Vamos criar uma tabela HBase simples do zero!
Existem muitas maneiras de criar uma tabela HBase e preenchê-la:carregamento em massa, shell hbase, hive com HBaseStorageHandler, etc.
Aqui vamos usar a classe ImportTsv que visa analisar o arquivo .tsv para inseri-lo em um tabela HBase existente.
Primeiro, vamos pegar alguns dados!
Faça o download do access.tsv para qualquer máquina do seu cluster :este é um arquivo compactado de 2 Gb com dados de amostra separados por tabulação, contendo colunas rowkey,date,refer-url e código http, e coloque-o no HDFS.
[root@sandbox ~]# gunzip access.tsv.gz
[root@sandbox ~]# hdfs dfs -copyFromLocal ./access.tsv /tmp/Agora precisamos criar a tabela no shell do HBase; ele conterá apenas uma ColumnFamily para este exemplo
[root@sandbox ~]# hbase shell
hbase(main):001:0> create 'access_demo','cf1'
0 row(s) in 14.2610 secondsE inicie a importação com a classe ad hoc, selecione as colunas (não esqueça do HBASE_ROW_KEY que pode ser qualquer uma das colunas, portanto é a primeira aqui).
A sintaxe é hbase JAVA_CLASS -DPARAMETERS TABLE_NAME FILE
Observe que você pode especificar tsv separator '-Dimporttsv.separator=' e que obviamente pode adicionar diferentes famílias de colunas cf1:field1,cf1:field2,cf2:field3,cf2:field4
[root@sandbox ~]# hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns=HBASE_ROW_KEY,cf1:date,cf1:refer-url,cf1:http-code access_demo /tmp/access.tsv
2015-05-21 19:55:38,144 INFO [main] mapreduce.Job: Job job_1432235700898_0002 running in uber mode : false
2015-05-21 19:55:38,151 INFO [main] mapreduce.Job: map 0% reduce 0%
2015-05-21 19:56:00,718 INFO [main] mapreduce.Job: map 7% reduce 0%
2015-05-21 19:56:03,742 INFO [main] mapreduce.Job: map 21% reduce 0%
2015-05-21 19:56:06,785 INFO [main] mapreduce.Job: map 65% reduce 0%
2015-05-21 19:56:10,846 INFO [main] mapreduce.Job: map 95% reduce 0%
2015-05-21 19:56:11,855 INFO [main] mapreduce.Job: map 100% reduce 0%
2015-05-21 19:56:13,948 INFO [main] mapreduce.Job: Job job_1432235700898_0002 completed successfullyVamos checar :
[root@sandbox ~]# hbase shell
hbase(main):001:0> list
TABLE
access_demo
iemployee
sales_data
3 row(s) in 9.7180 seconds
=> ["access_demo", "iemployee", "sales_data"]
hbase(main):002:0> scan 'access_demo'
ROW COLUMN+CELL
# rowkey column=cf1:date, timestamp=1432238079103, value=date
# rowkey column=cf1:http-code, timestamp=1432238079103, value=http-code
# rowkey column=cf1:refer-url, timestamp=1432238079103, value=refer-url
74.201.80.25/san-rafael-ca/events/sho column=cf1:date, timestamp=1432238079103, value=2008-01-25 16:20:50
w/80343522-eckhart-tolle
74.201.80.25/san-rafael-ca/events/sho column=cf1:http-code, timestamp=1432238079103, value=200
w/80343522-eckhart-tolle
74.201.80.25/san-rafael-ca/events/sho column=cf1:refer-url, timestamp=1432238079103, value=www.google.com/search
w/80343522-eckhart-tolle
calendar.boston.com/ column=cf1:date, timestamp=1432238079103, value=2008-01-25 19:35:50
calendar.boston.com/ column=cf1:http-code, timestamp=1432238079103, value=200É isso !
