« 如何在Hadoop中使用Streaming编写MapReduce | 首页 | Nutch中MapReduce的分析 »

在HBase里使用MapReduce例子

作者：马士华 发表于：2008-03-05 19:10 最后更新于：2008-03-07 12:15
版权声明：可以任意转载，转载时请务必以超链接形式标明文章 原始出处和作者信息。
http://www.hadoop.org.cn/mapreduce/hbase-mapreduce/

　　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");
}

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();
}
}
}

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();
}

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。

相关文章

• 2008-03-05 -- 如何在Hadoop中使用Streaming编写MapReduce (1)
• 2008-08-07 -- 函数式编程范式-MapReduce (3)
• 2008-07-02 -- pig语言 (2)
• 2008-06-26 -- HBase的概念和性能选项 (5)
• 2008-06-10 -- Facebook中的Hadoop (0)

引用通告