一、压缩
三种阶段
1.在数据进入HDFS之前进行压缩
2.在MapRecduce的shuffle过程中：Map完成 Reduce开始阶段 数据在节点之间传输的时候进行压缩
3.数据处理完成存到HDFS之上的时候进行压缩
总的来说压缩的目的：
1.节省HDFS的存储空间，缓解存储压力
2.减少网络传输的数据，减轻网络传输负载
hadoop需要支持压缩
/opt/bigdata/hadoop-2.7.3/bin/hadoop checknative
hadoop不支持解决办法：
解压native-2.7.3-snappy.tar.gz ，替换lib目录下的native
Hadoop目录下
删除native
解压拷贝native-2.7.3-snappy.tar.gz
tar -zxvf /data/tools/native-2.7.3-snappy.tar.gz -C ./
再检查是否支持
HBase是否支持支持压缩
/opt/bigdata/hbase-1.2.1/bin/hbase org.apache.hadoop.util.NativeLibraryChecker
步骤
软件名称：hadoop-snappy-0.0.1-SNAPSHOT.tar.gz
1.解压
tar -zxvf hadoop-snappy-0.0.1-SNAPSHOT.tar.gz -C /opt/bigdata/hadoop-2.7.3/
解压目录
目录结构
2.配置窗口环境变量
export HBASE_HOME=/opt/bigdata/hbase-1.2.1/
export HADOOP_SNAPPY_HOME=/opt/bigdata/hadoop-2.7.3/hadoop-snappy-0.0.1-SNAPSHOT
export HADOOP_HOME=/opt/bigdata/hadoop-2.7.3
3.拷贝hadoop-snappy-0.0.1-SNAPSHOT.jar到$HBASE_HOME/lib
cp -r /opt/bigdata/hadoop-2.7.3/hadoop-snappy-0.0.1-SNAPSHOT/lib/hadoop-snappy-0.0.1-SNAPSHOT.jar /opt/bigdata/hbase-1.2.1/lib
查看包是否拷贝
4.创建native目录
mkdir $HBASE_HOME/lib/native
mkdir -p /opt/bigdata/hbase-1.2.1/lib/native
5.设置软链接
ln -s $HADOOP_HOME/lib/native $HBASE_HOME/lib/native/Linux-amd64-64
再次在${HBASE_HOME}验证是否支持压缩
重启habse的进程，以使配置生效
/opt/bigdata/hbase-1.2.1/bin/stop-hbase.sh
/opt/bigdata/hbase-1.2.1/bin/start-hbase.sh
进入hbase创建支持snappy压缩的表
bin/hbase shell
描述表信息
desc 't1'
更改表的信息 ，t1表是已经有数据的disable 't1'
alter 't1', NAME => 'f', COMPRESSION => 'snappy'
（也可以直接更改
alter 't1', NAME => 'f1, COMPRESSION => 'snappy'
）
enable 't1'
查看信息
做一个练习
创建表 通过{}设置变量值
create 'tsnappy1', { NAME => 'f'}
create 'tsnappy2', { NAME => 'f', COMPRESSION => 'snappy'}
插入相同的数据到两张表中：看下文件大小，文件小效果不是很明显，大数据效果会更明显
二、hive和hbase的集成
注意版本：Hive 1.x will remain compatible with HBase 0.98.x and lower versions. Hive 2.x will be compatible with HBase 1.x and higher
如果版本不兼容，考虑编译hive的版本
apache-hive-1.2.1-src.tar.gz
我这里有一个编译好的
apache-hive-1.2.1-hbase.tar.gz
解压缩
进入目录
hive和hbase表之间进行关联，依赖hive-hbase-handler-1.2.1.jar
替换hive_home 下lib里面的jar
rm -f hive-hbase-handler-1.2.1.jar
cp /data/tools/apache-hive-1.2.1-bin/lib/hive-hbase-handler-1.2.1.jar ./
（1）基本了解：
hbase表数据映射到hive表中，数据存在hbase
hive表类型：管理表和外部表
管理表：在hive建表，同时hbase是不存在该表，hbase建相同的表，数据不是在hive，而是在hbase
外部表：在hive建表，同时hbase是存在该表，数据不是在hive，而是在hbase。
（2）框架之间的集成首先考虑的是：jar包和配置。
拷贝jar包到hive/lib下
上传
修改hive-site.xml文件
指定ZK的实例化地址，用于连接hbase集群，因为ZK是访问入口
hbase.zookeeper.quorum
masterhbase,masterslave1,masterslave2
启动hive
将hive的表映射到hbase
建表(内部表)
CREATE TABLE hbase_table_1(
