Question

我试图在Java上从HBase数据库在表上创建map-reduce作业。使用here的示例以及互联网上的其他内容，我成功地编写了一个简单的行计数器。但是，由于接收到的字节始终为空，因此尝试写一个实际上对列中的数据做某事的操作是不成功的。

我的工作驱动程序的一部分是这样的：

/* Set main, map and reduce classes */
job.setJarByClass(Driver.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);

Scan scan = new Scan();
scan.setCaching(500);
scan.setCacheBlocks(false);

/* Get data only from the last 24h */
Timestamp timestamp = new Timestamp(System.currentTimeMillis());
try {
    long now = timestamp.getTime();
    scan.setTimeRange(now - 24 * 60 * 60 * 1000, now);
} catch (IOException e) {
    e.printStackTrace();
}

/* Initialize the initTableMapperJob */
TableMapReduceUtil.initTableMapperJob(
        "dnsr",
        scan,
        Map.class,
        Text.class,
        Text.class,
        job);

/* Set output parameters */
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
job.setOutputFormatClass(TextOutputFormat.class);

如您所见，该表称为dnsr。我的映射器如下所示：

@Override
    public void map(ImmutableBytesWritable row, Result value, Context context)
            throws InterruptedException, IOException {
        byte[] columnValue = value.getValue("d".getBytes(), "fqdn".getBytes());
        if (columnValue == null)
            return;

        byte[] firstSeen = value.getValue("d".getBytes(), "fs".getBytes());
        // if (firstSeen == null)
        //     return;

        String fqdn = new String(columnValue).toLowerCase();
        String fs = (firstSeen == null) ? "empty" : new String(firstSeen);

        context.write(new Text(fqdn), new Text(fs));
    }

一些注意事项：

dnsr表中的列族仅为d。有多个列，其中一些称为fqdn和fs（firstSeen）；
即使fqdn值正确显示，fs也始终是“空”字符串（我在出现一些错误后说不能将null转换为新字符串后添加了此检查）；
如果我用其他方式更改fs列名，例如ls（lastSeen），它会起作用；
reducer不执行任何操作，仅输出其收到的所有内容。

我用javascript创建了一个简单的表扫描程序，用于查询完全相同的表和列，并且可以清楚地看到其中的值。使用命令行并手动执行查询，我可以清楚地看到fs的值不为null，它们是可以稍后转换为字符串（表示日期）的字节。

我总是空的可能是什么问题？

谢谢！

更新：如果获得特定列族中的所有列，则不会收到fs。但是，使用javascript实现的简单扫描程序会将fs作为dnsr表中的一列返回。

@Override
public void map(ImmutableBytesWritable row, Result value, Context context)
        throws InterruptedException, IOException {
    byte[] columnValue = value.getValue(columnFamily, fqdnColumnName);
    if (columnValue == null)
        return;
    String fqdn = new String(columnValue).toLowerCase();

    /* Getting all the columns */
    String[] cns = getColumnsInColumnFamily(value, "d");
    StringBuilder sb = new StringBuilder();
    for (String s : cns) {
        sb.append(s).append(";");
    }

    context.write(new Text(fqdn), new Text(sb.toString()));
}

我使用了here的答案来获取所有列名。

Answer 1

最后，我设法找到了“问题”。 Hbase是面向列的数据存储。此处，数据按列存储和检索，因此如果只需要一些数据，则只能读取相关数据。每个列族都有一个或多个列限定符（列），每列有多个单元格。有趣的是每个单元都有自己的时间戳。

为什么这是问题？好吧，当您进行远程搜索时，仅返回时间戳在该范围内的单元格，因此您可能会以“缺少单元格”的行结尾。就我而言，我有一个DNS记录和其他字段，例如firstSeen和lastSeen。 lastSeen是一个字段，每次我看到该域时都会更新，firstSeen在第一次出现后将保持不变。一旦我将远程地图缩小作业更改为简单地图缩小作业（使用所有时间数据），一切就很好了（但是该作业需要更长的时间才能完成）。

干杯！

Hbase mapreduce作业：所有列值均为空

1 个答案: