我们目前使用saveasnewapihadoopdataset（）通过spark rdds（pyspark）将数据导入hbase表。
此函数是否通过mapreduce使用hbase批量加载功能？换句话说，直接导入hbase的saveasnewapihadoopdataset（）是否等同于使用saveasnewapihadoopfile（）将hfiles写入hdfs，然后调用org.apache.hadoop.hbase.mapreduce.loadincrementalhfiles加载到hbase？
下面是hbase加载例程的示例片段：
conf = {"hbase.zookeeper.quorum": config.get(gethostname(),'HBaseQuorum'),
"zookeeper.znode.parent":config.get(gethostname(),'ZKznode'),
"hbase.mapred.outputtable": table_name,
"mapreduce.outputformat.class": "org.apache.hadoop.hbase.mapreduce.TableOutputFormat",
"mapreduce.job.output.key.class": "org.apache.hadoop.hbase.io.ImmutableBytesWritable",
"mapreduce.job.output.value.class": "org.apache.hadoop.io.Writable"}
keyConv = "org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter"
valueConv = "org.apache.spark.examples.pythonconverters.StringListToPutConverter"
spark_rdd.saveAsNewAPIHadoopDataset(conf=conf,keyConverter=keyConv,valueConverter=valueConv)
1条答案
按热度按时间6mzjoqzu1#
不完全是。
RDD.saveAsNewAPIHadoopDataset以及RDD.saveAsNewAPIHadoopFile做几乎相同的事情。他们的api只是有点不同。每一种都提供了不同的“机制vs策略”选择。