《尚学堂hadoop大数据培训BulkLoad 实现数据快速入库.docVIP

北京尚学堂提供 1、为何要?BulkLoad 导入？传统的?HTableOutputFormat 写 HBase 有什么问题？ 我们先看下 HBase 的写流程： 通常 MapReduce 在写HBase时使用的是 TableOutputFormat 方式，在reduce中直接生成put对象写入HBase，该方式在大数据量写入时效率低下（HBase会block写入，频繁进行flush，split，compact等大量IO操作），并对HBase节点的稳定性造成一定的影响（GC时间过长，响应变慢，导致节点超时退出，并引起一系列连锁反应），而HBase支持 bulk load 的入库方式，它是利用hbase的数据信息按照特定格式存储在hdfs内这一原理，直接在HDFS中生成持久化的HFile数据格式文件，然后上传至合适位置，即完成巨量数据快速入库的办法。配合mapreduce完成，高效便捷，而且不占用region资源，增添负载，在大数据量写入时能极大的提高写入效率，并降低对HBase节点的写入压力。通过使用先生成HFile，然后再BulkLoad到Hbase的方式来替代之前直接调用HTableOutputFormat的方法有如下的好处：（1）消除了对HBase集群的插入压力（2）提高了Job的运行速度，降低了Job的执行时间目前此种方式仅仅适用于只有一个列族的情况，在新版 HBa