本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
通过 Hive 访问 HBase 表
HBase 与Apache Hive紧密集成,让您可以在 HBase 中存储的数据上直接运行大规模并行处理的工作负载。要将 Hive 与 HBase 结合使用,您通常可以在同一个集群上启动它们。不过,您可以在单独的集群上启动 Hive 和 HBase。在不同的集群上单独运行 HBase 和 Hive 可以提高性能,因为这可让每个应用程序更高效地利用集群资源。
以下过程说明如何使用 Hive 连接到集群上的 HBase。
注意
您只能将 Hive 集群连接到单个 HBase 集群。
将 Hive 连接到 HBase
-
创建安装了 Hive 和 HBase 的单独集群或创建安装了 HBase 和 Hive 的单个集群。
-
如果您使用的是单独的集群,请修改您的安全组,以便在这两个主节点之间打开 HBase 和 Hive 端口。
-
使用 SSH 连接到安装了 Hive 的集群的主节点。有关更多信息,请参阅《Amazon EMR 管理指南》中的使用 SSH 连接到主节点。
-
通过以下命令启动 Hive shell。
hive
-
(可选)如果 HBase 和 Hive 位于同一个集群上,则您无需执行此操作。将 Hive 集群上的 HBase 客户端与包含数据的 HBase 集群连接。在以下示例中,
公共 DNS 名称
被替换为 HBase 集群主节点的公有 DNS 名称,例如:。ec2-50-19-76-67.compute-1.amazonaws.com
set hbase.zookeeper.quorum=
public-DNS-name
; -
根据需要继续对 HBase 数据运行 Hive 查询或查看后续步骤。
通过 Hive 访问 HBase 数据
-
在 Hive 和 HBase HBase 集群之间建立连接后 (如上一过程所示)。您可以通过在 Hive 中创建外部表访问存储在 HBase 集群上的数据。
以下示例从主节点上的 Hive 提示符运行时,会创建一个外部表,该表引用存储在名为的 HBase 表中的数据。
inputTable
然后,您可以引用 Hive 语句中的inputTable
,查询和修改存储在 HBase 集群上的数据。set hbase.zookeeper.quorum=ec2-107-21-163-157.compute-1.amazonaws.com; create external table inputTable (key string, value string) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' with serdeproperties ("hbase.columns.mapping" = ":key,f1:col1") tblproperties ("hbase.table.name" = "t1"); select count(key) from inputTable ;
有关将 HBase 和 Hive 结合起来的更高级的用例和示例,请参阅 Amazon 大数据博客文章《在亚马逊 EMR 上使用 Apache HBase 和 Apache Hive 将 NoSQL 与大规模并行分析