Phoenix 數據導入與導出

Phoenix 官方提供了相應的導入和導出的方案，分別位於：

導入：https://phoenix.apache.org/bu...

導入、導出：https://phoenix.apache.org/pi...

導出須要依賴 Apache Pig 相應進行實現。咱們先來聊聊如何導出吧。

環境：HDP 3.0.0、HBase 2.0.0、Phoenix 5.0.0、Pig 0.16.0

導出

Phoenix 官方提供的 Pig 方案，看似很簡單，其實仍是有不少須要注意的地方，比較官方給的都是最簡單的示例，而實際應用場景的時候，會碰到不少意想不到的問題。我在本文就講講個人實現方法和遇到的坑吧。

如下操做須要先安裝 Pig 環境。

test.pig

REGISTER /usr/hdp/3.0.0.0-1634/hbase/lib/*.jar;
REGISTER lib/*.jar;
rows = load 'hbase://table/DOP_VISIT_INFO_V2' USING org.apache.phoenix.pig.PhoenixHBaseLoader('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org');

• REGISTER：註冊所須要的包，官方示例中沒有響應的體現，在使用過程當中，若是遇到找不到類的相關問題，通常就是包不存在致使的，能夠經過 REGISTER 進行引用，而且支持相對路徑和模糊匹配哦。
• hbase://table/DOP_VISIT_INFO_V2 ：是指須要備份的表，若是是全表就用 hbase://table ，後面跟表名，這裏就是 DOP_VISIT_INFO_V2 查詢的結果導出則用 hbase://query ，後面跟查詢語句。
• PhoenixHBaseLoader 參數：ZooKeeper 地址。

執行語句：

pig -x mapreduce test.pig

相應的導出的數據是存儲在 HDFS 上，須要留意一下腳本執行完之後相應的日誌中會有體現。

CSV

REGISTER /usr/hdp/3.0.0.0-1634/hbase/lib/*.jar;
REGISTER lib/*.jar;
rows = load 'hbase://table/DOP_VISIT_INFO_V2' USING org.apache.phoenix.pig.PhoenixHBaseLoader('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org');
STORE rows INTO 'dop_visit_info_v2.csv' USING PigStorage(',');

STORE rows INTO 'dop_visit_info_v2.csv' USING PigStorage(',') ：導出到 HDFS 的文件路徑和數據存儲格式，這裏就是存放 dop_visit_info_v2.csv 目錄下，這裏千萬注意，這是一個文件夾，而不是一個 csv 文件，起初，我也很單純的覺得，Too Young，使用逗號進行分隔。

Query

REGISTER /usr/hdp/3.0.0.0-1634/hbase/lib/*.jar;
REGISTER lib/*.jar;
rows = load 'hbase://query/select * DOP_VISIT_INFO_V2 where age >18' USING org.apache.phoenix.pig.PhoenixHBaseLoader('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org');

注意： 使用query語句指定的導出方式存在很大的限制，好比說不能指定 GROUP BY , LIMIT , ORDER BY , DISTINCT ；同時也沒法指定使用聚合函數，如 count，sum 等。

數據校驗

數據存儲在 HDFS 下哦。

hdfs dfs -cat '/dop_visit_info_v2.csv/part-m-00000'

導入

Pig 方式

Phoenix 支持使用 Pig StoreFunc 實現 bulk upload 數據導入。

REGISTER /usr/hdp/3.0.0.0-1634/hbase/lib/*.jar;
REGISTER lib/*.jar;
A = load 'gejx.csv' USING PigStorage(',') as (ID:chararray, DOP_VISIT_VISITID:chararray); 
STORE A into 'hbase://GEJX_TEST' using
    org.apache.phoenix.pig.PhoenixHBaseStorage('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org','-batchSize 100');

• gejx.csv ：導出的數據存儲路徑
• hbase://GEJX_TEST ：導入的表
• -batchSize 100：upsert 批量條數
• ID:chararray, DOP_VISIT_VISITID:chararray ：字段名稱與類型映射關係，這裏的字段名是屬於 GEJX_TEST 表中的字段，也就是目標持久化的表名
• USING PigStorage(',')：可選，若是是使用上方 CSV 導出方式，則須要加上

注意： 表須要提早建立哦，不然，會報表不存在。

數據類型

Pig 數據類型默認是 chararray，經常使用數據類型爲：int、long、float、double、chararray、bytearray、map、tuple、bag。

詳細查看 pig 數據類型 。

若是 Phoenix 表中存在 null 值，經過 Pig 方式導入導出數據會存在 null 變成了空字符串。

MR

在使用 https://phoenix.apache.org/bu... 中 MR 方式時，因爲 HDP 環境開啓了 Kerberos 模式，一直遇到了認證的問題，後來發現支持 -D 的語法，不過這裏須要注意的是必定要放在 hadoop jar 參數命令以前，不然會報沒有這個命令的錯誤。

hadoop jar /usr/hdp/3.0.0.0-1634/phoenix/phoenix-5.0.0.3.0.0.0-1634-client.jar org.apache.phoenix.mapreduce.CsvBulkLoadTool -Dhbase.master.kerberos.principal=hbase/_HOST@DEV.ORG -Dhbase.regionserver.kerberos.principal=hbase/_HOST@DEV.ORG -Dhadoop.security.authentication=kerberos -Dhbase.security.authentication=kerberos -Dphoenix.schema.isNamespaceMappingEnabled=true -Dphoenix.schema.mapSystemTablesToNamespace=false -Dphoenix.queryserver.withRemoteUserExtractor=true --table GEJX_TEST --input /user/dmpadmin/gejx.csv -z dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org:/hbase-secure

phoenix-5.0.0.3.0.0.0-1634-client.jar 該包是存放在 Phoenix 安裝目錄下的，並非 lib 目錄。

高級

以上的方式導入和導出是相互割裂的，而有一種場景在生產上也碰到的不少，就是表與表之間的數據同步，好比，如今有兩張表 A 表和 B 表，表部分字段同樣，字段名稱不同，如今須要將 A 表中的數據同步到 B 表，咱們也能夠經過 Pig 方式實現。

REGISTER /usr/hdp/3.0.0.0-1634/hbase/lib/*.jar;
REGISTER lib/*.jar;
A = load 'hbase://query/select * from GEJX' USING org.apache.phoenix.pig.PhoenixHBaseLoader('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org');
STORE A into 'hbase://GEJX_TEST' using
    org.apache.phoenix.pig.PhoenixHBaseStorage('dev-dmp3.fengdai.org,dev-dmp4.fengdai.org,dev-dmp5.fengdai.org','-batchSize 100');

將導入和導出放在一塊兒進行操做，batchSize 能夠根據實際狀況進行相應的調整。

Q&A

1. Zookeeper 端口配置

   zk1:2181,zk2:2181,zk3:2181

2. Kerberos 認證

   開啓 Keberos 模塊的場景下，須要提早在 Pig 所在服務器下進行 kinit 操做

3. 數據導出導入順序保證
4. 報錯：org.apache.pig.PigServer - exception during parsing: Error during parsing. null Failed to parse: null

   通常是語法錯誤致使的。

5. 報錯：ERROR org.apache.pig.tools.grunt.GruntParser - ERROR 0: java.io.IOException: java.lang.RuntimeException: java.lang.Integer cannot be coerced to TINYINT

   這個問題就沒法解決了，目標表的不能使用 TINYINT 類型。

參考

• pig導出hbase表格式爲CSV
• Phoenix4.6 導出csv文件
• pig 數據類型
• Storing Data