HBase学习笔记

HBase

一、概述

HBase是一个依据Hadoop的数据库，它可靠、分布式适合结构化大数据存储，是用来存储大数据集的存储系统，建立在Hadoop的HDFS的基础之上。

HBase是Google开源实现，它开源，分布式，数据多 版本，基于列存储的非关系型数据库，建立在Hadoop的HDFS的基础之上。

HDFS来源Google的GFS

MapReduce来源Google的MapReduce

HBase来源Google的bigTable

关系型数据库：Oracle，MySQL

非关系型数据库（弱化事务）：redis

列存储和行存储

列存储和行存储是表中的数据在存储介质中的组织方式

【个人想：查询用非关系型，增改用关系型】

• 传统的关系型数据（行存储）：Oracle，MySQL，db2，SQLServer等

  • 1 张三 男 2 李四 男

  • 优点：增（insert，直接追加）改（update，在一块好操作）【删呢？个人感觉也快】快（高效）

  • 缺点：指定字段的查询（投影查询）需要查询所有数据再保存指定列，造成很多无效的IO【效率低】

  • 操作事务要求高的增删改（大数据主要是查）

• 非关系型数据库（列存储）：HBase等

  • 按照列为单位进行数据的组织和管理

    • 1 2 3 4 5 张三 李四 王五…

  • 优点：

    • 1、投影查询效率极高，不会浪费磁盘的IO（适合结构化的大数据处理，京东的超过三个月历史交易订单，滴滴每个订单的地理位置信息【行走路线】）

    • 2、列数据类型一致，进行有效的数据压缩，减少磁盘空间的浪费

    • 3、列即是索引（索引不是越多越好）

    • 4、擅长结构化的大数据存储，效率比较高（弱化事务）

    • 5、数据为NUll，列式存储系统不会占用实际的存储空间（关系型数据库，类型导致将存储空间沾满）

  • 缺点：数据的插入和修改比较麻烦

HBase的数据模型（DataModel）（极为重要）

Big table

• 1、主键：RowKey（关系型数据库PrimaryKey），底层存储是字节数组byte[]，获取数据的唯一标识，不能重复，默认按照字典顺序进行排序

• 2、列簇Column Family（列族）：存放业务相似或者功能相近的多个列的集合

• 3、单元格Cell：实际存放数据（RowKey+Column Family+column定义一个单元格）

• 4、多版本Versions：一个Cell允许有多个数据版本，一个Cell默认有一个多版本，HBase默认会将最新版本的数据返回给用户

• 5、版本号时间戳timestamp：系统当前时间戳，默认将最新时间戳的数据返回给用户

• 6、列簇中的一个字段，用来存放某一类别的数据

• 一个BigTable由行构成

  一行记录（rowKey）由列簇构成，列簇（通常一到三个）由列构成

  列代表一列数据

  单元格（rowkey+cf+column+version）

  多版本：时间戳

HBase没有join，where，group by，order by

特点

• 大：一个表可以有上亿行，上百万列

• 面向列：面向列表（簇）的存储和权限控制，列（簇）独立检索。

• 结构稀疏：对于为空（NULL）的列，并不占用存储空间，因此，表可以设计的非常稀疏。

• 无模式：每一行都有一个可以排序的主键和任意多的列，列可以根据需要动态增加，同一张表中不同的行可以有截然不同的列，结构非常灵活。

• 数据多版本：每个单元中的数据可以有多个版本，默认情况下，版本号自动分配，版本号就是单元格插入时的时间戳。

• 数据类型单一：HBase中的数据在底层存储时都是byte[]，没有类型,可以存放任意类型的数据。

二、基本使用

环境搭建

伪分布式集群

准备工作

• 保证HDFS集群运行正常

• 保证ZooKeeper集群运行正常

  [root@hadoop ~]# jps
  83920 SecondaryNameNode
  83602 NameNode
  83698 DataNode
  2548 QuorumPeerMain
  

安装及配置

[root@hadoop ~]# tar -zxf hbase-1.2.4-bin.tar.gz -C /usr

• conf/hbase-site.xml

  [root@hadoop ~]# vi /usr/hbase-1.2.4/conf/hbase-site.xml
  

  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://hadoop:9000/hbase</value>
  </property>
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>hadoop</value>
  </property>
  <property>
    <name>hbase.zookeeper.property.clientPort</name>
    <value>2181</value>
  </property>
  
  

