hive导入数据到hbase 遇到的问题

╰+哭是因爲堅強的太久メ 2022-07-25 15:35 270阅读 0赞

[ 原文地址：][Link 1][http://blog.csdn.net/manburen01/article/details/39477733?utm\_source=tuicool&utm\_medium=referral][http_blog.csdn.net_manburen01_article_details_39477733_utm_source_tuicool_utm_medium_referral]

版本说明：hive-0.13.1

hbase-0.96.0/hbase-0.98.2

第一步:在hive客户端执行hive关联hbase建表语句

hive中对应的表hive\_user\_info  
   hbase中对应的表user\_info

> CREATE TABLE hive\_user\_info(  
> a string,b string,c string,  
> d string,e string,  
> f string,g string)  
> PARTITIONED BY(dt string)  
> STORED BY'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES  
> ("hbase.columns.mapping"=":key,info:b,info:c,info:d,info:e,info:e,info:f ")  
> TBLPROPERTIES("hbase.table.name" = "user\_info");   好像这个版本默认的version=1 
> 
> 所以在hbase shell 端设置一下version  
> alter 'user\_info',\{NAME=>'info','VERSIONS'=>3\}

第二步:通过hive已存在的表查询数据并插入到hive\_user\_info表里面

insert into table hive\_user\_info PARTITION(dt=1) select udid,if(jailbreak=0,1,0),concat(dt,' ',hour,':',time\_minute),0,device\_id,'2',null from click\_log;

> ![Center][]

