CDP集群中通过Hive外部表迁移HBase数据的操作记录

一、测试目标

在CDP（Cloudera Data Platform）集群中，通过创建Hive外部表映射HBase表，实现HBase表数据的查询与迁移，验证该方式的可行性与数据一致性。

二、前置条件

环境要求
- CDP集群版本：7.1.7及以上（已部署HBase、Hive、YARN、ZooKeeper服务）
- 集群状态：所有服务通过Cloudera Manager验证为"健康"状态
- 权限：操作用户需具备HBase表创建/写入权限、Hive库表创建权限（建议使用hive或admin用户）
工具准备
- HBase Shell（用于操作HBase表）
- Hive Shell/Beeline（用于操作Hive表）
- Cloudera Manager（用于监控服务状态）

三、测试步骤

步骤1：准备HBase源表及数据

登录HBase所在节点，启动HBase Shell：
bash 复制代码
```
hbase shell
```
创建HBase测试表（命名为hbase_test_table，列族为cf1）：
shell 复制代码
```
create 'hbase_test_table', 'cf1'
```

向HBase表插入测试数据：

shell 复制代码

# 插入3条测试数据，RowKey分别为row1、row2、row3
put 'hbase_test_table', 'row1', 'cf1:name', 'Alice'
put 'hbase_test_table', 'row1', 'cf1:age', '25'
put 'hbase_test_table', 'row1', 'cf1:city', 'Beijing'

put 'hbase_test_table', 'row2', 'cf1:name', 'Bob'
put 'hbase_test_table', 'row2', 'cf1:age', '30'
put 'hbase_test_table', 'row2', 'cf1:city', 'Shanghai'

put 'hbase_test_table', 'row3', 'cf1:name', 'Charlie'
put 'hbase_test_table', 'row3', 'cf1:age', '35'
put 'hbase_test_table', 'row3', 'cf1:city', 'Guangzhou'

验证HBase表数据：
shell 复制代码
```
scan 'hbase_test_table'
```
预期结果：显示3条完整数据，包含RowKey及cf1列族下的name、age、city字段。

步骤2：创建Hive外部表映射HBase表

登录Hive所在节点，启动Beeline客户端（连接HiveServer2）：
bash 复制代码
```
beeline -u "jdbc:hive2://<HiveServer2主机名>:10000" -n hive
```

创建Hive数据库（如hbase_migration_test）：

sql 复制代码

CREATE DATABASE IF NOT EXISTS hbase_migration_test;
USE hbase_migration_test;

创建Hive外部表（命名为hive_hbase_external_table），映射HBase的hbase_test_table：

sql 复制代码

CREATE EXTERNAL TABLE hive_hbase_external_table (
  rowkey STRING,  -- 映射HBase的RowKey
  name STRING,    -- 映射cf1:name
  age STRING,     -- 映射cf1:age
  city STRING     -- 映射cf1:city
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
  'hbase.columns.mapping' = ':key,cf1:name,cf1:age,cf1:city'  -- 映射关系：RowKey+列族:列名
)
TBLPROPERTIES (
  'hbase.table.name' = 'hbase_test_table',  -- 关联的HBase表名
  'hbase.mapred.output.key.class' = 'org.apache.hadoop.hbase.io.ImmutableBytesWritable',
  'hbase.client.scanner.caching' = '100'  -- 扫描缓存设置，优化查询性能
);

说明：hbase.columns.mapping中，:key表示映射HBase的RowKey，后续依次对应HBase的列族和列。

步骤3：验证Hive外部表与HBase表的数据一致性

在Hive中查询外部表数据：
sql 复制代码
```
SELECT * FROM hive_hbase_external_table;
```
预期结果：返回3条数据，与HBase表中的row1、row2、row3完全一致，字段对应正确。
验证字段映射准确性：
sql 复制代码
```
SELECT rowkey, name, age FROM hive_hbase_external_table WHERE city = 'Shanghai';
```
预期结果：返回RowKey为row2的记录，name=Bob，age=30。

