一、什么是HBase？
1.1、HBase概述
HBase 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，用于存储海量的结构化或者半结构化，非结构化的数据（底层是字节数组做存储的）
1.2、HBase处理数据
HBase上的数据是以StoreFile(HFile)二进制流的形式存储在HDFS上block块中；
HDFS并不知道HBase用于存储什么，它只把存储文件认为是二进制文件，HBase的存储数据对于HDFS文件系统来说是透明的。
1.3、hbase和hdfs区别
| HDFS | HBase |
|---|---|
| HDFS适于存储大容量文件的分布式文件系统。 | HBase是建立在HDFS之上的数据库。 |
| HDFS不支持快速单独记录查找。 | HBase提供在较大的表快速查找 |
| HDFS提供了高延迟批量处理;没有批量处理概念。 | HBase提供了数十亿条记录，低延迟访问单个行记录（随机存取）。 |
| HDFS提供的数据只能顺序访问。 | HBase内部使用哈希表和提供随机接入，并且其存储索引，可将在HDFS文件中的数据进行快速查找。 |
二、HBase相关概念
2.1、分布式数据库
这些region除了最后一个理论上是一样大的，表刚建立时，表中是没有数据的，hbase只提供一个region，region随着数据变多而增大，达到阙值（128M）的时候，分裂成两个region。
hbase中的数据是字典排序
region中存储了开始数据索引和结束数据索引
2.2、稀疏性
HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格，可以视为一个“四维坐标”，即[行键, 列族, 列限定符, 时间戳]
2.3、数据模型
表：HBase的数据同样是用表来组织的，表由行和列组成，列分为若干个列族，行和列的坐标交叉决定了一个单元格。
行：每个表由若干行组成，每个行有一个行键作为这一行的唯一标识。访问表中的行只有三种方式：通过单个行键进行查询、通过一个行键的区间来访问、全表扫描。
列簇：一个HBase表被分组成许多“列族”的集合，它是基本的访问控制单元。
列修饰符（列限定符）：列族里的数据通过列限定符（或列）来定位
单元格：在HBase表中，通过行、列族和列限定符确定一个“单元格”（cell），单元格中存储的数据没有数据类型，被视为字节数组byte[]
时间戳：每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引
2.4.1、hbase数据模型
HBase将数据存放在带有标签的表中，表由行和列组成，行和列交叉确定一个单元格，单元格有版本号，版本号自动分配，为数据插入该单元格时的时间戳。单元格的内容没有数据类型，所有数据都被视为未解释的字节数组。
2.4.2、Hbase数据坐标
HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格(cell)，cell中的数据是没有类型的，全部是字节码形式存贮。可以视为一个“四维坐标”，即[行键, 列族, 列限定符, 时间戳]。
2.4.3、HBase区域
HBase自动把表水平划分为区域（Region），每个区域都是有若干连续行构成的，一个区域由所属的表、起始行、终止行（不包括这行）三个要素来表示。 区域是HBase集群上分布数据的最小单位。
三、HBase系统架构
组件介绍
HBase由三种类型的服务器以主从模式构成：
-
Region Server：负责数据的读写服务，用户通过与Region server交互来实现对数据的访问。
-
HBase HMaster：负责Region的分配及数据库的创建和删除等操作。
-
ZooKeeper：负责维护集群的状态（某台服务器是否在线，服务器之间数据的同步操作及master的选举等）。
Client
包含访问HBase的接口并维护cache来加快对HBase的访问
Zookeeper
保证任何时候，集群中只有一个master
存贮所有Region的寻址入口。
实时监控Region server的上线和下线信息。并实时通知Master
存储HBase的schema和table元数据的meta信息
Master
为Region server分配region
负责Region server的负载均衡
发现失效的Region server并重新分配其上的region
管理用户对table的增删改操作
RegionServer
Region server维护region，处理对这些region的IO请求
Region server负责切分在运行过程中变得过大的region
HLog(WAL log)：
HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是 HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和 region名字外，同时还包括sequence number和timestamp，timestamp是” 写入时间”，sequence number的起始值为0
HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的 KeyValue
Region
HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据；每个表一开始只有一个region，随着数据不断插 入表，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region（裂变）；
Memstore 与 storefile
一个region由多个store组成，一个store对应一个CF（列簇）
store包括位于内存中的memstore和位于磁盘的storefile写操作先写入 memstore，当memstore中的数据达到某个阈值，hregionserver会启动 flashcache进程写入storefile，每次写入形成单独的一个storefile
当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、 major compaction），在合并过程中会进行版本合并和删除工作 （majar），形成更大的storefile。
当一个region所有storefile的大小和超过一定阈值后，会把当前的region 分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载均衡。
客户端检索数据，先在memstore找，找不到再找storefile
HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表 示不同的HRegion可以分布在不同的HRegion server上。
HRegion由一个或者多个Store组成，每个store保存一个columns family。
每个Strore又由一个memStore和0至多个StoreFile组成。
1、flush刷新在HDFS上呈现究竟是怎么刷新的呢？？ 我们目前刚刚学习的时候，添加数据，都是一条一条的put进去，而我们在put的数据比较少（小于128M）的时候，我们put完去HDFS上并未查看到我们put的文件，这是因为数据还在内存中，也就是还在memStore中，所以要想在HDFS中查看到，我们必须手动刷新到磁盘中，这是将memStore的数据刷新到StoreFile中去，这样我们在HDFS中就可以查看到了。 2、为什么Hbase不可以使用像Mysql那样进行查询？？ 首先，我们应该可以感受到，我们在插入的时候，每行数据，有多少列，列名叫什么完全是我们自己定义的，之所以不支持像MySql那样对列进行查询和操作，因为不确定列的个数和名称。 3、数据最后存在HDFS上的，HDFS不支持删改，为什么Hbase就可以呢？？ 这里有个思想误区，的确，数据是以HFile形式存在HDFS上的，而且HDFS的确是不支持删改的，但是为什么Hbase就支持呢？首先，这里的删除并不是真正意义上的对数据进行删除，而是对数据进行打上标记，我们再去查的时，就不会查到这个打过标记的数据，这个数据Hmaster会每隔1小时清理。修改是put两次，Hbase会取最新的数据，过期数据也是这个方式被清理。
四、HBase 2.2.7安装搭建
4.1 前期准备（Hadoop,zookeeper,jdk）
启动hadoop
start-all.sh
验证
http://master:50070
启动zookeeper（三台分别启动）
zkServer.sh start
检查状态
zkServer.sh status
4.2 搭建Hbase
1、上传解压
tar -zxvf hbase-1.4.6-bin.tar.gz
2、配置环境变量
export HBASE_HOME=/usr/local/soft/hbase-1.4.6 $HBASE_HOME/bin
source /etc/profile
3、修改hbase-env.sh文件
增加java配置
export JAVA_HOME=/usr/local/soft/jdk1.8.0_171
关闭默认zk配置
export HBASE_MANAGES_ZK=false
5、修改regionservers文件
如果是伪分布式版本，增加master即可
node1 node2
6、同步到所有节点（如果是伪分布式不需要同步）
scp -r hbase-2.2.7 node1:`pwd` scp -r hbase-2.2.7 node2:`pwd`
7、启动hbase集群 ， 在master上执行
start-hbase.sh
8、验证hbase
http://master:16010
9、关闭集群的命令
stop-hbase.sh
4.4 启动顺序
启动顺序 Hadoop及hbase集群启动顺序 zookeepeer -> hadoop -> hbase 停止顺序 Hadoop及hbase集群关闭顺序 hbase -> hadoop -> zookeepeer
4.5 重置hbase
1、关闭hbase集群
1)杀死进程 2)stop-hbase.sh
2、删除数据 hdfs
hdfs dfs -rmr /hbase
3、删除元数据 zk
zkCli.sh rmr /hbase
4、重新启动hbase
start-hbase.sh
时间同步
yum install ntp -y ntpdate -u time.windows.com
五、hbase shell
| 命名 | 描述 | 语法 |
|---|---|---|
| help ‘命令名’ | 查看命令的使用描述 | help ‘命令名’ |
| whoami | 我是谁 | whoami |
| version | 返回hbase版本信息 | version |
