python - 在 CDH3 上编写 HBase MapReduce 的最简单的非 Java 方法？

Question

我已经为此工作了很长时间，我感到很疲惫；我希望来自 SO 社区的 [显而易见的？] 见解可能会让我的宠物项目重新开始，这样我就可以停止踢自己了。我正在使用 Cloudera CDH3、HBase .89 和 Hadoop .20。

我有一个 Python/Django 应用程序，它使用 Thrift 接口(interface)将数据写入单个 HBase 表，效果很好。现在我想将它映射/减少到更多的 HBase 表中。

这里明显的答案是 Dumbo 或 Apache PIG，但是对于 Pig，我的版本尚不支持 HBaseStorage 适配器(Pig 能够加载类和定义，但在“映射”步骤卡住，提示“输入拆分”；Pig 邮件列表建议这在 Pig 0.8 中已修复，它与 CDH3 Hadoop 不兼容，所以我必须使用所有东西的边缘版本 [我认为])。我找不到有关如何让 Dumbo 使用 HBaseStorage 作为数据接收器的任何信息。

我不在乎它是 Python、Ruby、Scala、Clojure、Jython、JRuby 还是 PHP，我只是真的不想写 Java(出于很多原因，大多数它们涉及我每次必须将 Int() 转换为 IntWritable() 等时的下沉感。

我已经尝试了所有我能找到的(在过去 4 周内)用替代语言编写 HBase Map/Reduce 作业的最后解决方案和示例，但一切似乎都已过时或不完整。 Stack Overflow，请将我从自己的设备中解救出来!

Answer 1

这不是一个准确的答案，但这是我得到的最接近的答案 --

我昨天在 irc.freenode.net 上的#hbase 中提问，一位 Cloudera 员工做出了回应。我在 Pig 上遇到的“输入拆分”问题是 Pig 0.7 特有的，Pig 0.8 将与 Cloudera CDH3 Beta 4 捆绑在一起(没有 ETA)。因此，我想做的事情(使用 HBase 表作为接收器和源轻松编写 M/R 作业)将在他们的下一个版本中成为可能。 HBaseStorage 类似乎也将得到普遍改进，以帮助从任何 JVM 语言进行读/写操作，同时使 Jython、JRuby、Scala 和 Clojure 都变得更加可行。 p>

所以这个时候问题的答案是“等待 CDH3 Beta 4”，或者如果你不耐烦，“下载最新版本的 Pig 并祈祷它与你的 HBase 兼容”