• conf/regionservers

  [root@hadoop ~]# vi /usr/hbase-1.2.4/conf/regionservers
  
  hadoop
  

修改环境变量

[root@hadoop hbase-1.2.4]# vi ~/.bashrc
# 将之前的环境变量配置删除 添加如下的环境变量配置
HBASE_MANAGES_ZK=false
HBASE_HOME=/usr/hbase-1.2.4
HADOOP_HOME=/usr/hadoop-2.6.0
JAVA_HOME=/usr/java/latest
CLASSPATH=.
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin::$HBASE_HOME/bin
export JAVA_HOME
export CLASSPATH
export PATH
export HADOOP_HOME
export HBASE_HOME
export HBASE_MANAGES_ZK
[root@hadoop hbase-1.2.4]# source ~/.bashrc

启动服务

[root@hadoop hbase-1.2.4]# start-hbase.sh

验证HBase服务是否正常

方法一：

[root@hadoop hbase-1.2.4]# jps
83920 SecondaryNameNode
85104 HRegionServer  # HBase集群的从节点
84963 HMaster  # HBase集群的主节点
83602 NameNode
83698 DataNode
2548 QuorumPeerMain
85516 Jps

方法二：

http://hadoop:16010/master-status

方法三：

指令操作

使用客户端指令连接hbase server

[root@hadoop hbase-1.2.4]# hbase shell

在命令窗口使用help指令查看帮助说明

hbase(main):007:0> help "get"  # help "命令"  查看指定命令的帮助说明
hbase(main):007:0> help "general"  # help "命令组"  查看指定命令组下的命令帮助说明
COMMAND GROUPS:
  Group name: general  # 通用指令
  Commands: status, table_help, version, whoami

  Group name: ddl   # 表操作指令
  Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all, enable, enable_all, exists, get_table, is_disabled, is_enabled, list, locate_region, show_filters

  Group name: namespace  # 类似于mysql的数据库 组织管理表
  Commands: alter_namespace, create_namespace, describe_namespace, drop_namespace, list_namespace, list_namespace_tables

  Group name: dml  # 数据的CRUD
  Commands: append, count, delete, deleteall, get, get_counter, get_splits, incr, put, scan, truncate, truncate_preserve

General指令

• status

  hbase(main):010:0* status
  1 active master, 0 backup masters, 1 servers, 0 dead, 2.0000 average load
  

• version

  hbase(main):013:0* version
  1.2.4, rUnknown, Wed Feb 15 18:58:00 CST 2017
  

• whoami

  hbase(main):014:0> whoami
  root (auth:SIMPLE)
      groups: root
  

NameSpace指令

Namespace非常类似于mysql中的数据库，是用来组织管理HBase表的，在HBase有一个默认的Namespace叫做default

• alter_namespace

  hbase(main):022:0* alter_namespace 'baizhi',{METHOD=>'set', 'AUTHOR'=>'GAOZHY'}
  0 row(s) in 0.0440 seconds
  

• create_namespace

  hbase(main):017:0> create_namespace 'baizhi'
  0 row(s) in 0.0690 seconds
  

• describe_namespace

  hbase(main):019:0> describe_namespace 'baizhi'
  DESCRIPTION
  {NAME => 'baizhi'}
  1 row(s) in 0.0210 seconds
  

• drop_namespace

  hbase(main):026:0> drop_namespace 'baizhi'
  0 row(s) in 0.0460 seconds
  

• list_namespace

  hbase(main):027:0> list_namespace
  NAMESPACE
  default
  hbase
  2 row(s) in 0.0480 seconds
  

• list_namespace_tables

  hbase(main):025:0> list_namespace_tables 'hbase'
  TABLE
  meta
  namespace
  2 row(s) in 0.0280 seconds
  

DDL指令

表相关的操作

• 创建表：create

  # 1. 语法： create '表名','列簇1'，’列簇2‘...
  # 2. 语法： create 'namespace:表名',{NAME=>'列簇名',VERSIONS=>Cell允许出现的最多版本}
  hbase(main):002:0> create 't_user','cf1'
  0 row(s) in 1.6240 seconds
  
  => Hbase::Table - t_user
  hbase(main):003:0> create 't_order',{NAME=>'cf1',VERSIONS=>3}
  0 row(s) in 1.3200 seconds
  

• 展示列表: list

  => Hbase::Table - t_order
  hbase(main):004:0> list
  TABLE
  t_order
  t_user
  2 row(s) in 0.0510 seconds
  
  => ["t_order", "t_user"]
  

