數據準備

在表格存儲中準備一張數據表pet，name是唯一的一列主鍵，數據示例請參見下表。

前提條件

已準備好Hadoop、Hive、JDK環境以及表格存儲Java SDK和EMR SDK依賴包。更多信息，請參見準備工作。

Hive訪問示例

1. HADOOP_HOME及HADOOP_CLASSPATH可以添加到/etc/profile中，示例如下：

   export HADOOP_HOME=${您的Hadoop安裝目錄}
   export HADOOP_CLASSPATH=emr-tablestore-1.4.2.jar:tablestore-4.3.1-jar-with-dependencies.jar:joda-time-2.9.4.jar

2. 執行bin/hive命令進入Hive后，創建外表。示例如下：

   CREATE EXTERNAL TABLE pet
     (name STRING, owner STRING, species STRING, sex STRING, birth STRING, death STRING)
     STORED BY 'com.aliyun.openservices.tablestore.hive.TableStoreStorageHandler'
     WITH SERDEPROPERTIES(
       "tablestore.columns.mapping"="name,owner,species,sex,birth,death")
     TBLPROPERTIES (
       "tablestore.endpoint"="YourEndpoint",
       "tablestore.access_key_id"="YourAccessKeyId",
       "tablestore.access_key_secret"="YourAccessKeySecret",
       "tablestore.table.name"="pet");

   具體配置項說明請參見下表。

   配置項	說明
   WITH SERDEPROPERTIES	字段映射配置，包括tablestore.columns.mapping選項配置。 在默認情況下，外表的字段名即為表格存儲上表的列名（主鍵列名或屬性列名）。但有時外表的字段名和表上列名并不一致（例如處理大小寫或字符集相關的問題），此時需要指定tablestore.columns.mapping。該參數為一個英文逗號分隔的字符串，每個分隔之間不能添加空格，每一項都是表中列名，順序與外表字段保持一致。 說明 表格存儲的列名支持空白字符，所以空白也會被認為是表中列名的一部分。
   TBLPROPERTIES	表的屬性配置。包括如下選項： tablestore.endpoint（必選）：訪問表格存儲的服務地址，您可以在表格存儲控制臺上查看實例的Endpoint信息。關于服務地址的更多信息，請參見服務地址。 tablestore.instance（可選）：表格存儲的實例名稱。如果不填寫，則為tablestore.endpoint的第一段。關于實例的更多信息，請參見實例。 tablestore.access_key_id（必選）：阿里云賬號或者RAM用戶的AccessKey ID。更多信息，請參見獲取AccessKey。 當要使用STS服務臨時訪問資源時，請設置此參數為臨時訪問憑證的AccessKey ID。 tablestore.access_key_secret（必選）：阿里云賬號或者RAM用戶的AccessKey Secret。更多信息，請參見獲取AccessKey。 當要使用STS服務臨時訪問資源時，請設置此參數為臨時訪問憑證的AccessKey Secret。 tablestore.sts_token（可選）：臨時訪問憑證的安全令牌。當要使用STS服務臨時訪問資源時，才需要設置此參數。更多信息，請參見通過RAM Policy為RAM用戶授權。 tablestore.table.name（必選）：表格存儲中對應的表名。

3. 查詢表中數據。

   • 執行SELECT * FROM pet;命令查詢表中所有行數據。

     返回結果示例如下：

     Bowser  Diane   dog     m       1979-08-31      1995-07-29
     Buffy   Harold  dog     f       1989-05-13      NULL
     Chirpy  Gwen    bird    f       1998-09-11      NULL
     Claws   Gwen    cat     m       1994-03-17      NULL
     Fang    Benny   dog     m       1990-08-27      NULL
     Fluffy  Harold  cat     f       1993-02-04      NULL
     Puffball        Diane   hamster f       1999-03-30      NULL
     Slim    Benny   snake   m       1996-04-29      NULL
     Whistler        Gwen    bird    NULL    1997-12-09      NULL
     Time taken: 5.045 seconds, Fetched 9 row(s)

   • 執行SELECT * FROM pet WHERE birth > "1995-01-01";命令查詢表中birth列值大于1995-01-01的行數據。

     返回結果示例如下：

     Chirpy  Gwen    bird    f       1998-09-11      NULL
     Puffball        Diane   hamster f       1999-03-30      NULL
     Slim    Benny   snake   m       1996-04-29      NULL
     Whistler        Gwen    bird    NULL    1997-12-09      NULL
     Time taken: 1.41 seconds, Fetched 4 row(s)

HadoopMR訪問示例

以下示例介紹如何使用HadoopMR程序統計數據表pet的行數。

• 構建Mappers和Reducers

  public class RowCounter {
  public static class RowCounterMapper
  extends Mapper<PrimaryKeyWritable, RowWritable, Text, LongWritable> {
      private final static Text agg = new Text("TOTAL");
      private final static LongWritable one = new LongWritable(1);
  
