基于HBase的海量用户数据去重存储的方法及装置

摘要

本发明公开了一种基于HBase的海量用户数据去重存储的方法及装置，方法包括以下步骤：S100：抽取数据：抽取各个来源的用户数据，并按类别发送至kafka的各个主题；S200：接收数据：通过spark streaming分布式计算引擎，接收kafka各个主题的用户数据；S300：清洗数据：按照约定的用户数据标准及规范，清洗各个来源、各个批次的用户数据，用以转换不兼容的数据；S400：生成行键：对每条用户数据生成唯一行键，其中，行键字节长度为64位，包括32位用户证件号码及32位数据摘要；S500：入库数据：在spark中获取HBase数据库的连接，通过upsert语句将用户数据入库；S600：异常数据预警。