步骤4：通过Hive外部表实现数据迁移（导出至HDFS）

在Hive中执行INSERT语句，将HBase表数据通过外部表迁移至HDFS（以Parquet格式为例）：

sql 复制代码

-- 创建Hive内部表用于存储迁移后的数据
CREATE TABLE hive_migrated_data (
  rowkey STRING,
  name STRING,
  age STRING,
  city STRING
)
STORED AS PARQUET;

-- 从外部表插入数据到内部表（实质是从HBase迁移至HDFS）
INSERT OVERWRITE TABLE hive_migrated_data
SELECT * FROM hive_hbase_external_table;

验证迁移后的数据：

sql 复制代码

SELECT COUNT(*) FROM hive_migrated_data;  -- 预期结果：3
SELECT * FROM hive_migrated_data WHERE rowkey = 'row3';  -- 预期结果：row3, Charlie, 35, Guangzhou

查看HDFS上的迁移文件（默认路径为Hive表存储路径）：
bash 复制代码
```
hdfs dfs -ls /user/hive/warehouse/hbase_migration_test.db/hive_migrated_data
```
预期结果：显示Parquet格式的迁移文件，文件大小不为0。

四、异常场景测试

HBase表数据更新后同步验证
- 在HBase中更新一条数据：
  shell 复制代码
```
put 'hbase_test_table', 'row2', 'cf1:age', '31'  -- 将row2的age从30改为31
```
- 在Hive中重新查询：
  sql 复制代码
```
SELECT rowkey, age FROM hive_hbase_external_table WHERE rowkey = 'row2';
```
  预期结果：age字段同步更新为31（Hive外部表实时映射HBase数据，无需额外操作）。

Hive外部表字段与HBase列不匹配

创建一个缺少字段的Hive外部表，验证是否报错或部分读取：

sql 复制代码

CREATE EXTERNAL TABLE hive_hbase_incomplete (
  rowkey STRING,
  name STRING
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ('hbase.columns.mapping' = ':key,cf1:name')
TBLPROPERTIES ('hbase.table.name' = 'hbase_test_table');

查询验证：
sql 复制代码
```
SELECT * FROM hive_hbase_incomplete;
```
预期结果：正常返回rowkey和name字段，不影响已有映射的正确性。

五、测试结论

通过Hive外部表可成功映射HBase表，实现数据的实时查询与读取。
支持通过Hive SQL将HBase数据迁移至HDFS（如Parquet格式），迁移过程数据一致性可保证。
HBase表数据更新后，Hive外部表可实时同步，无需额外刷新操作。

六、注意事项

权限配置 ：确保Hive服务的运行用户（如hive）在HBase中拥有对目标表的READ权限，可通过HBase Shell授权：
shell 复制代码
```
grant 'hive', 'R', 'hbase_test_table'
```
列映射规则 ：hbase.columns.mapping必须严格对应HBase的RowKey和列族:列名，格式错误会导致表创建失败或数据无法读取。
性能优化 ：对于大数据量的HBase表，建议在Hive外部表的TBLPROPERTIES中设置hbase.client.scanner.caching（如1000），减少扫描次数；迁移时可通过INSERT ... DISTRIBUTE BY避免数据倾斜。
数据类型：Hive外部表字段类型需与HBase存储的实际数据类型兼容（HBase存储的是字节数组，Hive需显式指定为STRING或其他兼容类型）。

七、清理操作

测试完成后，清理测试表以释放资源：

删除Hive表：

sql 复制代码

DROP TABLE hbase_migration_test.hive_hbase_external_table;
DROP TABLE hbase_migration_test.hive_migrated_data;
DROP DATABASE hbase_migration_test;

删除HBase表：

shell 复制代码

disable 'hbase_test_table'
drop 'hbase_test_table'