我正在尝试扫描超过 1,000,000,000 行的远程 HBASE 表。扫描后,使用扫描的行,尝试在 hdfs 中使用 csv 文件。
我尝试了将近 3 周的时间来解决它,但我做不到。
In this way i scan data and make csv file
source of /host/anaconda3/lib/python3.6/site-packages/thriftpy/transport/socket.py
source of /host/anaconda3/lib/python3.6/site-packages/thriftpy/transport/socket.py
==> 我试过兼容协议(protocol),增加网络 tcp 内存缓冲区,增加超时配置,在扫描参数中设置 1 到 10000 批大小等。
但是差不多30分钟还好好的,但是突然报错。 几乎 1/50 倍它完成得很好。(运行良好,没有任何错误) 请帮助我。我试图找出错误的原因。但我无法得到它。
有人知道怎么解决吗?
这是我的代码
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()
最佳答案
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 服务器:
hbase-daemon.sh start thrift [ -p 9090 ]
如果要指定端口号,请使用-p。默认端口为 9090
关于python - 使用Happybase扫描远程hbase表时,出现 'Tsocket read 0 bytes Error',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54618626/