Spark插件hbase-rdd二次开发

hbase-rdd二次开发

• 创建： 张敏，最新修改： 昨天3:41 下午
  
  

hbase-rdd是一个构建在SparkContext基础之上的用于对Hbase进行增删改查的第三方开源模块，目前最新版本为0.7.1。目前该rdd在操作hbase时，默认调用隐式方法
implicit def stringToBytes(s: String): Array[Byte] = {
  Bytes.toBytes(s)
}

将RDD的key转换成字节b，然后调用Hbase的put(b)方法保存rowkey，之后将RDD的每一行存入hbase。

在轨迹图绘制项目数据计算中，我们考虑到hbase的rowkey的设计——尽量减少rowkey存储的开销。虽然hbase-rdd最终的rowkey默认都是采用字节数组，但这个地方的话，我们希望按自己的方式组装rowkey。使用MD5(imei)+dateTime组成的字节数组作为rowkey。因此默认的hbase-rdd提供的方法是不满足我们存储需求的，因此需要对源代码进行修改。在toHbase方法中，有一个convert方法，该方法将对RDD中的每一行数据进行转化，使用RDD中的key生成Put(Bytes.toBytes(key))对象，该对象为之后存储Hbase提供rowkey。

在convert函数中，对其实现进行了改造，hbase-rdd默认使用stringToBytes隐式函数将RDD的String类型的key转换成字节数组，这里我们进行去下改造，不使用stringToBytes隐式方法，直接生成字节数据。

protected def convert(id: String, values: Map[String, Map[String, A]], put: PutAdder[A]) = {   val strs = id.split(",")   val imei = strs {0}   val dateTime = strs {1}   val b1 = MD5Utils.computeMD5Hash(imei.getBytes())   val b2 = Bytes.toBytes(dateTime.toLong)   val key = b1.++(b2)   val p = new Put(key)//改造   var empty = true for {     (family, content) <- values     (key, value) <- content   } {     empty = false if (StrUtils.isNotEmpty(family) && StrUtils.isNotEmpty(key)) {       put(p, family, key, value)     }   }   if (empty) None else Some(new ImmutableBytesWritable, p) }

这样就实现了使用自己的方式构建rowkey，我们可以使用任意的方式构建rowkey了。

在使用hbase-rdd的过程中，也曾今问过自己，默认的RDD上是没有toHbase方法的，那为什么引入hbase-rdd包 之后，RDD之上就有toHbase方法了？

经过查看源码，发现hbase-rdd包中提供了两个隐式方法：

implicit def toHBaseRDDSimple[A](rdd: RDD[(String, Map[String, A])])(implicit writer: Writes[A]): HBaseWriteRDDSimple[A] =   new HBaseWriteRDDSimple(rdd, pa[A]) implicit def toHBaseRDDSimpleTS[A](rdd: RDD[(String, Map[String, (A, Long)])])(implicit writer: Writes[A]): HBaseWriteRDDSimple[(A, Long)] =   new HBaseWriteRDDSimple(rdd, pa[A])

这两个方法在发现RDD上没有toHbase方法时会自动尝试调用，调用之后将会在新建HBaseWriteRDDSimple对象，而在HBaseWriteRDDSimple对象中是有toHbase方法的，因此在引入hbase-rdd之后，可以发现原本没有toHbase方法的RDD上有toHbase方法了。这一切都要归功于Scala强大的隐式转换功能。

希望对大家以后的开发由帮助。同时借鉴hbase-rdd的构架方式，在Spark之上构建自己的小模块。

学习了！