java代码将mysql表数据导入HBase

Java代码将Mysql表数据导入HBase表

目录
一、项目目录介绍
 二、主要接口方法与调用
 三、全局配置文件
 四、难点
 1、面向对象OOP的设计理念
 2、数据格式转化
 3、依赖的需求与使用
 五、执行方式和输出介绍
 六、项目依赖
 七、拓展

一、项目目录介绍

主要包含四个接口：Com、RDB、HBase、RDBToHBase和其实现类xxxImpl。

两个配置文件：log4j日志配置文件log4j.properties和全局配置文件tranfer.properties(具体见下面展示)

备注：这里用的关系型数据库是Mysql。即：RDB为Mysql

二、主要接口方法与调用

1、Com接口

一些通用方法

void close()   	// 释放资源
void init()   	// 初始化资源
Properties config()	// 获取properties文件配置对象，为方法checkAndGetConfig服务
default String checkAndGetConfig(String key){} // 检查transfer.properties中是否有key这个配置项并放回其值，含默认实现
default void closeAll(AutoCloseable...acs){}   // 统一资源释放调用，含默认实现

2、RDB接口：继承Com接口

其实现类主要实现：关系型数据库连接，执行sql语句将返回的结果集转化为Put对象

1 2	`boolean hashNextBatch() throws SQLException; // 是否还有下一批次数据要传输 List<Put> nextBatch() throws SQLException; // 获取下一批数据`

3、HBase接口：继承Com接口

其实现类主要实现：连接HBase，获取HBase表，上传数据

1	`void putBatch(List<Put> batch) throws IOException; //将Put对象数据批量上传到HBase`

4、RDBToHBase接口

其实现类主要实现：将RDB数据导入HBase主体逻辑

1
2
3

void setRDB(RDB rdb);		// 配置RDB对象
void setHBase(HBase base);	// 配置HBase对象
void startTransfer();		// 迁移数据

5、主要调用逻辑

最终调用逻辑 start 方法

// 创建一个RDB接口的实现对象rdb，传入配置参数config  
RDB rdb = new RDBImpl(config);  
// 创建一个HBase接口的实现对象hBase，传入配置参数config  
HBase hBase = new HBaseImpl(config);  
// 创建一个RDBToHBase接口的实现对象rdbToHBase，该对象用于将RDB中的数据迁移到HBase  
RDBToHBase rdbToHBase = new RDBToHBaseImpl();  
// 将之前创建的rdb对象设置为rdbToHBase对象的RDB实例  
rdbToHBase.setRDB(rdb);  
// 将之前创建的hBase对象设置为rdbToHBase对象的HBase实例  
rdbToHBase.setHBase(hBase);  
// 调用rdbToHBase对象的startTransfer方法，开始数据迁移过程  
rdbToHBase.startTransfer();

rdbToHBase对象的startTransfer(迁移数据)方法

@Override
public void startTransfer() {
    try {
        rdb.init(); 	//调用RDB接口的实现对象rdb的初始化方法
        loggerRH.info("RDB 初始化成功");
        hbase.init();   //调用HBase接口的实现对象hbase的初始化方法
        loggerRH.info("HBase 初始化成功");

        loggerRH.info("数据从 RDB 迁移至 HBase 开始...");
        int count = 0;	// 记录批次
        // 如果还有下一个批次
        while (rdb.hashNextBatch()){
            final List<Put> batch = rdb.nextBatch();//调用rdb对象的nextBatch()方法获取下一个批次的数据
            hbase.putBatch(batch);		//调用hbase对象的putBatch(List<Put> batch)方法将数据推送上HBase数据库
            loggerRH.info(String.format("第 %d 批：%d 条数据插入成功", ++count, batch.size()));
        }
        loggerRH.info("数据从 RDB 迁移至 HBase 结束...");
    }catch (Exception e){
        loggerRH.error("将 RDB 数据批量迁移至 HBase 异常：",e);
    } finally {
        // 先开的后释放后开的先释放
        hbase.close();
        rdb.close();
    }
}

三、全局配置文件

transfer.properties配置文件按需求设置如下参数

# JDBC驱动类名，指定了连接MySQL所使用的JDBC驱动  
rdb.driver=com.mysql.cj.jdbc.Driver  
  
# JDBC连接URL，用于连接MySQL数据库，包括IP地址、端口号和数据库名  
rdb.url=jdbc:mysql://192.168.146.130:3306/test_db_for_bigdata  
  
# 连接MySQL的用户名  
rdb.username=root  
  
# 连接MySQL的密码  
rdb.password=123456 
  
# 批量操作的记录数，即每次从MySQL读取的数据条数  
rdb.batchSize=100  
  
# SQL查询语句，用于从MySQL的test_table1_for_hbase_import表中读取数据  
rdb.sql=select test_id,test_name,test_age,test_gender,test_phone from test_table1_for_hbase_import  
  