| status | 返回hbase集群的状态信息 | status |
| table_help | 查看如何操作表 | table_help |
| create | 创建表 | create ‘表名’, ‘列族名1’, ‘列族名2’, ‘列族名N’ |
| alter | 修改列族 | 添加一个列族：alter ‘表名’, ‘列族名’ 删除列族：alter ‘表名’, {NAME=> ‘列族名’, METHOD=> ‘delete’} |
| describe | 显示表相关的详细信息 | describe ‘表名’ |
| list | 列出hbase中存在的所有表 | list |
| exists | 测试表是否存在 | exists ‘表名’ |
| put | 添加或修改的表的值 | put ‘表名’, ‘行键’, ‘列族名’, ‘列值’ put ‘表名’, ‘行键’, ‘列族名:列名’, ‘列值’ |
| scan | 通过对表的扫描来获取对应的值 | scan ‘表名’ 扫描某个列族： scan ‘表名’, {COLUMN=>‘列族名’} 扫描某个列族的某个列： scan ‘表名’, {COLUMN=>‘列族名:列名’} 查询同一个列族的多个列： scan ‘表名’, {COLUMNS => [ ‘列族名1:列名1’, ‘列族名1:列名2’, …]} |
| get | 获取行或单元（cell）的值 | get ‘表名’, ‘行键’ get ‘表名’, ‘行键’, ‘列族名’ |
| count | 统计表中行的数量 | count ‘表名’ |
| incr | 增加指定表行或列的值 | incr ‘表名’, ‘行键’, ‘列族:列名’, 步长值 |
| get_counter | 获取计数器 | get_counter ‘表名’, ‘行键’, ‘列族:列名’ |
| delete | 删除指定对象的值（可以为表，行，列对应的值，另外也可以指定时间戳的值） | 删除列族的某个列： delete ‘表名’, ‘行键’, ‘列族名:列名’ |
| deleteall | 删除指定行的所有元素值 | deleteall ‘表名’, ‘行键’ |
| truncate | 重新创建指定表 | truncate ‘表名’ |
| enable | 使表有效 | enable ‘表名’ |
| is_enabled | 是否启用 | is_enabled ‘表名’ |
| disable | 使表无效 | disable ‘表名’ |
| is_disabled | 是否无效 | is_disabled ‘表名’ |
| drop | 删除表 | drop的表必须是disable的 disable ‘表名’ drop ‘表名’ |
| shutdown | 关闭hbase集群（与exit不同） | |
| tools | 列出hbase所支持的工具 | |
| exit | 退出hbase shell |
HBase Shell 是官方提供的一组命令，用于操作HBase。如果配置了HBase的环境变量了，就可以知己在命令行中输入hbase shell 命令进入命令行。
hbase shell
5.1 help命令
可以通过
help '命名名称'来查看命令行的具体使用，包括命令的作用和用法。 通过help ‘hbase’ 命名来查看hbase shell 支持的所有命令，hbase将命令进行分组，其中ddl、dml使用较多。
help 'list'
5.2 general 类
5.2.1 显示集群状态status
5.2.2 查询数据库版本version
5.2.3 显示当前用户与组 whoami
5.2.4 查看操作表的命令table_help
5.2.5 退出HBase Shell exit
5.3 DDL相关
5.3.1. 创建表create
注意：创建表时只需要指定列族名称，不需要指定列名。
# 语法
create '表名', {NAME => '列族名1'}, {NAME => '列族名2'}, {NAME => '列族名3'}
# 此种方式是上上面的简写方式，使用上面方式可以为列族指定更多的属性，如VERSIONS、TTL、BLOCKCACHE、CONFIGURATION等属性
create '表名', '列族名1', '列族名2', '列族名3'
5.3.2 修改(添加、删除)表结构Schema alter
5.3.2.1 添加一个列簇
# 语法 alter '表名', '列族名' # 示例 alter 'tbl_user', 'address'
5.3.2.2 删除一个列簇
# 语法
alter '表名', {NAME=> '列族名', METHOD=> 'delete'}
alter 't1',{NAME => 'cf2', METHOD => 'delete'}
# 示例
alter 'tbl_user', {NAME=> 'address', METHOD=> 'delete'}
5.3.2.3 修改列族的属性
可以修改列族的VERSIONS、IN_MEMORY
# 修改f1列族的版本为5
alter 't1', NAME => 'f1', VERSIONS => 5
# 修改多个列族，修改f2为内存，版本号为5
alter 't1', 'f1', {NAME => 'f2', IN_MEMORY => true}, {NAME => 'f3', VERSIONS => 5}
