通過Spark訪問HBase增強版 - ApsaraDB for HBase

本文介紹如何通過Spark訪問HBase增強版叢集。

前提條件

HBase增強版叢集為2.4.3及以上版本。如何查看或升級目前的版本，請參見小版本升級。
已將用戶端IP地址添加至HBase增強版叢集的白名單。如何添加，請參見設定白名單和安全性群組。
已在控制台擷取HBase增強版叢集的串連地址（Java API訪問地址）。

注意事項

如果您想要通過公網訪問，在執行文本操作前，需要將HBase社區版用戶端更換為阿里雲HBase用戶端。具體操作，請參見升級HBase Java SDK。
如果應用部署在ECS執行個體，通過專用網路訪問HBase增強版叢集前，需要確保HBase增強版叢集和ECS執行個體滿足以下條件，以保證網路的連通性。
- 所在地區相同，並建議所在可用性區域相同（以減少網路延時）。
- ECS執行個體與HBase增強版叢集屬於同一專用網路。

添加HBase增強版訪問配置

方式一：通過設定檔添加訪問配置。

在設定檔hbase-site.xml中增加下列配置項：

<configuration>
      <!--
    叢集的Java API串連地址，在控制台頁面的資料庫連接介面擷取
    -->
    <property>
        <name>hbase.zookeeper.quorum</name>
        <value>ld-bp150tns0sjxs****-proxy-hbaseue.hbaseue.rds.aliyuncs.com:30020</value>
    </property>
</configuration>

方式二：通過代碼在Configuration中添加參數。

// 建立一個Configuration
Configuration conf = HBaseConfiguration.create();
// 叢集的Java API串連地址，在控制台頁面的資料庫連接介面擷取
conf.set("hbase.zookeeper.quorum", "ld-bp150tns0sjxs****-proxy-hbaseue.hbaseue.rds.aliyuncs.com:30020");

Spark訪問樣本

test(" test the spark sql count result") {
  //1. 添加HBaseue訪問配置
  var conf = HBaseConfiguration.create
  conf.set("hbase.zookeeper.quorum", "ld-bp150tns0sjxs****-proxy-hbaseue.hbaseue.rds.aliyuncs.com:30020")
  //2. 建立表
  val hbaseTableName = "testTable"
  val cf = "f"
  val column1 = cf + ":a"
  val column2 = cf + ":b"
  var rowsCount: Int = -1
  var namespace = "spark_test"
  val admin = ConnectionFactory.createConnection(conf).getAdmin()
  val tableName = TableName.valueOf(namespace, hbaseTableName)   
  val htd = new HTableDescriptor(tableName)
  htd.addFamily(new HColumnDescriptor(cf))
  admin.createTable(htd)
  //3. 插入測試資料
  val rng = new Random()
  val k: Array[Byte] = new Array[Byte](3)
  val famAndQf = KeyValue.parseColumn(Bytes.toBytes(column))
  val puts = new util.ArrayList[Put]()
  var i = 0
  for (b1 <- ('a' to 'z')) {
      for (b2 <- ('a' to 'z')) {
        for (b3 <- ('a' to 'z')) {
          if(i < 10) {
            k(0) = b1.toByte
            k(1) = b2.toByte
            k(2) = b3.toByte
            val put = new Put(k)
            put.addColumn(famAndQf(0), famAndQf(1), ("value_" + b1 + b2 + b3).getBytes())
            puts.add(put)
            i = i + 1
          }
        }
      }
  }
  val conn = ConnectionFactory.createConnection(conf)
  val table = conn.getTable(tableName)
  table.put(puts)
  //4. 建立spark表
  val sparkTableName = "spark_hbase"
  val createCmd = s"""CREATE TABLE ${sparkTableName} USING org.apache.hadoop.hbase.spark
                         |    OPTIONS ('catalog'=
                         |    '{"table":{"namespace":"$${hbaseTableName}",                   "name":"${hbaseTableName}"},"rowkey":"rowkey",
                         |    "columns":{
                         |    "col0":{"cf":"rowkey", "col":"rowkey", "type":"string"},
                         |    "col1":{"cf":"cf1", "col":"a", "type":"string"},
                         |    "col2":{"cf":"cf1", "col":"b", "type":"String"}}}'
                         |    )""".stripMargin
  println(" createCmd: \n" + createCmd + " rows : " + rowsCount)
  sparkSession.sql(createCmd)
  //5. 執行count sql
  val result = sparkSession.sql("select count(*) from " + sparkTableName)
  val sparkCounts = result.collect().apply(0).getLong(0)
  println(" sparkCounts : " + sparkCounts)