Hbase mapreduce作业：所有列值均为空

Question

我正在尝试创建一个地图减少工作在Java的表从一个HBase数据库。使用这里的示例和internet上的其他内容，我成功地编写了一个简单的行计数器。然而，试图编写一个实际对列中的数据执行某些操作的程序是不成功的，因为接收的字节总是空的。

我的司机工作的一部分是这样的：

/* Set main, map and reduce classes */
job.setJarByClass(Driver.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);

Scan scan = new Scan();
scan.setCaching(500);
scan.setCacheBlocks(false);

/* Get data only from the last 24h */
Timestamp timestamp = new Timestamp(System.currentTimeMillis());
try {
    long now = timestamp.getTime();
    scan.setTimeRange(now - 24 * 60 * 60 * 1000, now);
} catch (IOException e) {
    e.printStackTrace();
}

/* Initialize the initTableMapperJob */
TableMapReduceUtil.initTableMapperJob(
        "dnsr",
        scan,
        Map.class,
        Text.class,
        Text.class,
        job);

/* Set output parameters */
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
job.setOutputFormatClass(TextOutputFormat.class);

如您所见，该表称为dnsr。我的映射器如下所示：

@Override
    public void map(ImmutableBytesWritable row, Result value, Context context)
            throws InterruptedException, IOException {
        byte[] columnValue = value.getValue("d".getBytes(), "fqdn".getBytes());
        if (columnValue == null)
            return;

        byte[] firstSeen = value.getValue("d".getBytes(), "fs".getBytes());
        // if (firstSeen == null)
        //     return;

        String fqdn = new String(columnValue).toLowerCase();
        String fs = (firstSeen == null) ? "empty" : new String(firstSeen);

        context.write(new Text(fqdn), new Text(fs));
    }

一些注意事项：

• dnsr表中的列族只是d。有多个列，其中一些列称为FQDN和FS（第一次看到）；
• 即使fqdn值正确显示，但fs始终是“空”字符串（在出现一些错误表示无法将null转换为新字符串后，我添加了此检查）；
• 如果我用其他东西更改fs列名，例如ls（lastSeen），则可以使用；
• 减速器不做任何事情，只是输出它接收到的所有东西。

我用javascript创建了一个简单的表扫描程序，它查询完全相同的表和列，我可以清楚地看到这些值。使用命令行并手动进行查询，我可以清楚地看到fs值不是null，它们是字节，以后可以转换为字符串（表示日期）。

我总是空的问题是什么？

谢谢！

更新：如果我获得了特定列族中的所有列，我不会收到fs。但是，javascript中实现的简单扫描程序将fs作为dnsr表中的列返回。

@Override
public void map(ImmutableBytesWritable row, Result value, Context context)
        throws InterruptedException, IOException {
    byte[] columnValue = value.getValue(columnFamily, fqdnColumnName);
    if (columnValue == null)
        return;
    String fqdn = new String(columnValue).toLowerCase();

    /* Getting all the columns */
    String[] cns = getColumnsInColumnFamily(value, "d");
    StringBuilder sb = new StringBuilder();
    for (String s : cns) {
        sb.append(s).append(";");
    }

    context.write(new Text(fqdn), new Text(sb.toString()));
}

我用这里的一个答案得到了所有的列名。

Answer 1

最后，我终于找到了问题所在。Hbase是一个面向列的数据存储。在这里，数据以列形式存储和检索，因此，如果只需要某些数据，则只能读取相关数据。每个列族都有一个或多个列限定符（列），每个列都有多个单元格。有趣的部分是每个细胞都有自己的时间戳。

为什么是这个问题？那么，当您在进行范围搜索时，只返回其时间戳在该范围内的单元格，因此您可能会得到一个“缺少单元格”的行。在我的例子中，我有一个DNS记录和其他字段，如firstseen和lastseen。lastseen是每次看到该域时都会更新的字段，firstseen在第一次出现后将保持不变。当我将ranged map reduce作业更改为一个简单的map reduce作业（使用所有时间数据）时，一切都很好（但该作业需要更长的时间才能完成）。

干杯！