【技术实现步骤摘要】
一种基于HDFS海量数据快速导入HBase的方法
本专利技术属于数据处理
,具体涉及一种基于HDFS海量数据快速导入HBase的方法。
技术介绍
在社会快速发展的今天,各行各业每天都会产生大量的数据,数据来源囊括了我们周围可以捕获的任何类型数据,网站、社交媒体、交易型商业数据以及其它商业环境中创建的数据。面对海量数据,将数据进行快速存储利用尤为重要,可以使用编程模型MapReduce直接向HBase导入数据,但海量的数据集会使得MapReduceJob作业也变得很繁重。若处理不当,则可能使得MapReduce的job运行时的吞吐量很小,也可以使用HBase的API中的Put方法,用法也很容易学习和操作,但针对大部分情况,它并非都是最高效的方式。当需要将海量数据在规定时间内载入HBase中时,效率问题体现得尤为明显。
技术实现思路
本专利技术的目的在于,针对上述现有技术存在的缺陷,提供设计一种基于HDFS海量数据快速导入HBase的方法,以解决上述技术问题。为了达到上述目的,本专利技术提供的技术方案为:一种基于HDFS海量数据快速导入HBase的方法,其特征在于,包括以下步骤:步骤1:从数据源提取数据并以流的方式上传到HDFS;步骤2:用编程模型对数据进行筛选运算和处理,生成HBase的底层数据存储的文件HFile;步骤3:判断HBase数据库中是否有HBase表;若没有,在HBase数据库建HBase表,并在建表时对所建的HBase表进行预分区,若有,执行步骤4;步骤4:将文件在HDFS上的位置传递给区域服务器RegionServers,利用Region ...
【技术保护点】
一种基于HDFS海量数据快速导入HBase的方法,其特征在于,包括以下步骤:步骤1:从数据源提取数据并以流的方式上传到HDFS;步骤2:用编程模型对数据进行筛选运算和处理,生成HBase的底层数据存储的文件HFile;步骤3:判断HBase数据库中是否有HBase表;若没有,在HBase数据库建HBase表,并在建表时对所建的HBase表进行预分区,若有,执行步骤4;步骤4:将文件在HDFS上的位置传递给区域服务器Region Servers,利用Region Server将数据导入到相应分区目录下,完成与HBase表的关联,实现数据导入。
【技术特征摘要】
1.一种基于HDFS海量数据快速导入HBase的方法,其特征在于,包括以下步骤:步骤1:从数据源提取数据并以流的方式上传到HDFS;步骤2:用编程模型对数据进行筛选运算和处理,生成HBase的底层数据存储的文件HFile;步骤3:判断HBase数据库中是否有HBase表;若没有,在HBase数据库建HBase表,并在建表时对所建的HBase表进行预分区,若有,执行步骤4;步骤4:将文件在HDFS上的位置传递给区域服务器RegionServers,利用RegionServer将数据导入到相应分区目录下,完成与HBase表的关联,实现数据导入。2.根据权利要求1所述的一种基于HDFS海量数据快速导入HBase的方法,其特征在于,步骤2的实现过程为:用编程模型MapReduce作业准备数据,第一个作业运行业务处理逻辑,处理结果写入到HDFS上的中间目录下,第二个作业以第一个作业的输出作为输入,生成HBase的底层数据存储的文件HFile。3.根据权利要求1所述的一种基于HDFS海量数据快速导入HBase的方法,其特征在于,创建表时对表进行预分区,设置Reduce数等于分区数Region。4.根据权利要求2所述的一种基于HDF...
【专利技术属性】
技术研发人员:乔晋伟,
申请(专利权)人:郑州云海信息技术有限公司,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。