hcatalog简介和使用

Hcatalog是apache开源的对于表和底层数据管理统一服务平台,目前最新release版本是0.5,不过需要Hive0.10支持,由于我们hive集群版本是0.9.0,所以只能降级使用hcatalog 0.4,由于hcatalog中所有的底层数据信息都是保存在hive metastore里,所以hive版本升级后schema变动或者api变动会对hacatalog产生影响,因此在hive 0.11中已经集成了了hcatalog,以后也会成为hive的一部分,而不是独立的项目。

HCatalog底层依赖于Hive Metastore,执行过程中会创建一个HiveMetaStoreClient,通过这个instance提供的api来获取表结构数据,如果是local metastore mode的话,会直接返回一个HiveMetaStore.HMSHandler,如果是remote mode的话(hive.metastore.local设置为false),会依据hive.metastore.uris(比如thrift://10.1.8.42:9083, thrift://10.1.8.51:9083)中设定的一串uri逐一顺序建立连接。只要有一个链接建立就可以了,同时为了避免所有client都和第一个uri建立连接,导致负载过大,我加了点小trick,对这串uris随机shuffle来做load balance

由于我们的集群开启了kerberos security,需要获取DelegationToken,但是local mode是不支持的,所以只用能remote mode

HiveMetaStoreClient.Java

```

publicString getDelegationToken(String owner, String renewerKerberosPrincipalName)throws

MetaException, TException {

if(localMetaStore) {

thrownewUnsupportedOperationException("getDelegationToken() can be "+

"called only in thrift (non local) mode");

}

returnclient.get_delegation_token(owner, renewerKerberosPrincipalName);

}

```

HCatInputFormat和HCatOutputFormat提供一些mapreduce api来读取表和写入表

HCatInputFormat API:

```

publicstaticvoidsetInput(Job job,

InputJobInfo inputJobInfo)throwsIOException;

```

先实例化一个InputJobInfo对象,该对象包含三个参数dbname,tablename,filter,然后传给setInput函数,来读取相应的数据

```

publicstaticHCatSchema getTableSchema(JobContext context)

throwsIOException;

```

在运行时(比如mapper阶段的setup函数中),可以传进去JobContext,调用静态getTableSchema来获取先前setInput时设置的table schema信息

HCatOutputFormat API:

```

publicstaticvoidsetOutput(Job job, OutputJobInfo outputJobInfo)throwsIOException;

```

OutPutJobInfo接受三个参数databaseName, tableName, partitionValues,其中第三个参数类型是Map,partition key放在map key里,partition value放在对应map key的value中,该参数可传入null或空map,如果指定的partition存在的话,会抛org.apache.hcatalog.common.HCatException : 2002 : Partition already present with given partition key values

比如要要写入指定的partition(dt='2013-06-13',country='china' ),可以这样写

```

Map partitionValues =newHashMap();

partitionValues.put("dt","2013-06-13");

partitionValues.put("country","china");

HCatTableInfo info = HCatTableInfo.getOutputTableInfo(dbName, tblName, partitionValues);

HCatOutputFormat.setOutput(job, info);

publicstaticHCatSchema getTableSchema(JobContext context)throwsIOException;

```

获取之前HCatOutputFormat.setOutput指定的table schema信息

```

publicstaticvoidsetSchema(finalJob job,finalHCatSchema schema)throwsIOException;

