spark 读取 hbase 40 亿数据。怎么读取性能更高？

问答 ⋅ ruiqi ⋅ 于 2018-01-29 17:47:19 ⋅ 最后回复由青牛于 2021-11-22 11:25:42 ⋅ 8178 阅读

我们项目中有个行是40亿需要30分钟执行一次扫描查询根据条件。但是使用scan 全盘扫描的时候过一段时间hbase 就挂掉了。在程序中没有设置startrow 和endrow . 如果想提高性能是是需要设置startRow 和endRow吗？

成为第一个点赞的人吧

回复数量: 6

青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2018-01-29 18:53:29

这么大量的数据，建议你用读取hbase底层文件hfile的方式去操作。
ruiqi
⋅ 2018-01-29 19:00:51

@青牛那请问一下。有没有这个相关的例子完整的呢
青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2018-01-29 19:34:02

@ruiqi 社区里有一个MR的你自己翻译用spark吧，http://hainiubl.com/topics/126?
ruiqi
⋅ 2018-01-29 19:35:16

@青牛好的谢谢了
ruiqi
⋅ 2018-01-30 11:12:39

@青牛大佬还有个问题呢，因为我们是从hbase 中查询出来40亿条数据然后根据数据处理进行业务，然后在重新入到这个库里面。还是用的spark 的方式这个是不是必须依赖很多机器才能达到30分钟内处理完呢

青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2018-01-30 11:41:56

@ruiqi 是的，大约30台吧

请注意单词拼写，以及中英文排版，参考此页
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空

Ctrl+Enter