spark 连接hbase

来源：互联网发布：mathcad读取数据编辑：程序博客网时间：2024/05/22 13:42

一、环境准备

1、复制HBase目录下的lib文件 到 spark目录/lib/hbase。spark 依赖此lib清单如下：guava-12.0.1.jar            htrace-core-3.1.0-incubating.jar protobuf-java-2.5.0.jar   这三个jar加上以hbase开头所有jar，其它就不必了。全部复制会引起报错。

2、修改spark配置文件（spark-env.sh），在最后面增加一行

export SPARK_CLASSPATH=/usr/local/spark-1.5.1-bin-hadoop2.4/lib/hbase/*

重启spark集群，然后执行操作

import org.apache.hadoop.conf.Configuration;  import org.apache.hadoop.hbase.HBaseConfiguration;  import org.apache.hadoop.hbase.HColumnDescriptor;  import org.apache.hadoop.hbase.HTableDescriptor;  import org.apache.hadoop.hbase.client.Get;  import org.apache.hadoop.hbase.client.HBaseAdmin;  import org.apache.hadoop.hbase.client.HTable;  import org.apache.hadoop.hbase.client.Put;  import org.apache.hadoop.hbase.client.Result;  import org.apache.hadoop.hbase.client.ResultScanner;  import org.apache.hadoop.hbase.client.Scan;  import org.apache.hadoop.hbase.util.Bytes; #主要是下面几个包import org.apache.hadoop.hbase.HBaseConfigurationimport org.apache.hadoop.hbase.client.Resultimport org.apache.hadoop.hbase.io.ImmutableBytesWritableimport org.apache.hadoop.hbase.mapreduce.TableInputFormatval conf = HBaseConfiguration.create()conf.set(TableInputFormat.INPUT_TABLE,"thd")val rdd = sc.newAPIHadoopRDD(conf,classOf[TableInputFormat],classOf[ImmutableBytesWritable],classOf[Result])

此时如果查看rdd.take(1)运行得到后可能会报错

 ERROR Executor: Exception in task 0.0 in stage 14.0 (TID 14)java.io.NotSerializableException: org.apache.hadoop.hbase.io.ImmutableBytesWritable

排查了好久，后来参考链接中的解答
http://stackoverflow.com/questions/28159185/streaming-from-hbase-using-spark-not-serializable

rdd里的内容需要转化成string
执行rdd.map(_.toString)
之后正常，从而可以利用spark对hbase进行rdd操作了…

0 0