《OD大数据实战》HBase整合MapReduce和Hive

一、HBase整合MapReduce环境搭建

1. 搭建步骤
1）在etc/hadoop目录中创建hbase-site.xml的软连接。在真正的集群环境中的时候，hadoop运行mapreduce会通过该文件查找具体的hbase环境信息。

ln -s /opt/modules/cdh/hbase-0.98.-cdh5.3.6/conf/hbase-site.xml /opt/modules/cdh/hadoop-2.5.-cdh5.3.6/etc/hadoop/hbase-site.xml

2）将hbase需要的jar包添加到hadoop运行环境中，其中hbase需要的jar就是lib文件夹下面的所有*.jar文件。

在hadoop中添加其他第三方的jar有多种方式，比如添加hbase的jar到hadoop环境中。这里介绍三种：
（1）第一种：在hadoop-env.sh中添加HADOOP_CLASSPATH环境变量，value为hbase的lib文件夹下的所有jar文件。
（2）第二种：在系统级或者用户级修改*profile文件内容，在文件中添加HADOOP_CLASSPATH。
（3）第三种：直接将hbase的lib文件夹中所有jar文件复制到hadoop的share/hadoop/common/lib 或者share/hadoop/mapreduce等文件夹中。

3）使用hbase自带的server jar测试是否安装成功。

直接使用hbase自带的命名进行环境的测试，命令为：

hadoop jar $HBASE_HOME/lib/hbase-server-0.98.6-cdh5.3.6.jar rowcounter hbasetablename

运行该命名可以查看到我们指定table的行数。

二、案例：统计产品信息

编写自定义的MR程序读取hbase的数据或者往hbase中写数据注意点：
1. 如果是从hbase中读取数据，那么要求mapper实现TableMapper抽象类。如果是往hbase中写数据，而且是有reducer的情况下，要求reducer实现TableReducer抽象类。
2. 使用TableMapperReducerUtil类来进行job创建初始化操作。如果是往hbase中写数据，而且reducer是可以省略的话，那么我们也可以不指定reducer的具体类，直接使用指定null，比设置job的reducer的task个数为0.
3. 如果是在window环境中运行job(任务代码的执行时在window上)，那么需要将参数addDependency设置为false，或者将fs.defaultFS设置为file:///。如果是在集群中运行job，那么必须将addDependency设置为true，并且fs.defaultFS设置为hdfs://xxx
4. 代码参考：

三、HBase整合Hive环境搭建