• 修改表：alter

  hbase(main):005:0* alter 't_user',NAME=>'cf1',TTL=>1800
  Updating all regions with the new schema...
  1/1 regions updated.
  Done.
  0 row(s) in 2.3520 seconds
  
  hbase(main):006:0> describe 't_user'
  Table t_user is ENABLED
  t_user
  COLUMN FAMILIES DESCRIPTION
  {NAME => 'cf1', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCOD
  ING => 'NONE', TTL => '1800 SECONDS (30 MINUTES)', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSI
  ZE => '65536', REPLICATION_SCOPE => '0'}
  1 row(s) in 0.0340 seconds
  
  hbase(main):008:0* alter 't_user',{NAME=>'cf1',VERSIONS=>3}
  Updating all regions with the new schema...
  1/1 regions updated.
  Done.
  0 row(s) in 1.9960 seconds
  
  hbase(main):009:0> describe 't_user'
  Table t_user is ENABLED
  t_user
  COLUMN FAMILIES DESCRIPTION
  {NAME => 'cf1', BLOOMFILTER => 'ROW', VERSIONS => '3', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCOD
  ING => 'NONE', TTL => '1800 SECONDS (30 MINUTES)', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSI
  ZE => '65536', REPLICATION_SCOPE => '0'}
  1 row(s) in 0.0370 seconds
  

• 描述表：describe

  hbase(main):001:0> describe 't_user'
  Table t_user is ENABLED
  t_user
  COLUMN FAMILIES DESCRIPTION
  {NAME => 'cf1', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCOD
  ING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REP
  LICATION_SCOPE => '0'}
  

• 禁用表：disable, disable_all

  hbase(main):011:0* disable 't_user'
  0 row(s) in 2.3580 seconds
  

• 删除表：drop, drop_all

  # 删除表时 首先需要禁用表
  hbase(main):018:0> drop 't_user'
  
  ERROR: Table t_user is enabled. Disable it first.
  
  Here is some help for this command:
  Drop the named table. Table must first be disabled:
    hbase> drop 't1'
    hbase> drop 'ns1:t1'
  
  
  hbase(main):019:0> disable 't_user'
  0 row(s) in 2.2830 seconds
  
  hbase(main):020:0> drop 't_user'
  0 row(s) in 1.3090 seconds
  

• 启动表：enable, enable_all

  hbase(main):017:0* enable 't_user'
  0 row(s) in 1.3400 seconds
  

• 判断表是否存在：exists

  hbase(main):021:0> exists 't_user'
  Table t_user does not exist
  0 row(s) in 0.0240 seconds
  
  hbase(main):022:0> exists 't_order'
  Table t_order does exist
  0 row(s) in 0.0240 seconds
  

• 是不是：is_disabled, is_enabled

  hbase(main):023:0> is_disabled 't_order'
  false
  0 row(s) in 0.0150 seconds
  

DML指令(重点)

BigTable中的数据的增删改查操作

• 获得总记录数：count

  hbase(main):051:0> count 'default:t_order'
  2 row(s) in 0.0570 seconds
  
  => 2
  

• 删除： delete, deleteall

  # delete指令用来删除某一个单元格数据
  # deleteall 删除一行数据的
  hbase(main):053:0> delete 't_order','order102','cf1:count'
  0 row(s) in 0.0470 seconds
  
  hbase(main):054:0> get 'default:t_order','order102',{COLUMN=>'cf1',VERSIONS=>3}
  COLUMN                           CELL
   cf1:name                        timestamp=1566374163173, value=vivo
   cf1:name                        timestamp=1566374139746, value=oppo
   cf1:name                        timestamp=1566374045248, value=mix2s
  3 row(s) in 0.0440 seconds
  
  hbase(main):055:0> delete 't_order','order102','cf1:name',1566374045248
  0 row(s) in 0.0340 seconds
  
  hbase(main):056:0> get 'default:t_order','order102',{COLUMN=>'cf1',VERSIONS=>3}
  COLUMN                           CELL
   cf1:name                        timestamp=1566374163173, value=vivo
   cf1:name                        timestamp=1566374139746, value=oppo
  2 row(s) in 0.0160 seconds
  
  hbase(main):059:0> deleteall 't_order','order102'
  0 row(s) in 0.0140 seconds
  
  hbase(main):060:0> get 'default:t_order','order102',{COLUMN=>'cf1',VERSIONS=>3}
  COLUMN                           CELL
  0 row(s) in 0.0220 seconds
  
  