# 也可以修改table-scope属性，例如MAX_FILESIZE, READONLY,MEMSTORE_FLUSHSIZE, DEFERRED_LOG_FLUSH等。
# 例如，修改region的最大大小为128MB：
alter 't1', MAX_FILESIZE => '134217728'
5.3.3 获取表的描述describe
# 语法 describe '表名' # 示例 describe 'tbl_user'
5.3.4 列举所有表list
5.3.5 表是否存在exists
# 语法 exists '表名' # 示例 exists 'tbl_user'
5.3.6 启用表enable和禁用表disable
通过enable和disable来启用/禁用这个表,相应的可以通过is_enabled和is_disabled来检查表是否被禁用。
# 语法 enable '表名' is_enabled '表名' disable '表名' is_disabled '表名' # 示例 disable 'tbl_user' is_disabled 'tbl_user' enable 'tbl_user' is_enabled 'tbl_user'
5.3.7 禁用满足正则表达式的所有表disable_all
# 匹配以t开头的表名 disable_all 't.*' # 匹配指定命名空间ns下的以t开头的所有表 disable_all 'ns:t.*' # 匹配ns命名空间下的所有表 disable_all 'ns:.*'
5.3.8 启用满足正则表达式的所有表enable_all
enable_all 't.*' enable_all 'ns:t.*' enable_all 'ns:.*'
5.3.9 删除表drop
需要先禁用表，然后再删除表，启用的表是不允许删除的
# 语法 disable '表名' drop '表名' # 示例 disable 'tbl_user' drop 'tbl_user'
直接删除报错：
先禁用后删除
5.3.10 获取rowKey所在的区 locate_region
locate_region '表名', '行键'
5.4 namespace
hbase中没有数据库的概念 , 可以使用namespace来达到数据库分类别管理表的作用
5.4.1 列举命名空间 list_namespace
5.4.2 获取命名空间描述 describe_namespace
describe_namespace 'default'
5.4.3 查看命名空间下的所有表 list_namespace_tables
list_namespace_tables 'default' list_namespace_tables 'hbase'
5.4.4 创建命名空间create_namespace
create_namespace 'bigdata30'
5.4.5 删除命名空间drop_namespace
drop_namespace '命名空间名称'
5.5 DML
5.5.1 插入或者修改数据put
# 语法 # 当列族中只有一个列时'列族名:列名'使用'列族名' put '表名', '行键', '列族名', '列值' put '表名', '行键', '列族名:列名', '列值' # 创建表 create 'users', 'info', 'detail', 'address' # 第一行数据 put 'users', '1003', 'info:id', '1' put 'users', '1003', 'info:name', '张三' put 'users', '1003', 'info:age', '28' put 'users', '1003', 'detail:birthday', '1990-06-26' put 'users', '1003', 'detail:email', 'abc@163.com' put 'users', '1003', 'detail:create_time', '2019-03-04 14:26:10' put 'users', '1003', 'address', '上海市' # 第二行数据 put 'users', '1002', 'info:id', '2' put 'users', '1002', 'info:name', '李四' put 'users', '1002', 'info:age', '27' put 'users', '1002', 'detail:birthday', '1990-06-27' put 'users', '1002', 'detail:email', 'xxx@gmail.com' put 'users', '1002', 'detail:create_time', '2019-03-05 14:26:10' put 'users', '1002', 'address', '北京市'
5.5.2 全表扫描scan
# 语法 scan '表名' # 示例 scan 'users' // 效果类似于sql语句中select * from users
扫描整个列簇
# 语法
scan '表名', {COLUMN=>'列族名'}
# 示例
scan 'users', {COLUMN=>'info'}
扫描整个列簇的某个列
# 语法
scan '表名', {COLUMN=>'列族名:列名'}
# 示例
scan 'users', {COLUMN=>'info:age'}