      @Override
      public void map(
          PrimaryKeyWritable key, RowWritable value, Context context)
          throws IOException, InterruptedException {
          context.write(agg, one);
      }
  }
  
  public static class IntSumReducer
  extends Reducer<Text,LongWritable,Text,LongWritable> {
  
      @Override
      public void reduce(
          Text key, Iterable<LongWritable> values, Context context)
          throws IOException, InterruptedException {
          long sum = 0;
          for (LongWritable val : values) {
              sum += val.get();
          }
          context.write(key, new LongWritable(sum));
      }
  }
  }
                      

  數據源每從表格存儲上讀出一行，都會調用一次mapper的map()。PrimaryKeyWritable和RowWritable兩個參數分別對應這行的主鍵以及該行的內容。您可以通過調用PrimaryKeyWritable.getPrimaryKey()和RowWritable.getRow()取得表格存儲Java SDK定義的主鍵對象及行對象。

• 配置表格存儲作為mapper的數據源。

  private static RangeRowQueryCriteria fetchCriteria() {
      RangeRowQueryCriteria res = new RangeRowQueryCriteria("YourTableName");
      res.setMaxVersions(1);
      List<PrimaryKeyColumn> lower = new ArrayList<PrimaryKeyColumn>();
      List<PrimaryKeyColumn> upper = new ArrayList<PrimaryKeyColumn>();
      lower.add(new PrimaryKeyColumn("YourPkeyName", PrimaryKeyValue.INF_MIN));
      upper.add(new PrimaryKeyColumn("YourPkeyName", PrimaryKeyValue.INF_MAX));
      res.setInclusiveStartPrimaryKey(new PrimaryKey(lower));
      res.setExclusiveEndPrimaryKey(new PrimaryKey(upper));
      return res;
  }
  
  public static void main(String[] args) throws Exception {
      Configuration conf = new Configuration();
      Job job = Job.getInstance(conf, "row count");
      job.addFileToClassPath(new Path("hadoop-connector.jar"));
      job.setJarByClass(RowCounter.class);
      job.setMapperClass(RowCounterMapper.class);
      job.setCombinerClass(IntSumReducer.class);
      job.setReducerClass(IntSumReducer.class);
      job.setOutputKeyClass(Text.class);
      job.setOutputValueClass(LongWritable.class);
      job.setInputFormatClass(TableStoreInputFormat.class);
      TableStoreInputFormat.setEndpoint(job, "https://YourInstance.Region.ots.aliyuncs.com/");
      TableStoreInputFormat.setCredential(job, "YourAccessKeyId", "YourAccessKeySecret");
      TableStoreInputFormat.addCriteria(job, fetchCriteria());
      FileOutputFormat.setOutputPath(job, new Path("output"));
      System.exit(job.waitForCompletion(true) ? 0 : 1);
  }                    

  示例中使用job.setInputFormatClass(TableStoreInputFormat.class)將表格存儲設置為數據源，除此之外，還需要：

  • 把hadoop-connector.jar部署到集群上并添加到classpath中。路徑為addFileToClassPath()指定hadoop-connector.jar的本地路徑。代碼中假定hadoop-connector.jar在當前路徑。

  • 訪問表格存儲需要指定入口和身份。通過TableStoreInputFormat.setEndpoint()和TableStoreInputFormat.setCredential()設置訪問表格存儲需要指定的Endpoint和AccessKey信息。

  • 指定一張表用來計數。

    說明

    • 每調用一次addCriteria()可以在數據源里添加一個Java SDK定義的RangeRowQueryCriteria對象。可以多次調用addCriteria()。RangeRowQueryCriteria對象與表格存儲Java SDK GetRange接口所用的RangeRowQueryCriteria對象具有相同的限制條件。

    • 使用RangeRowQueryCriteria的setFilter()和addColumnsToGet()可以在表格存儲的服務器端過濾掉不必要的行和列，減少訪問數據的大小，降低成本，提高性能。

    • 通過添加對應多張表的多個RangeRowQueryCriteria，可以實現多表的union。

    • 通過添加同一張表的多個RangeRowQueryCriteria，可以做到更均勻的切分。TableStore-Hadoop Connector會根據一些策略將用戶傳入的范圍切細。

程序運行示例

1. 設置HADOOP_CLASSPATH。

   HADOOP_CLASSPATH=hadoop-connector.jar bin/hadoop jar row-counter.jar

2. 執行find output -type f命令查找output目錄下的所有文件。

   返回結果示例如下：

   output/_SUCCESS
   output/part-r-00000
   output/._SUCCESS.crc
   output/.part-r-00000.crc

3. 執行cat output/part-r-00000命令統計運行結果中的行數。

   TOTAL   9

類型轉換說明

表格存儲支持的數據類型與Hive或者Spark支持的數據類型不完全相同。

下表列出了從表格存儲的數據類型（行）轉換到Hive或Spark數據類型（列）的支持情況。