http://jeffxie.blog.51cto.com/1365360/305538
我在
Hadoop的用户邮件列表中看到一些国内的用 户在讯问一些关于如何操作的
HBase的
问题,还看到了HBase中没有Example。觉得有 必要跟大家
分享自己的经验。
在下面的例子中我们分析
Apache的log并把这些log进行分析并把分析完 的结果按用户IP为ROW,把log中用户的访问时间,请求方法,用户请求的协议,用户的浏览器,服务状态等写到HBase的表中。
首先我们要在HBase中建立我们的一个表来存储
数据。
- public static void creatTable(String table) throws IOException{
- HConnection conn = HConnectionManager.getConnection(conf);
- HBaseAdmin admin = new HBaseAdmin(conf);
- if(!admin.tableExists(new Text(table))){
- System.out.println("1. " + table + " table creating ... please wait");
- HTableDescriptor tableDesc = new HTableDescriptor(table);
- tableDesc.addFamily(new HColumnDescriptor("http:"));
- tableDesc.addFamily(new HColumnDescriptor("url:"));
- tableDesc.addFamily(new HColumnDescriptor("referrer:"));
- admin.createTable(tableDesc);
- } else {
- System.out.println("1. " + table + " table already exists.");
- }
- System.out.println("2. access_log files fetching using map/reduce");
- }
复制代码 然后我们
运行一个MapReduce任务来取得log中的每一行 数据。因为我们只要取得数据而不需要对结果进行规约,我们只要编写一个Map
程序即可。
- public static class MapClass extends MapReduceBase implements
- Mapper<WritableComparable, Text, Text, Writable> {
-
- @Override
- public void configure(JobConf job) {
- tableName = job.get(TABLE, "");
- }
-
- public void map(WritableComparable key, Text value,
- OutputCollector<Text, Writable> output, Reporter reporter)
- throws IOException {
- try {
- AccessLogParser log = new AccessLogParser(value.toString());
- if(table==null)
- table = new HTable(conf, new Text(tableName));
- long lockId = table.startUpdate(new Text(log.getIp()));
- table.put(lockId, new Text("http:protocol"), log.getProtocol().getBytes());
- table.put(lockId, new Text("http:method"), log.getMethod().getBytes());
- table.put(lockId, new Text("http:code"), log.getCode().getBytes());
- table.put(lockId, new Text("http:bytesize"), log.getByteSize().getBytes());
- table.put(lockId, new Text("http:agent"), log.getAgent().getBytes());
- table.put(lockId, new Text("url:" + log.getUrl()), log.getReferrer().getBytes());
- table.put(lockId, new Text("referrer:" + log.getReferrer()), log.getUrl().getBytes());
-
- table.commit(lockId, log.getTimestamp());
- } catch (ParseException e) {
- e.printStackTrace();
- } catch (Exception e) {
- e.printStackTrace();
- }
- }
- }
复制代码 我们在Map程序中对于传进来的每一行先交给AccessLogParser去处理在AccessLogParser德构造器中用一个正则表达式"([^ ]*) ([^ ]*) ([^ ]*) \\[([^]]*)\\] \"([^\"]*)\" " ([^ ]*) ([^ ]*) \"([^\"]*)\" \"([^\"]*)\".*"来匹配每一行的log。接下来我们把这些AccessLogParser处理出来的结果更新到HBase的表中去,好的, 我们的程序写完了。我们要启动一个MapReduce的话我们要对工作进行配置。
- public static void runMapReduce(String table,String dir) throws IOException{
- Path tempDir = new Path("log/temp");
- Path InputDir = new Path(dir);
- FileSystem fs = FileSystem.get(conf);
- JobConf jobConf = new JobConf(conf, LogFetcher.class);
- jobConf.setJobName("apache log fetcher");
- jobConf.set(TABLE, table);
- Path[] in = fs.listPaths(InputDir);
- if (fs.isFile(InputDir)) {
- jobConf.setInputPath(InputDir);
- } else {
- for (int i = 0; i < in.length; i++) {
- if (fs.isFile(in[i])) {
- jobConf.addInputPath(in[i]);
- } else {
- Path[] sub = fs.listPaths(in[i]);
- for (int j = 0; j < sub.length; j++) {
- if (fs.isFile(sub[j])) {
- jobConf.addInputPath(sub[j]);
- }
- }
- }
- }
- }
- jobConf.setOutputPath(tempDir);
- jobConf.setMapperClass(MapClass.class);
-
- JobClient client = new JobClient(jobConf);
- ClusterStatus cluster = client.getClusterStatus();
- jobConf.setNumMapTasks(cluster.getMapTasks());
- jobConf.setNumReduceTasks(0);
-
- JobClient.runJob(jobConf);
- fs.delete(tempDir);
- fs.close();
- }
复制代码 在上面的代码中我们先产生一个jobConf对象,然后设定我们的InputPath和OutputPath,告诉MapReduce我们的Map类,设 定我们用多少个Map任务和Reduce任务,然后我们不任务提交给JobClient,关于MapReduce跟详细的
资料在
Hadoop Wiki上。
下载:源码和已编译好的
jar文件
example-src.tgz 例子的运行命令是:
bin/hadoop jar examples.jar logfetcher <access_log file or directory> <table_name>
如何运行上面的应用程序呢?我们假定解压缩完Hadoop分发包的目录为%HADOOP%
拷贝%HADOOP%\contrib\hbase\bin下的文件到%HADOOP%\bin下,拷贝%HADOOP%\contrib\hbase \conf的文件到%HADOOP%\conf下,拷贝%HADOOP%\src\contrib\hbase\lib的文件到%HADOOP%\lib 下,拷贝%HADOOP%\src\contrib\hbase\hadoop-*-hbase.jar的文件到%HADOOP%\lib下.然后编辑配 置文件hbase-site.xml设定你的hbase.master例子:192.168.2.92:60000。把这些文件分发到运行Hadoop的 机器上去。在regionservers文件添加上这些已分发过的地址。运行bin/start-hbase.sh命令启动HBase,把你的 apache log文件拷贝到HDFS的apache-log目录下,等启动完成后运行下面的命令。
bin/hadoop jar examples.jar logfetcher apache-log apache
访问
http://localhost:50030/能 看到你的MapReduce任务的运行情况,访问
http://localhost:60010/能 看到HBase的运行情况。
等任务MapReduce完成后访问
http://localhost:60010/hql.jsp,在Query输入框中输入 SELECT * FROM apache limit=50;。将会看到已经插入表中的数据。
posted on 2013-02-22 14:12
SIMONE 阅读(2457)
评论(0) 编辑 收藏 所属分类:
hbase