> 这个坑爹的问题：debug调试，还是没发现问题，hive执行计划也没问题，去查看-ext-10000日志  
> 
> 
> ![Center 1][]  
> 
> 
> ![Image 1][]
> 
> ![Image 1][]
> 
> 但是加上limit 就是没问题的:
> 
>  insert into table hive\_user\_info PARTITION(dt=1) select udid,if(jailbreak=0,1,0),concat(dt,' ',hour,':',time\_minute),0,device\_id,'2',null from click\_log limit 10000; ![Center 2][]
> 
> 添加limit 查看explain sql  也就是说明hive查出来的数据是用一个reduce写入到hive和hbase关联表的，这个常识不符合分布式的hadoop理论，继续找原因：
> 
> hive -hiveconf hive.root.logger=DEBUG,console  
> ![Center 3][]  
> 
> 
> 是找不到这个类，继续编译这个类测试，发现也不是这个类的问题，原因是这个:  
> 
> 
> ![Image 1][]
> 
> ![Image 1][]
> 
> 在解析sql就已经出错了  
> 有reduce的sql会解析成  
> org.apache.hadoop.hive.ql.plan.TableScanDesc  
> org.apache.hadoop.hive.ql.plan.ReduceSinkDesc  
> org.apache.hadoop.hive.ql.plan.ExtractDesc  
> org.apache.hadoop.hive.ql.plan.PTFDesc  
> org.apache.hadoop.hive.ql.plan.SelectDesc  
> org.apache.hadoop.hive.ql.plan.FileSinkDesc  
> 没有reduce的sql会解析成  
> org.apache.hadoop.hive.ql.plan.TableScanDesc  
> org.apache.hadoop.hive.ql.plan.SelectDesc  
> org.apache.hadoop.hive.ql.plan.FileSinkDesc  
> 
> 
> 落地表信息都在org.apache.hadoop.hive.ql.plan.FileSinkDesc里面，但是没有reduce的sql解析出来之后，不会带上hbase包的信息  
> 如果不用第三方包，是不会解析成org.apache.hadoop.hive.ql.plan.FileSinkDesc，这个主要是给第三方包用的  
> 所以用hive是没问题得，继续找hbase的问题
> 
> 经过2天2夜的奋战终于找到问题了！
> 
> ![Center 4][]  
> 
> 
> 这个错误居然是在info里面找到的！！！
> 
> 如果map-only的任务，会触发一个合并小文件的任务，叫做conditional task，这个task会分成n个小任务，判断合并否，  
> 在检查这个合并小文件的任务时，要去检查分区，这时候输出表换成了一个输入表，而输入表是没有带表自定义信息的  
> 所以把输出表的class给冲掉了。。。给冲掉了！！！！  
> 解决的方法：关掉merge。。。  
> 
> 
> set hive.merge.mapfiles=false  
> 
> 
> set hive.merge.mapfiles=false;insert into table hive\_user\_info PARTITION(dt='$\{date\}') select udid,if(jailbreak=0,1,0),concat(dt,' ',hour,':',time\_minute),0,device\_id,'2',null from show\_log where dt='$\{date\}' and udid !='null' and udid !="";  
> 
> 
> ![Center 5][]  
> 
> 
> 这个问题在hive-0.13.0和hbase-0.96.0/hbase-0.98.2版本集成测试发现这个问题的
> 
> 但是在hive-0.11.0和hbase-0.94.0之前版本是没问题的
> 
> 经验分析：在使用hadoop组件里面的高版本的时候
> 
>    首先:要查看官方的更新文档，了解新特性，并对比低版本做了哪些改动
> 
>   其次: 在使用hadoop组件的时候一点要学会debug查看日志，如果error和warning看不出问题，那就继续看info的信息，
> 
>   最后学会编译源码包，对错误逐一排查……（待续）
> 
> 拓展：编译hive jar包命令：mvn clean compile -Phadoop-2
> 
> hive集成hbase成功于否的关键配置文件hive/cong/
> 
> 方法一:(hadoop启动的时候把需要的jar包加载到hdfs上)
> 
> 1、先把hive-site.xml里面那个HIVE\_AUX\_JARS\_PATH去掉  
> 2、在hive-env.sh加上export HIVE\_AUX\_JARS\_PATH=/home/yudaer/hbase-0.98.6.1-hadoop2/lib/   后面是hbase的lib的地址  
> 
> 
> 方法二:在hive启动的时候直接读取hive/lib和这个陪着文件里面的jar包
> 
> <property>  
>   <name>hive.aux.jars.path</name>  
>  <value>file:///usr/local/hive-0.13.0/lib/hive-hbase-handler-0.13.1.jar,file:///usr/local/hive-0.13.0/lib/protobuf-java-2.5.0.jar,file:///usr/local/hive-0.13.0/lib/hbase-client-0.96.2-hadoop2.jar,file:///usr/local/hive-0.13.0/lib/hbase-common-0.96.2-hadoop2.jar,file:///usr/local/hive-0.13.0/lib/hbase-common-0.96.2-hadoop2-tests.jar,file:///usr/local/hive-0.13.0/lib/hbase-protocol-0.96.2-hadoop2,file:///usr/local/hive-0.13.0/lib/hbase-server-0.96.2-hadoop2,file:///usr/local/hive-0.13.0/lib/htrace-core-2.04,file:///usr/local/hive-0.13.0/lib/zookeeper-3.4.5.jar,file:///usr/local/hive-0.13.0/lib/guava-12.0.1.jar</value>  
> </property>  
> 
> 
> 注意:<value>中间的值要写在一行</value>
> 
> 本人感觉方法一更专业（:-D），也更方便点( 不容易出错)

[Link 1]: http://blog.csdn.net/manburen01/article/details/39477733
[http_blog.csdn.net_manburen01_article_details_39477733_utm_source_tuicool_utm_medium_referral]: http://blog.csdn.net/manburen01/article/details/39477733?utm_source=tuicool&utm_medium=referral
[Center]: /images/20220724/d8e065dbefad423ab976ea90d3d8f00c.png
[Center 1]: /images/20220724/76e4124c63454659a8de2ac3fd6b480e.png
[Image 1]: 
[Center 2]: /images/20220724/295854a8ed3b4f7290e33c56fbdbdc04.png
[Center 3]: /images/20220724/8ccb8c5dd697415ba58e8a7e07a517d8.png
[Center 4]: /images/20220724/c2432414102d485b9056c2818659b5db.png
[Center 5]: /images/20220724/679a03beefa34cd1b97f6a192e202c78.png