key int,
name string
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name")
TBLPROPERTIES ("hbase.table.name" = "wzy", "hbase.mapred.output.outputtable" = "wzy");
(1)hbase.columns.mapping：这个属性必须要写的
(2)hbase.table.name：这个是映射到hbase表的名称，这个属性可选，如果不要，那么对应的hbase表名称就是hive
建表的名称hbase_table_1
(3)hbase.mapred.output.outputtable：这个可选，直接可以不要
如果报错及解决办法
(1)报错：
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. org.apache.hadoop.hbase.HTableDescrip
tor.addFamily(Lorg/apache/hadoop/hbase/HColumnDescriptor;)V
hive和hbase版本之间不兼容
编译hive的版本支持hbase1.x
解压hive的tar包
修改仓库的路径
添加hbase的jar
(2)报错：
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:For direct Meta
Store DB connections, we don't support retries at the client level.)
修改mysql元数据的编码字符集：alter database metastore2 character set latin1;
mysql驱动jar导入hive的lib目录。
在hbase查看下，表存在了
可以查看表信息
将hbase中的表stu_info映射到hive
再查看一张表
CREATE EXTERNAL TABLE stu_info(
uuid int,
name string,
age string,
sex string,
job string,
xueli string
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name,info:age,info:sex,work:job,degree:xueli")
TBLPROPERTIES("hbase.table.name" = "stu_info");
查询下
select * from stu_info;
在hive中去加载映射表数据：load是不行的，必须使用要跑mr的。比如：inser into 子查询的方式
比如建一张表：
create table dept(
deptno int comment '部门编号',
dname string comment '部门名称',
loc string comment '地址'
)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\\t'
载入数据
load data local inpath '/data/dept.txt' into table dept;
插入数据
INSERT OVERWRITE TABLE hbase_table_1 SELECT deptno,dname from dept;
select * from hbase_table_1;
scan "wzy"
在hbase中添加数据
put 'wzy','6','info:name','flume'
Scan下
Hive查看下
所以
在hive表添加数据，hbase可直接更新数据
在hive表添加数据，hbase可直接更新数据
可以看下50070的hive页面，然后在看50070的hbase
在hive中没有数据
在hbase中也没有
hbase需要flush下，手动刷新
flush 'wzy'
Hbase上有了
但hive上也没有
将hbase已经存在的表映射到hive：
想要映射hbase中已经存在的表：那么在hive中必须要是使用外部表属性EXTERNAL
CREATE EXTERNAL TABLE hbase_table_2(
uuid int,
username string
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "info:name")
TBLPROPERTIES("hbase.table.name" = "wzy");
查看下
针对于映射hbase外部表（可以练习下）：
在hive重新修改数据到外部表，hbase数据没有做更新
在hbase重新修改数据，hive是有变化的
补充一点：key可加可不加
CREATE EXTERNAL TABLE hbase_table_3(
uuid int,
username string
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name")
TBLPROPERTIES("hbase.table.name" = "wzy");
内部表和外部表的区别：
内部表：删除表，对应的源数据文件就会被删除
外部表：删除表，对应的源数据文件不会被删除
drop删除hbase_table_3时，数据还在hbase
drop删除hbase_table_1时，数据就会被删除，wzy就没有了。
在hbase和hive进行集成的时候要注意
如果hbase正在实时的往里面灌数据，这时候使用hive去分析的话，准确性会下降。
閱讀更多 分享電腦學習 的文章