5.5.3 获取数据get
# 语法 get '表名', '行键' # 示例 get 'users', 'xiaoming'
根据某一行某列族的数据
# 语法 get '表名', '行键', '列族名' # 示例 get 'users', 'xiaoming', 'info'
5.5.4 删除某个列族中的某个列delete
# 语法 delete '表名', '行键', '列族名:列名' delete 'users','xiaoming','info:age' create 'tbl_test', 'columnFamily1' put 'tbl_test', 'rowKey1', 'columnFamily1:column1', 'value1' put 'tbl_test', 'rowKey1', 'columnFamily1:column2', 'value2' delete 'tbl_test', 'rowKey1', 'columnFamily1:column1'
5.5.5 删除某行数据deleteall
# 语法 deleteall '表名', '行键' # 示例 deleteall 'users', 'xiaoming'
5.5.6 清空整个表的数据truncate
先disable表，然后再drop表，最后重新create表
truncate '表名'
5.5.7 自增incr
# 语法 incr '表名', '行键', '列族:列名', 步长值
5.5.8 计数器get_counter
# 点击量：日、周、月 create 'counters', 'daily', 'weekly', 'monthly' incr 'counters', '20240415', 'daily:hits', 1 incr 'counters', '20110101', 'daily:hits', 1 get_counter 'counters', '20110101', 'daily:hits'
5.5.9 修饰词
1、修饰词
# 语法
scan '表名', {COLUMNS => [ '列族名1:列名1', '列族名1:列名2', ...]}
# 示例
scan 'tbl_user', {COLUMNS => [ 'info:id', 'info:age']}
2、TIMESTAMP 指定时间戳
# 语法
scan '表名',{TIMERANGE=>[timestamp1, timestamp2]}
# 示例
scan 'tbl_user',{TIMERANGE=>[1551938004321, 1551938036450]}
3、VERSIONS
默认情况下一个列只能存储一个数据，后面如果修改数据就会将原来的覆盖掉
create 'tbl_test', 'columnFamily1'
describe 'tbl_test'
# 修改列族版本号
alter 'tbl_test', { NAME=>'columnFamily1', VERSIONS=>3 }
put 'tbl_test', 'rowKey1', 'columnFamily1:column1', 'value1'
put 'tbl_test', 'rowKey1', 'columnFamily1:column1', 'value2'
put 'tbl_test', 'rowKey1', 'columnFamily1:column1', 'value3'
# 默认返回最新的一条数据
get 'tbl_test','rowKey1','columnFamily1:column1'
# 返回2个
get 'tbl_test','rowKey1',{COLUMN=>'columnFamily1:column1', VERSIONS=>2}
4、STARTROW
ROWKEY起始行。会先根据这个key定位到region，再向后扫描
# 语法
scan '表名', { STARTROW => '行键名'}
# 示例
scan 'tbl_user', { STARTROW => 'vbirdbest'}
5、STOPROW ：截止到STOPROW行，STOPROW行之前的数据，不包括STOPROW这行数据
# 语法
scan '表名', { STOPROW => '行键名'}
# 示例
scan 'tbl_user', { STOPROW => 'xiaoming'}
6、LIMIT 返回的行数
# 语法
scan '表名', { LIMIT => 行数}
# 示例
scan 'tbl_user', { LIMIT => 2 }
5.5.10 FILTER条件过滤器
过滤器之间可以使用AND、OR连接多个过滤器。
1、ValueFilter 值过滤器
# 语法：binary 等于某个值 scan '表名', FILTER=>"ValueFilter(=,'binary:列值')" # 语法 substring:包含某个值 scan '表名', FILTER=>"ValueFilter(=,'substring:列值')" # 示例 scan 'tbl_user', FILTER=>"ValueFilter(=, 'binary:26')" scan 'tbl_user', FILTER=>"ValueFilter(=, 'substring:6')"
扫一扫
824
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
