Alguns pequenos ajustes são necessários para atacar tabelas HBase de um contexto Spark.
Vamos primeiro criar rapidamente uma tabela de amostra "t1" HBase com 40 linhas
[root@sandbox ~]# cat hbase_load.txt
create 't1', 'f1'
for i in '1'..'10' do \
for j in '1'..'2' do \
for k in '1'..'2' do \
rnd=(0...64).map { (65 + rand(26)).chr }.join
put 't1', "#{i}-#{j}-#{k}", "f1:#{j}#{k}", "#{rnd}"
end \
end \
end
[root@sandbox ~]# cat hbase_load.txt |hbase shell
Você precisa ajustar seu caminho de classe Spark (guava 14 necessário, então incluí o primeiro que encontrei):
[root@sandbox ~]# export SPARK_CLASSPATH=/usr/hdp/current/spark-client/lib/hbase-common.jar:/usr/hdp/current/spark-client/lib/hbase-client.jar:/usr/hdp/current/spark-client/lib/hbase-protocol.jar:/usr/hdp/current/spark-client/lib/hbase-server.jar:/etc/hbase/conf:/usr/hdp/2.3.2.0-2950/oozie/share/lib/spark/guava-14.0.1.jar
[root@sandbox ~]# spark-shell --master yarn-client
Como uma observação lateral, o SPARK_CLASSPATH está obsoleto no Spark 1.5.x+, então você deve usar
[root@sandbox ~]# spark-shell --master yarn-client --driver-class-path=/usr/hdp/current/spark-client/lib/hbase-common.jar:/usr/hdp/current/spark-client/lib/hbase-client.jar:/usr/hdp/current/spark-client/lib/hbase-protocol.jar:/usr/hdp/current/spark-client/lib/hbase-hadoop2-compat.jar:/usr/hdp/current/spark-client/lib/hbase-server.jar:/etc/hbase/conf:/usr/hdp/2.3.2.0-2950/oozie/share/lib/spark/guava-14.0.1.jar
Eu encontrei bugs usando o anterior:[…]Causado por:java.lang.IllegalStateException:dados de bloco não lidos, então usei a primeira versão (usando SPARK_CLASSPATH) Agora é a vez de Scala !
scala>
import org.apache.hadoop.hbase.{HBaseConfiguration, HTableDescriptor}
import org.apache.hadoop.hbase.client.{HBaseAdmin, Result}
import org.apache.hadoop.hbase.io.ImmutableBytesWritable
import org.apache.hadoop.hbase.mapreduce.TableInputFormat
val tableName = "t1"
val hconf = HBaseConfiguration.create()
hconf.set(TableInputFormat.INPUT_TABLE, "t1")
val hBaseRDD = sc.newAPIHadoopRDD(hconf, classOf[TableInputFormat], classOf[ImmutableBytesWritable], classOf[Result])
println("records found : " + hBaseRDD.count())
[...]
2016-04-07 18:44:40,553 INFO [main] scheduler.DAGScheduler: Job 0 finished: count at <console>:30, took 2.092481 s
Number of Records found : 40
Se você quiser usar o HBase Admin para ver a lista de tabelas, snapshots ou qualquer operação relacionada ao administrador, usescala> val admin = new HBaseAdmin(hconf)
admin.listTables
E se você quiser criar uma tabela:val tableDesc = new HTableDescriptor(tableName)
admin.createTable(tableDesc)