我正在尝试扫描具有超过100000000行的远程hbase表。扫描后,使用扫描行,尝试在hdfs中使用csv文件。
我试了将近三个星期来解决它,但我做不到。
用这种方法我扫描数据并制作csv文件
错误消息
/host/anaconda3/lib/python3.6/site-packages/thriftpy/transport/socket.py的源代码
/host/anaconda3/lib/python3.6/site-packages/thriftpy/transport/socket.py的源代码
==>我尝试了compat协议,增加了网络tcp内存缓冲区,增加了超时配置,在扫描参数中设置了1到10000个批量大小等等。。
但它几乎在30分钟内运行良好,但突然出现了错误。差不多1/50的时间它完成得很好。(工作很好没有任何错误)请帮助我。我试图找出错误的原因。但我拿不到。
有人知道怎么解决吗?
这是我的密码
import sys
print ("--sys.version--")
print (sys.version)
from pyhive import hive
import csv
import os
import happybase
import time
import subprocess
import datetime
import chardet
import logging
logging.basicConfig(level=logging.DEBUG)
csv_list=[]
col=[]
def conn_base():
print('conn_base starts')
#SETTING CONNECTION AND CONFIGURATION
conn=happybase.Connection('13.xxx.xxx.xxx',port=9090)
table=conn.table(b'TEMP_TABLE')
#ITERATE DATA AND MAKE CSV FILE PER 100,000 RECORD. AND TAKE A TIME TO SLEEP PER 500000
tmp=[]
print('LET\'S MAKE CSV FILE FROM HBASE')
index=0
st=0
global csv_list
for row_key, data in table.scan():
try:
if (st%1000000==0):
time.sleep(30)
print("COUNT: ",st)
if (st%500000==0):
print("CHANGE CSV _FILE")
index+=1
ta_na='TEMP_TABLE'+str(index)+'_version.csv'
csv_list.append(ta_na)
st+=1
with open('/home/host01/csv_dir/TEMP_TABLE/'+csv_list[index-1] ,'a') as f:
tmp=[]
tmp.append(data[b'CF1:XXXXX'].decode())
tmp.append(data[b'CF1:YYYYY'].decode())
tmp.append(data[b'CF1:DDDDD'].decode())
tmp.append(data[b'CF1:SSSSS'].decode())
tmp.append(data[b'CF1:GGGGG'].decode())
tmp.append(data[b'CF1:HHHHH'].decode())
tmp.append(data[b'CF1:QQQQQ'].decode())
tmp.append(data[b'CF1:WWWWWW'].decode())
tmp.append(data[b'CF1:EEEEE'].decode())
tmp.append(data[b'CF1:RRRRR'].decode())
f.write(",".join(tmp)+'\n')
tmp=[]
except:
pass
#PUT CSV FILES TO HDFS.
st=1
for i in range(len(csv_list)):
try:
st+=1
cmd="hdfs dfs -put /home/host01/csv_dir/TEMP_TABLE"+str(csv_list[i])+" /user/hive/warehouse/TEMP_TABLE/"
subprocess.call(cmd,shell=True)
if (st%50==0):
time.sleep(5)
except:
pass
cmd="hdfs dfs -put /home/host01/csv_dir/TEMP_TABLE/*.csv /user/hive/warehouse/TEMP_TABLE/"
subprocess.call(cmd,shell=True)
print("PUT ALL CSV FILES TO HDFS")
conn.close()
2条答案
按热度按时间dw1jzc5e1#
首先确保hbase thrift服务器已启动并正在运行。您可以使用以下命令运行thrift server:
如果要指定端口号,请使用-p。默认端口为
9090
qc6wkl3g2#
看上面的代码会让事情变得更复杂,这只是几个简单的步骤
确保hbase thrift已启动并正在运行。(使用上面的命令)
在hdfs设置文件中启用get-webhdfs。
从hdfs包使用不安全的客户机类(如果不是kerberos认证的)直接将文件写入hdfs(非常简单)