//hbase 2.1.10 val load = new LoadIncrementalHFiles(HBaseConfiguration.create()) load.doBulkLoad(new Path(tmpdir), conn.getAdmin, table, regionLocator) //hbase 2.3.5 val load = new BulkLoadHFilesTool(HBaseConfiguration.create()) load.doBulkLoad(new Path(tmpdir), conn.getAdmin, table, regionLocator)
2,reduce问题
spark bulkload 数据到hbase 遇到这样的问题,为了更好的平移至hbase数据库 spark写入的并行度和
hbase的region个数保持了一致 这样也存在一个问题
如果hbase的region个数不够 并行度就小了 假如数据量大的情况下
并行度又比较小 容易造成oom 遇到这种情况怎么办?
bulk load的map阶段是很快的,但是reduce阶段慢的一批,看了下是hbase给我们提供了reduce,也就是我们无法更改reduce的数量,但是,这样就会造成严重的效率低下的 问题。
如何解决:就是建表的时候进行合理的预分区,预分区数量决定reduce的数量(预分区+1 = reduce),预分区越多,自然效率就提高了。 hbase如何预分区?hbase shell
CREATE 'TABLE TEST.TEST_REGION','i',{SPLIT=>['1','2','3','4','5','6']}
phoenix
CREATE TABLE TEST.TEST_REGION (
"rk" VARCHAR NOT NULL PRIMARY KEY,
"i"."sha1" VARCHAR,
"i"."task_type" VARCHAR,
"i"."task_id" BIGINT,
"i"."task_createtime" BIGINT
)column_encoded_bytes=0 SPLIT ON ('1','2','3','4','5','6');
这样预分区6个,reduce数量就为 6+1 速度就快起来
3,数据量过大问题(32 hfile)
日志信息
Exception in thread "main" java.io.IOException: Trying to load more than 32 hfiles to one family of one region at org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles.doBulkLoad (LoadIncrementalHFiles.java:377) at hbase_Insert.Hbase_Insert.main(Hbase_Insert.java:241) at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) at sun.reflect.NativeMethodAccessorImpl.invoke(
分析:
就是超过了32个hfile的大小的数据量 导入到了hbase的一个region里面,超过了hbase默认规定的数据量大小。
解决
hbase.hregion.max.filesize
单个ColumnFamily的region大小,若按照ConstantSizeRegionSplitPolicy策略,超过设置的该值则自动split 默认的大小是1G hbase.mapreduce.bulkload.max.hfiles.perRegion.perFamily
允许的hfile的最大个数,默认配置是32 也就是说:这两个参数的默认值决定了,每次批量入库的数据量不能超过1*32也就是32个G,超过这个数量就会导致入库失败
在hbase-site.xml里面针对这两个参数进行设置 (一劳永逸)
hbase.hregion.max.filesize 10737418240 hbase.mapreduce.bulkload.max.hfiles.perRegion.perFamily 3200
或者可以在代码里
val conf: Configuration = HBaseConfiguration.create()
//为了预防hfile文件数过多无法进行导入,设置该参数值
conf.setInt("hbase.hregion.max.filesize", 10737418240)
conf.setInt("hbase.mapreduce.bulkload.max.hfiles.perRegion.perFamily", 3200)
4,找不到 HBaseConfiguration
bug
java.lang.NoClassDefFoundError: org/apache/hadoop/hbase/HBaseConfiguration
解决
1,hadoop-env.sh 添加:export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/export/server/hbase-1.3.1/lib/*
2,yarn-site.xml 中 yarn.application.classpath属性中加入hbase-1.3.1/lib/*
yarn.application.classpath $HADOOP_CONF_DIR,/usr/hdp/${hdp.version}/hadoop-client/*, hbase-1.3.1/lib/*



