我需要从Hbase将1000万数据写入CSV文件。什么可以用来以更快的速度写入数据?
我们有没有办法在短时间内实现数据写入我需要从Hbase将1000万数据写入CSV文件。什么可以用来以更快的速度写入数据?,hbase,Hbase,我们有没有办法在短时间内实现数据写入 提前感谢。将其拆分为多个作业,每个作业提取数据的不同部分并写入相应的csv文件(地图),然后在完成后合并csv文件(减少) 如果可以,请在不同的机器上或在一台(多核)机器上运行作业,并将输出写入不同的磁盘。您需要查看数据,并使用行键将其分解为不同的部分。 使用行键设置扫描的STARTROW和STOPROW属性 现在您有了单独的扫描,您可以从不同的框中并行运行它们 Psuedo代码: OutputStream stream = new FileOutputSt
提前感谢。将其拆分为多个作业,每个作业提取数据的不同部分并写入相应的csv文件(地图),然后在完成后合并csv文件(减少)
如果可以,请在不同的机器上或在一台(多核)机器上运行作业,并将输出写入不同的磁盘。您需要查看数据,并使用行键将其分解为不同的部分。 使用行键设置扫描的STARTROW和STOPROW属性 现在您有了单独的扫描,您可以从不同的框中并行运行它们 Psuedo代码:
OutputStream stream = new FileOutputStream("C:\home\you\csvfiles\mycsvfile1.csv");
BufferedWriter wtrBuffer = new BufferedWriter(new OutputStreamWriter(stream, "UTF-8"));
CSVWriter writer = new CSVWriter(wtrBuffer, ',');
HTable myTable = null;
try {
myTable = new HTable(myConfig, "myTable");
} catch (IOException e) {
e.printStackTrace();
}
for (Result result : scanner) {
if (result != null){
// Just printing the keys because I don't know anything about your data
writer.writeNext(Bytes.toString(result.getRow()));
}
try {
myTable.close();
} catch (IOException e) {
e.printStackTrace();
}
try{
}catch(Exception ex){
ex.printStackTrace();
}
finally {
System.out.println("Writing to disk...");
writer.flush();
writer.close();
stream.flush();
stream.close();
System.out.println("Writing to disk...Complete");
}
此代码使用opencsv:
确保每个扫描过程使用不同的文件名。您可以让每个进程写入共享文件夹/网络存储,或者写入本地文件,然后复制到网络存储。
完成所有过程后,如果尚未将所有csv文件(mycsvfile1…n.csv)复制到单个目录中,则可以将其复制到单个目录中
然后可以将它们合并到一个文件中
copy *.csv all.csv
然后打开all.csv,您的文件应该有1000万行
您也可以使用MR和一个仅映射作业来完成这项工作,该作业将数据写入hdfs中的文件。您可以在HBASE表的顶部创建一个简单的外部配置单元表,然后在配置单元上使用select/export命令以CSV格式保存数据 步骤1:
hive> CREATE TABLE mapr_table_1(key int, value string)
> STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
> WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")
> TBLPROPERTIES ("hbase.table.name" = "/user/mapr/xyz");
步骤2:从配置单元将数据获取到CSV中
INSERT OVERWRITE LOCAL DIRECTORY '/path/to/hive/csv' ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' SELECT * FROM hivetablename limit 1000000;
您可以使用
apachedrill
将输出重定向到CSV文件。apachedrill附带mapr软件
sqlline -u "jdbc:drill:" --outputformat=csv --run=fileWithSQL.sql > Output_CSV_file.csv
将从habse读取的查询放入fileWithSQL.sql
文件中,然后运行上述命令
在sqlline中还有其他一些开关可能会有所帮助