# HBase列映射关系，指定了MySQL的列与HBase的列族和列之间的映射关系  
# ROWKEY->test_id 表示MySQL的test_id列映射为HBase的ROWKEY  
# baseInfo:name->test_name 表示MySQL的test_name列映射为HBase的baseInfo列族的name列  
# 以此类推，其他列也有类似的映射关系，代码中按如下样例格式解析的
rdb.hbase.columns.mapping=ROWKEY->test_id,baseInfo:name->test_name,baseInfo:age->test_age,baseInfo:gender->test_gender,baseInfo:phone->test_phone  
  
# HBase表名，数据将导入到这个HBase表中  
hbase.table.name=hbase_test:tranfer_from_mysql  
  
# HBase的ZooKeeper地址和端口，用于连接HBase集群  
hbase.zk=192.168.146.130:2181

备注：可以按需求配置不同的mysql表导入hbase表

四、难点

1、面向对象OOP的设计理念

代码中不存在重复代码块，整体逻辑可以调用思路清晰

解决方式：提前总体的设计好接口继承关系等

实现方式：

1，例如：重用的方法初始化、释放资源等方法提取出来放在Com里，使用的类继承Com。
2，如上：二、主要接口方法与调用

2、数据格式转化

关系型数据库数据格式转化为HBase行键，列族，列，值的格式

解决方式：配置文件按一定格式配置映射关系，在写相应的代码逻辑解析

实现方式：用Map的方式存储映射关系，方便后续使用

/**
 *设计格式：ROWKEY->test_id,baseInfo:name->test_name,baseInfo:age->test_age,baseInfo:gender->test_gender,baseInfo:phone->test_phone  
 * 转化为hbase列族和列与rdb中列的映射关系
 *             hbase列族     列     rdb表的列
 * @return Map<String, Map<String, String>配置
 * 行键单独存储
 */

3、依赖的需求与使用

依赖需求见：五、项目依赖
使用hbase，mysql连接对象操作mysql，hbase。hadoop上传数据的Put格式的参数与使用。zookeeper配置。

解决方式：了解每个对象的方法的作用和其参数

实现方式：

创建一个HBase连接对象需要设置ZooKeeper的地址
通过HBase连接对象获取HBase的Admin对象，用于执行DDL操作
数据库连接对象创建并返回一个PreparedStatement对象，用于执行预编译的SQL语句
等等…

备注：代码里含大量注释，感兴趣的可以下载代码查看

五、执行方式和输出介绍

1、运行项目配置

点击右上角编辑配置，添加Application配置好如下区域，点击Apply (应用)然后点击OK

2、运行结果输出

代码中含有详细日志信息可以在运行日志中查看报错信息，以及执行情况
在项目同路径下生成日志文件(可更改log4j.properties配置文件改变路径以及输出格式)

3、验证是否HBase表中数据是否正确添加

进入hbase命令行模式执行命令查看

1	`hbase shell # 进入hbase命令行模式`

使用scan命令

1 2	`truncate 'hbase_test:tranfer_from_mysql' # 清空hbase_test命名空间下的tranfer_from_mysql表 scan 'hbase_test:tranfer_from_mysql' # 查看表`

**加粗样式**

六、项目依赖

maven项目pom.xml文件依赖配置

<dependencies>
    <!-- MySql 驱动 -->
    <dependency>
        <groupId>mysql</groupId>
        <artifactId>mysql-connector-java</artifactId>
        <version>8.0.29</version>
    </dependency>
    <!-- HBase 驱动 -->
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-client</artifactId>
        <version>2.3.5</version>
    </dependency>
    <!-- Hadoop -->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>3.1.3</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-auth</artifactId>
        <version>3.1.3</version>
    </dependency>
    <!-- zookeeper -->
    <dependency>
        <groupId>org.apache.zookeeper</groupId>
        <artifactId>zookeeper</artifactId>
        <version>3.6.3</version>
    </dependency>
    <!-- log4j 系统日志 -->
    <dependency>
        <groupId>log4j</groupId>
        <artifactId>log4j</artifactId>
        <version>1.2.17</version>
    </dependency>
</dependencies>

七、拓展

1、增加数据源

类似RDB接口的设计与实现增加其他数据源

文件作为数据源
从提供的接口抓取每天的数据作为数据源

2、持续更新中

大数据 > HBase

#bigData #HBase #数据库 #java #mysql

java代码将mysql表数据导入HBase

https://leaf-domain.gitee.io/2024/03/13/hbaseData/

作者

叶域

发布于

2024年3月13日

许可协议

Codeforces Round 932 (Div. 2) 上一篇

dockre sql server相关命令下一篇