```

设置最终写入数据的schema信息,若不调用这个方法,则默认会使用table schema信息

下面提供一个完整mapreduce例子计算一天每个guid访问页面次数,map阶段从表中读取guid字段,reduce阶段统计该guid对应pageview的总数,然后写回另外一张带有guid和count字段的表中

```

importjava.io.IOException;

importjava.util.Iterator;

importorg.apache.hadoop.conf.Configuration;

importorg.apache.hadoop.conf.Configured;

importorg.apache.hadoop.io.IntWritable;

importorg.apache.hadoop.io.Text;

importorg.apache.hadoop.io.WritableComparable;

importorg.apache.hadoop.mapreduce.Job;

importorg.apache.hadoop.mapreduce.Mapper;

importorg.apache.hadoop.mapreduce.Reducer;

importorg.apache.hadoop.util.Tool;

importorg.apache.hadoop.util.ToolRunner;

importorg.apache.hcatalog.data.DefaultHCatRecord;

importorg.apache.hcatalog.data.HCatRecord;

importorg.apache.hcatalog.data.schema.HCatSchema;

importorg.apache.hcatalog.mapreduce.HCatInputFormat;

importorg.apache.hcatalog.mapreduce.HCatOutputFormat;

importorg.apache.hcatalog.mapreduce.InputJobInfo;

importorg.apache.hcatalog.mapreduce.OutputJobInfo;

publicclassGroupByGuidextendsConfiguredimplementsTool {

@SuppressWarnings("rawtypes")

publicstaticclassMapextends

Mapper {

HCatSchema schema;

Text guid;

IntWritable one;

@Override

protectedvoidsetup(org.apache.hadoop.mapreduce.Mapper.Context context)

throwsIOException, InterruptedException {

guid =newText();

one =newIntWritable(1);

schema = HCatInputFormat.getTableSchema(context);

}

@Override

protectedvoidmap(WritableComparable key, HCatRecord value,

Context context)throwsIOException, InterruptedException {

guid.set(value.getString("guid", schema));

context.write(guid, one);

}

}

@SuppressWarnings("rawtypes")

publicstaticclassReduceextends

Reducer {

HCatSchema schema;

@Override

protectedvoidsetup(org.apache.hadoop.mapreduce.Reducer.Context context)

throwsIOException, InterruptedException {

schema = HCatOutputFormat.getTableSchema(context);

}

@Override

protectedvoidreduce(Text key, Iterable values,

Context context)throwsIOException, InterruptedException {

intsum =0;

Iterator iter = values.iterator();

while(iter.hasNext()) {

sum++;

iter.next();

}

HCatRecord record =newDefaultHCatRecord(2);

record.setString("guid", schema, key.toString());

record.setInteger("count", schema, sum);

context.write(null, record);

}

}

@Override

publicintrun(String[] args)throwsException {

Configuration conf = getConf();

String dbname = args[0];

String inputTable = args[1];

String filter = args[2];

String outputTable = args[3];

intreduceNum = Integer.parseInt(args[4]);

Job job =newJob(conf,

"GroupByGuid, Calculating every guid's pageview");

HCatInputFormat.setInput(job,

InputJobInfo.create(dbname, inputTable, filter));

job.setJarByClass(GroupByGuid.class);

job.setInputFormatClass(HCatInputFormat.class);

job.setMapperClass(Map.class);

job.setReducerClass(Reduce.class);

job.setMapOutputKeyClass(Text.class);

job.setMapOutputValueClass(IntWritable.class);

job.setOutputKeyClass(WritableComparable.class);

job.setOutputValueClass(DefaultHCatRecord.class);

job.setNumReduceTasks(reduceNum);

HCatOutputFormat.setOutput(job,

OutputJobInfo.create(dbname, outputTable,null));

HCatSchema s = HCatOutputFormat.getTableSchema(job);

HCatOutputFormat.setSchema(job, s);

job.setOutputFormatClass(HCatOutputFormat.class);

return(job.waitForCompletion(true) ?0:1);

}

publicstaticvoidmain(String[] args)throwsException {

intexitCode = ToolRunner.run(newGroupByGuid(), args);

System.exit(exitCode);

}

}

```

其实hcatalog还支持动态分区dynamic partition,我们可以在OutJobInfo中指定部分partition keyvalue pair,在运行时候根据传进来的值设置HCatRecord对应的其他partition keyvalue pair,这样就能在一个job中同时写多个partition了


本文转自 http://blog.csdn.net/lalaguozhe/article/details/9083905

作者:yukangkk

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 196,099评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,473评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,229评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,570评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,427评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,335评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,737评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,392评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,693评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,730评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,512评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,349评论 3 314
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,750评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,017评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,290评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,706评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,904评论 2 335

推荐阅读更多精彩内容