

5. 在Spark2x客户端使用spark-sql或者spark-beeline连接，可以查询由Hive on HBase所创建的表，支持通过SQL命令创建HBase表或创建外表关联HBase表。具体见下面说明。下面以HBase表table1为例说明。
   1. 通过spark-beeline工具创建表的语法命令如下：

      create table hbaseTable1

      (id string, name string, age int)

      using org.apache.spark.sql.hbase.HBaseSourceV2

      options(

      hbaseTableName "table2",

      keyCols "id",

      colsMapping "name=cf1.cq1,age=cf1.cq2");

      

      • hbaseTable1：是创建的spark表的表名。
      • id string,name string, age int：是spark表的字段名和字段类型。
      • table2：HBase表名。
      • id：HBase表的rowkey列名。
      • name=cf1.cq1, age=cf1.cq2：spark表的列和HBase表的列的映射关系。spark的name列映射HBase表的cf1列簇的cq1列，spark的age列映射HBase表的cf1列簇的cq2列。
   2. 通过csv文件导入数据到HBase表，命令如下：

      hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.separator="," -Dimporttsv.columns=HBASE_ROW_KEY,cf1:cq1,cf1:cq2,cf1:cq3,cf1:cq4,cf1:cq5 table2 /hperson

      其中：table2为HBase表名，/hperson为csv文件存放的路径。

   3. 在spark-sql或spark-beeline中查询数据，hbaseTable1为对应的spark表名，命令如下：

      select * from hbaseTable1;