• 获得数据：get

  # get 'namespace:table','rowkey num'
  hbase(main):033:0* get 'default:t_order','order101'
  COLUMN                           CELL
   cf1:count                       timestamp=1566373554307, value=2
   cf1:name                        timestamp=1566373502504, value=iphone
   cf1:price                       timestamp=1566373537106, value=1999
  3 row(s) in 0.0560 seconds
  
  hbase(main):034:0> get 'default:t_order','order102'
  COLUMN                           CELL
   cf1:count                       timestamp=1566373582394, value=1
   cf1:name                        timestamp=1566373615024, value=HUAWEI P30
  
  # 查看指定列簇中的所有列的数据
  hbase(main):037:0> get 'default:t_order','order102',{COLUMN=>'cf1'}
  
  # 获取多版本数据
  hbase(main):047:0> get 'default:t_order','order102',{COLUMN=>'cf1',VERSIONS=>3}
  COLUMN                           CELL
   cf1:count                       timestamp=1566373582394, value=1
   cf1:name                        timestamp=1566374163173, value=vivo
   cf1:name                        timestamp=1566374139746, value=oppo
   cf1:name                        timestamp=1566374045248, value=mix2s
  
  # 获取指定版本的单元格数据
  hbase(main):048:0> get 'default:t_order','order102',{COLUMN=>'cf1',TIMESTAMP=>1566374045248 ,VERSIONS=>3}
  COLUMN                           CELL
   cf1:name                        timestamp=1566374045248, value=mix2s
  1 row(s) in 0.0240 seconds
  
  

• 新增(修改)数据：put

  hbase(main):026:0* put 'default:t_order','order101','cf1:name','iphone'
  0 row(s) in 0.1220 seconds
  
  hbase(main):027:0> put 'default:t_order','order101','cf1:price',1999
  0 row(s) in 0.0370 seconds
  
  hbase(main):028:0> put 'default:t_order','order101','cf1:count',2
  0 row(s) in 0.0330 seconds
  
  hbase(main):029:0> put 'default:t_order','order102','cf1:count',1
  0 row(s) in 0.0230 seconds
  
  hbase(main):030:0> put 'default:t_order','order102','cf1:name','HUAWEI P30'
  

• 扫描表： scan

  # 类似于查询所有
  hbase(main):063:0> scan 't_order'
  ROW                              COLUMN+CELL
   order101                        column=cf1:count, timestamp=1566373554307, value=2
   order101                        column=cf1:name, timestamp=1566373502504, value=iphone
   order101                        column=cf1:price, timestamp=1566373537106, value=1999
   order103                        column=cf1:name, timestamp=1566374793825, value=Apple Watch
  

• 截断表：truncate

  截断指的删除表中的所有数据

  hbase(main):065:0> truncate 't_order'
  truncate            truncate_preserve
  hbase(main):065:0> truncate 't_order'
  Truncating 't_order' table (it may take a while):
   - Disabling table...
   - Truncating table...
  0 row(s) in 3.5150 seconds
  
  hbase(main):066:0> scan 't_order'
  ROW                              COLUMN+CELL
  0 row(s) in 0.1550 seconds
  

JAVA API

Maven依赖

<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>1.2.4</version>
</dependency>
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-common</artifactId>
    <version>1.2.4</version>
</dependency>
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-protocol</artifactId>
    <version>1.2.4</version>
</dependency>
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-server</artifactId>
    <version>1.2.4</version>
</dependency>
<dependency>
    <groupId>junit</groupId>
    <artifactId>junit</artifactId>
    <version>4.12</version>
</dependency>

测试代码

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.*;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.util.Bytes;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Iterator;
import java.util.List;

public class HBaseClientTest {

    // 管理员对象(负责DDL操作)
    private Admin admin;

    // 连接对象(负责DML操作)
    private Connection connection;

    @Before
    public void doBefore() throws IOException {
        // 配置对象
        Configuration configuration = HBaseConfiguration.create();
        // 声明HBase的连接参数
        // HBase集群的入口信息 保存在ZK
        configuration.set(HConstants.ZOOKEEPER_QUORUM, "hadoop:2181");
        connection = ConnectionFactory.createConnection(configuration);
        admin = connection.getAdmin();
    }

    /**
     * 创建namespace
     * @throws IOException
     */
    @Test
    public void testCreateNamespace() throws IOException {
        NamespaceDescriptor namespaceDescriptor = NamespaceDescriptor.create("baizhi").addConfiguration("author", "gaozhy").build();
        admin.createNamespace(namespaceDescriptor);
    }

