如何使用Spark分析云HBase的数据

这篇文章将为大家详细讲解有关如何使用Spark分析云HBase的数据，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

1 云HBase查询分析的现状

• HBase原生API：HBase原生API适合基于row key做点查，这个是HBase最擅长的查询场景

• Phoenix：Phoenix作为HBase的sql层，使用二级索引的技术，擅长多条件组合查询；Phoenix没有自己的计算资源，类似groupby这样的复杂查询需要借助HBase的协处理器来完成，这样一方面性能不好，同时会影响HBase集群的稳定性；

• Spark：具有丰富的算子支持复杂分析，使用Spark集群的计算资源，通过并发分析的方式可以提高性能，同时不影响HBase集群的稳定性。

2 Spark分析HBase的方式对比

Spark分析HBase数据有“RDD API”、“sql API”、“HFILE”三种方式，相关对比如下：

对于数据动态更新增加的小表推荐使用sql API的方式，可以有效的优化分析，减少对HBase集群稳定性的影响；对于静态表或者全量静态表的分析推荐使用分析HFILE的方式直读HDFS，这样可以完全不影响HBase集群稳定性；不推荐使用RDD API 的方式，这种方式一方没有优化性能差，同时在高并发以及表数据量大时，会严重影响HBase集群的稳定性，从而影响在线业务。

3 三种方式的具体使用

云HBase团队为大家提供了一个github项目供大家参考使用上面的三种方式来开发Spark分析HBase的程序，项目地址：

https://github.com/lw309637554/alicloud-hbase-spark-examples?spm=a2c4e.11153940.blogcont573569.14.1b6077b4MNpI9X

• 依赖项：需要下载云HBase及云Phoenix的client包

• 分析HFILE：

• 需要先开通云HBase的HDFS访问权限，参考文档

• 在hbase shell中对表生成snapshot表“snapshot 'sourceTable', ‘snapshotName'”

• 在项目中配置自己的hdfs-sit.xml文件，然后通过直读HDFS的方式分析snapshot表

• 具体的example

• RDD API对应：org.apache.spark.hbase.NativeRDDAnalyze

• sql API对应：org.apache.spark.sql.execution.datasources.hbase.sqlAnalyze

• 分析HFILE对应：org.apache.spark.hfile.SparkAnalyzeHFILE

关于“如何使用Spark分析云HBase的数据”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。