使用spark从hbase读取特定的列数据

时间:2014-11-25 09:00:55

标签: scala hbase apache-spark

我在HBase中有一个名为“orders”的表,它有列系列'o',列为{id,fname,lname,email} 将行键作为id。我试图只使用spark从hbase获取fname和email的值。目前我正在做的是下面的

   override def put(params: scala.collection.Map[String, Any]): Boolean = {
    var sparkConfig = new SparkConf().setAppName("Connector")
    var sc: SparkContext = new SparkContext(sparkConfig)
    var hbaseConfig = HBaseConfiguration.create()
    hbaseConfig.set("hbase.zookeeper.quorum", ZookeeperQourum)
    hbaseConfig.set("hbase.zookeeper.property.clientPort", zookeeperPort)
    hbaseConfig.set(TableInputFormat.INPUT_TABLE, schemdto.tableName);
    hbaseConfig.set(TableInputFormat.SCAN_COLUMNS, "o:fname,o:email");
    var hBaseRDD = sc.newAPIHadoopRDD(hbaseConfig, classOf[TableInputFormat],
      classOf[org.apache.hadoop.hbase.io.ImmutableBytesWritable],
      classOf[org.apache.hadoop.hbase.client.Result])
    try {
      hBaseRDD.map(tuple => tuple._2).map(result => result.raw())
        .map(f => KeyValueToString(f)).saveAsTextFile(sink)

      return true;
    } catch {
      case ex: Exception => {
        println(ex.getMessage())
        return false
      }
    }
}


def KeyValueToString(keyValues: Array[KeyValue]): String = {
    var it = keyValues.iterator
    var res = new StringBuilder
    while (it.hasNext) {
      res.append( Bytes.toString(it.next.getValue()) + ",")
    }
    res.substring(0, res.length-1);
}

但是没有返回任何内容,如果我尝试只获取一个列,例如

hbaseConfig.set(TableInputFormat.SCAN_COLUMNS, "o:fname");

然后它返回列fname

的所有值

所以我的问题是如何使用spark

从hbase获取多个列

任何帮助将不胜感激。

1 个答案:

答案 0 :(得分:9)

根据documentation,要扫描的列列表需要以空格分隔。

hbaseConfig.set(TableInputFormat.SCAN_COLUMNS, "o:fname o:email");