从关系库导入数据到hive-hbase表中

[Author]: kwu

从关系库导入数据到hive-hbase表中，关系库到hbase中，能够直接由sqoop来导入。可是我们要对rowkey做特殊处理并增加更新时间，则操作过程例如以下：

1、创建hive与hbase的表

1）创建hbase表

命令行输入 hbase shell 进入hbase的终端：

create 'location','cf1'

查询hbase创建的表

list

如需删除表

disable 'location'
drop 'location'

2）创建hive的外表

hive -e"
drop TABLE ods.hbase_location;
CREATE EXTERNAL  TABLE ods.hbase_location(key string ,
        ID int comment '唯一ID',
        location1 string  comment '国家代号' ,
        location2 string  comment '省份代号' ,
        location3 string  comment '城市代号',
        country string  comment '国家(中文)',
        cn string  comment '省份(中文)',
        cn_city string  comment '城市(中文)',
        cn_district string  comment '城市所属地区(中文)',
        py string  comment '省份缩略(拼音)',
        en_city string comment '城市(英文)',
        en_district string comment '城市所属地区(英文)',
        en string comment '省份(英文)',
        geoid INT comment '行政区划代码',
        updatetime  string comment '更新时间'
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'   
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,
cf1:ID,
cf1:location1,
cf1:location2,
cf1:location3,
cf1:country,
cf1:cn,
cf1:cn_city, 
cf1:cn_district,
cf1:py,
cf1:en_city,
cf1:en_district,
cf1:en,
cf1:geoid,
cf1:updatetime")   
TBLPROPERTIES("hbase.table.name" = "location"); "

2、自己主动化的shell脚本

#!/bin/sh  
# upload logs to hdfs  

today=`date --date='0 days ago' +%Y-%m-%d`
hive -e"
drop table stage.location_tmp;
CREATE TABLE
    stage.location_tmp
    (
        ID INT comment '唯一ID',
        location1 string  comment '国家代号' ,
        location2 string  comment '省份代号' ,
        location3 string  comment '城市代号',
        country string  comment '国家(中文)',
        cn string  comment '省份(中文)',
        cn_city string  comment '城市(中文)',
        cn_district string  comment '城市所属地区(中文)',
        py string  comment '省份缩略(拼音)',
        en_city string comment '城市(英文)',
        en_district string comment '城市所属地区(英文)',
        en string comment '省份(英文)',
        geoid INT comment '行政区划代码'
    )
ROW FORMAT DELIMITED fields terminated by '01'
STORED AS TEXTFILE;
"

sqoop import --connect jdbc:mysql://10.130.2.6:3306/bdc_test --username lvwenjuan --password Abcd1234  --table location --where "1=1" --columns "ID ,location1 ,location2 ,location3 ,country ,cn ,cn_city , cn_district ,py , en_city , en_district ,en , geoid " --fields-terminated-by '01' --hive-import --hive-drop-import-delims --hive-table stage.location_tmp -m 1


hive -e"
insert into table ods.hbase_location select reverse(ID) ,
ID ,
location1 ,
location2  ,
location3 ,
country,
cn,
cn_city,
cn_district,
py,
en_city,
en_district,
en string,
geoid ,
udf_getbfhourstime(0) from stage.location_tmp;"


hive -e "drop TABLE stage.location_tmp;"

3、说明

1） stage.location_tmp为暂时中转表。本次ETL完后即删除。

2）--where "1=1" 可设置关系库的查询语句

3）reverse(ID) 对hbase的rowkey自己主动逆序处理

4）insert into 到hbase中自己主动依据rowkey来去重

5）udf_getbfhourstime(0) 自己定义函数，取的是当前时间