通过MapReduce对HBase数据进行统计分析_第1页
通过MapReduce对HBase数据进行统计分析_第2页
通过MapReduce对HBase数据进行统计分析_第3页
通过MapReduce对HBase数据进行统计分析_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

通过MapReduce对HBase数据进行统计分析目录一、概述 1二、应用场景 1三、Map程序 2四、Reduce程序 2五、Combiner程序 3六、作业执行 3一、概述HBase作为一种kv数据库,能够很好的面对高吞吐率的在线数据读写服务,尤其是写操作,但是在非rowkey多条件查询、数据分析、统计等场景下,HBase表现的就不是很好了,这些场景下就比较适合MapReduce出场了。二、应用场景这里就通过一个示例程序,一步一步带着大家学习MapReduce的开发。假设我们有一张业务表(biz_detail),它有一列是业务发生日期(ts),每行数据就是一条业务发生,现在我们要统计业务发生日期每天的业务量(数据行数),对于这样一个简单统计需求,我们可以通过MapReduce程序来实现。三、Map程序TableAnalyzeMap继承HBase的TableMapper基类,把ts看做文本,行数自然是整数,所以key-value输出类型自然是<Text,IntWritable>,具体代码如下:四、Reduce程序TableAnalyzeReduce继承HBase的TableReducer基类,这里我们把最终聚合后的结果写到目标表中,rowkey对应ts,行数对应目标表的cf:count列,具体代码如下:五、Combiner程序分析map程序,我们可以看到,map阶段处理后的数据是没有任何合并的,key为日期,value都是1,这样的话,如果直接进入reduce阶段,要分发的数据量还是比较大的,会造成网络负担,针对这个问题,我们可以在map阶段后,做一下本地reduce,这样进入reduce的阶段的数据量会大大减少。六、作业执行程序接收四个参数,依次为:业务表名称、日期字段列族、日期字段列名、目标表名。当然你也可以使用ApacheCommonsCLI类解析命令行参数,这里就不做说明了。其中scan.setCaching(500)设置每次读取行数,根据实际情况进行配置,scan.setCacheBlocks(false)告诉HBase本次扫描的数据不要放入缓存中,其他就不再详述,通过代码就能够看明白。这样,整个mapreduce程序我们已经开发完成,生成相应jar包后,我

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论