离线同步任务支持HBase数据源，支持该数据源的抽取（Reader）和导入（Writer），当前支持的版本为：1.2.0、1.2.6、1.4、云数据库HBase增强版2.x。

使用前提

在使用之前需要在项目中心（新）完成HBase数据源的登记并测试通过。
数据源登记过程中，需要填写如下信息：

  • 数据源名称：HBase数据源的名称
  • 数据源标识：仅允许包含英文小写、数字、下划线，只允许英文小写开头，最大长度为64个字符。平台内唯一，保存数据源后数据标识不可修改
  • 归属项目：由于元数据中心是项目组级别，因此此处支持选择项目组下的项目，默认为当前项目名称
  • 负责人：默认为当前创建人员
  • 协助管理员：同负责人，有该数据源的管理权限，包括编辑、设置“源系统账号映射”。可在安全中心为自己或其他人设置该数据源的使用权限
  • hbase.zookeeper.quorum：用户hbase集群对应zk主机名
  • zookeeper.znode.parent：hbase集群注册至zk中对应namespace
  • 认证方式：支持普通认证和Kerberos认证。当选择Kerberos认证，需要填写上传hbase-site.xml、hdfs-site.xml、core-site.xml、keytab配置文件并完成principal的填写
  • 用户：当认证方式选择普通认证时，需要填写用户，默认用户为appops
  • 自定义属性：支持添加数据源的其它配置
唯一性校验规则：
1）若版本为1.2、1.4，则以hbase.zookeeper.quorum + zookeeper.znode.parent + 用户作为唯一性校验；
2）若版本为阿里云数据库HBase增强版2.x，则以hbase.zookeeper.quorum +hbase.client.username作为唯一性校验。

数据源配置完成后，需点击测试连接按钮进行测试，测试通过后才可使用。

除了数据源需要准备之外，进行离线同步任务创建和数据源的使用都需要在安全中心-功能权限中添加相应的权限（可参考数据传输权限、元数据中心权限)。

HBase作为数据来源

以HBase to Hive为例，在数据来源端选择HBase数据源类型及数据源名称，选择需要进行读取的NameSpace和表。 支持根据【startRowKey和endRowKey】或【起始时间位点和结束时间位点】确定读取范围。

（1）如果填写起始时间位点和结束时间位点，则会使用时间戳范围过滤条件进行读取HBase表数据。请按照格式：yyyy-MM-dd HH:mm:ss.SSS填写。其中“SSS”可不填，如不填则默认取000，系统执行时会将该值转成timestamp后从HBase中读取相应数据。支持填写系统参数和参数组参数。
（2）如未填写起始时间位点，则默认从最早数据开始读取。如未填写结束时间位点，则默认读取至最新数据。
（3）如果同时填写startRowKey、endRowKey和起始时间位点、结束时间位点，则会读取指定RowKey范围内指定时间戳范围内的数据；如果仅填写startRowKey、endRowKey，则会读取指定RowKey范围内的数据，不限时间戳范围；如果仅填写起始时间位点、结束时间位点，则会读取指定时间戳范围内的数据，不限RowKey范围。
（4）任务配置字段映射时，来源表字段如选取timestamp字段，运行任务时，同一RowKey值对应的多列数据对应的timestamp值不同时，则timestamp字段值取timestamp最新的列对应的timestamp值。

  • 特殊字符替换：
    • 不可见字符请使用Unicode编码表示
    • 使用下列字符：|、^、$、.、*、\、?、+、{ 、}、[、 ]、( 、)时，请在字符前添加"\"来表示。示例："|"字符表示为"\|"
    • 需要替换多个特殊字符时，字符间请使用","分隔。不支持替换","字符

HBase作为数据去向

以Hive to HBase为例，当HBase作为数据去向时，需要选择数据源类型、已登记的数据源、NameSpace及表。

HBase写入方式支持PUT和BulkLoad。当写入方式为BulkLoad时，需要配置dfs.nameservices、dfs.namenode.rpc-address：

  • dfs.nameservices：HFile所在HDFS的schema
  • dfs.namenode.rpc-address：允许输入多个地址，通过换行进行分割