spark 读取hbase数据并转化为dataFrame

来源：互联网发布：mac book能下载爱剪辑编辑：程序博客网时间：2024/06/05 09:42

最近两天研究spark直接读取hbase数据，并将其转化为dataframe。之所以这么做，

1、公司的数据主要存储在hbase之中

2、使用dataframe，更容易实现计算。

尽管hbase的官方已经提供了hbase-spark 接口，但是并未对外发布，而且目前的项目又有这方面的需求，且网上关于这么方面的参考比较少，

故贴出来，代码如下，仅供参考

import org.apache.hadoop.hbase.client._import org.apache.hadoop.hbase.io.ImmutableBytesWritableimport org.apache.hadoop.hbase.mapreduce.TableInputFormatimport org.apache.hadoop.hbase.{TableName, HBaseConfiguration}import org.apache.hadoop.hbase.util.Bytesimport org.apache.spark.sql.SQLContextimport org.apache.spark.{SparkContext, SparkConf}/**  * Created by seagle on 6/28/16.  */object HBaseSpark {  def main(args:Array[String]): Unit ={    // 本地模式运行,便于测试    val sparkConf = new SparkConf().setMaster("local").setAppName("HBaseTest")    // 创建hbase configuration    val hBaseConf = HBaseConfiguration.create()    hBaseConf.set(TableInputFormat.INPUT_TABLE,"bmp_ali_customer")    // 创建 spark context    val sc = new SparkContext(sparkConf)    val sqlContext = new SQLContext(sc)    import sqlContext.implicits._    // 从数据源获取数据    val hbaseRDD = sc.newAPIHadoopRDD(hBaseConf,classOf[TableInputFormat],classOf[ImmutableBytesWritable],classOf[Result])    // 将数据映射为表  也就是将 RDD转化为 dataframe schema    val shop = hbaseRDD.map(r=>(      Bytes.toString(r._2.getValue(Bytes.toBytes("info"),Bytes.toBytes("customer_id"))),      Bytes.toString(r._2.getValue(Bytes.toBytes("info"),Bytes.toBytes("create_id")))      )).toDF("customer_id","create_id")    shop.registerTempTable("shop")    // 测试    val df2 = sqlContext.sql("SELECT customer_id FROM shop")    df2.foreach(println)  }}

代码能够运行的前提是

1、 引用了 spark-sql  jar

2、配置了Hbase-site.xml ，并将其放在工程的根目录下

2 0