HBase应用笔记：HBase MapReduce实例分析（转自：Taobao QA Team）

引言
跟Hadoop的无缝集成使得使用MapReduce对HBase的数据进行分布式计算非常方便，本文将以前面的blog示例，介绍HBase下MapReduce开发要点。很好理解本文前提是你对Hadoop MapReduce有一定的了解，如果你是初次接触Hadoop MapReduce编程，可以参考http://qa.taobao.com/?p=10523 这篇文章来建立基本概念。
HBase MapReduce核心类介绍
首先一起来回顾下MapReduce的基本编程模型，

可以看到最基本的是通过Mapper和Reducer来处理KV对，Mapper的输出经Shuffle及Sort后变为Reducer的输入。除了Mapper和Reducer外，另外两个重要的概念是InputFormat和OutputFormat，定义了Map-Reduce的输入和输出相关的东西。HBase通过对这些类的扩展（继承）来方便MapReduce任务来读写HTable中的数据。

实例分析
我们还是以最初的blog例子来进行示例分析，业务需求是这样：找到具有相同兴趣的人，我们简单定义为如果author之间article的tag相同，则认为两者有相同兴趣，将分析结果保存到HBase。除了上面介绍的blog表外，我们新增一张表tag_friend，RowKey为tag，Value为authors,大概就下面这样。

我们省略了一些跟分析无关的Column数据，上面的数据按前面描述的业务需求经过MapReduce分析，应该得到下面的结果

实际的运算过程分析如下
代码实现
有了上面的分析，代码实现就比较简单了。只需以下几步

定义Mapper类继承TableMapper，map的输入输出KV跟上面的分析一致。

public static class Mapper extends TableMapper <ImmutableBytesWritable, ImmutableBytesWritable> {
    public Mapper() {}
    @Override
    public void map(ImmutableBytesWritable row, Result values,Context context) throws IOException
    {
        ImmutableBytesWritable value = null;
        String[] tags = null;
        for (KeyValue kv : values.list())
        {
            if ("author".equals(Bytes.toString(kv.getFamily())) && "nickname".equals(Bytes.toString(kv.getQualifier()))) 
            {
                  value = new ImmutableBytesWritable(kv.getValue());
            }
            if ("article".equals(Bytes.toString(kv.getFamily())) && "tags".equals(Bytes.toString(kv.getQualifier()))) 
            {
                tags = Bytes.toString(kv.getValue()).split(",");
            }
        }
        for (int i = 0; i < tags.length; i++) {
            ImmutableBytesWritable key = new ImmutableBytesWritable(
            Bytes.toBytes(tags[i].toLowerCase()));
            try {
                context.write(key,value);
            }
            catch (InterruptedException e) {
                throw new IOException(e);
            }
        }
    }
}

 

定义Reducer类继承TableReducer，reduce的输入输出KV跟上面分析的一致。

public static class Reducer extends TableReducer <ImmutableBytesWritable, ImmutableBytesWritable, ImmutableBytesWritable>
{
    @Override
    public void reduce(ImmutableBytesWritable key,Iterable values,Context context) throws IOException, InterruptedException
    {
        String friends="";
        for (ImmutableBytesWritable val : values) {
            friends += (friends.length()>0?",":"")+Bytes.toString(val.get());
        }
        Put put = new Put(key.get());
        put.add(Bytes.toBytes("person"), Bytes.toBytes("nicknames"),
        Bytes.toBytes(friends));
        context.write(key, put);
    }
}

 

在提交作业时设置inputFormat为TableInputFormat,设置outputFormat为TableOutputFormat，可以借助TableMapReduceUtil类来简化编码。

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    conf = HBaseConfiguration.create(conf);
    
    Job job = new Job(conf, "HBase_FindFriend");
    job.setJarByClass(FindFriend.class);
    
    Scan scan = new Scan();
    scan.addColumn(Bytes.toBytes("author"), Bytes.toBytes("nickname"));
    scan.addColumn(Bytes.toBytes("article"), Bytes.toBytes("tags"));
    
    TableMapReduceUtil.initTableMapperJob("blog", scan,FindFriend.Mapper.class, ImmutableBytesWritable.class, ImmutableBytesWritable.class, job);
    
    TableMapReduceUtil.initTableReducerJob("tag_friend",FindFriend.Reducer.class, job);
    
    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

 

小结
本文通过实例分析演示了使用MapReduce分析HBase的数据，需要注意的这只是一种常规的方式（分析表中的数据存到另外的表中），实际上不局限于此，不过其他方式跟此类似。如果你进行到这里，你肯定想要马上运行它看看结果，在下篇文章中将介绍如何在模拟集群环境下本机运行MapReduce任务进行测试。