    /**
     * 创建table
     */
    @Test
    public void testCreateTable() throws IOException {
        HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("baizhi:t_user"));
        HColumnDescriptor cf1 = new HColumnDescriptor("cf1");
        cf1.setMaxVersions(5); // cell最多保留5个历史版本
        HColumnDescriptor cf2 = new HColumnDescriptor("cf2");
        cf2.setTimeToLive(3600); // ttl=1hours
        hTableDescriptor.addFamily(cf1);
        hTableDescriptor.addFamily(cf2);
        admin.createTable(hTableDescriptor);
    }

    /**
     * 新增（修改）数据 ：
     *      put指令: put 'namespace:table','rowkey','cf1:name','value'
     * @throws IOException
     */
    @Test
    public void testInsert() throws IOException {
        Table table = connection.getTable(TableName.valueOf("baizhi:t_user"));
        // Put put = new Put("user101".getBytes()); // rowkey
        Put put = new Put(Bytes.toBytes("user103")); // HBase为了简化字节操作，提供了工具类 Bytes
        put.addColumn(Bytes.toBytes("cf1"),Bytes.toBytes("name"),Bytes.toBytes("小胖子"));
        table.put(put);
    }

    /**
     * 获得数据：
     *      get指令：get 'namespace:table','rowkey','cf:column'
     */
    @Test
    public void testSelect() throws IOException {
        Table table = connection.getTable(TableName.valueOf("baizhi:t_user"));
        Get get = new Get("user101".getBytes());
        // 查询指定单元格数据
        // get.addColumn("cf1".getBytes(),"name".getBytes());
        // 查指定列簇所有列数据
        // get.addFamily("cf1".getBytes())
        Result result = table.get(get);
        String name = Bytes.toString(result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("name")));
        System.out.println(name);
    }

    /**
     * 测试删除数据：
     *    delete
     *    deleteall
     */
    @Test
    public void testDelete() throws IOException {
        Table table = connection.getTable(TableName.valueOf("baizhi:t_user"));
        Delete delete = new Delete(Bytes.toBytes("user101"));
        ArrayList<Delete> list = new ArrayList<Delete>();
        list.add(delete);
        table.delete(list);
    }

    /**
     * 扫描表
     *  scan 'namespace:table'
     */
    @Test
    public void testScan() throws IOException {
        Table table = connection.getTable(TableName.valueOf("baizhi:t_user"));
        Scan scan = new Scan();
        // 包含start  不包含stop
        scan.setStartRow(Bytes.toBytes("user101"));
        scan.setStopRow(Bytes.toBytes("user103"));

        ResultScanner rs = table.getScanner(scan);
        Iterator<Result> iterator = rs.iterator();
        while(iterator.hasNext()){
            Result result = iterator.next();
            String rowkey = Bytes.toString(result.getRow());
            String name = Bytes.toString(result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("name")));
            System.out.println(rowkey + " | " +name);
        }
    }

    @After
    public void doAfter() throws IOException {
        if(admin != null) admin.close();
        if(connection != null) connection.close();
    }
}

作业

1. 使用HBase作为数据存储，完成用户信息的增删改查
2. 预习明天要讲的内容

三、HBase On MapReduce

需求：某电商系统，统计计算用户年度消费订单

订单号：购买时间+随机数

Maven依赖

<dependencies>
    <!--mapreduce + hbase-->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.6.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>2.6.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-common</artifactId>
        <version>2.6.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-core</artifactId>
        <version>2.6.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
        <version>2.6.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-server</artifactId>
        <version>1.2.4</version>
    </dependency>
</dependencies>

测试数据

@Test
    public void testInsertSampleData() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t_order"));
        Put put1 = new Put(Bytes.toBytes("1:20181010153020100"));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(2500.0D));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("p20"));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put2 = new Put(Bytes.toBytes("2:20180510121011233 "));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(199.0D));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("连衣裙"));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put3 = new Put(Bytes.toBytes("3:20180612111111111"));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(999.9D));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("小天鹅洗衣机"));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put4 = new Put(Bytes.toBytes("1:20181212011011111"));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(200.0D));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("搓衣板"));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put5 = new Put(Bytes.toBytes("1:20190206101010101"));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(10D));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("钢丝球"));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put6 = new Put(Bytes.toBytes("2:20180306101010101"));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(9.9D));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("丝袜"));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        ArrayList<Put> puts = new ArrayList<Put>();
        puts.add(put1);
        puts.add(put2);
        puts.add(put3);
        puts.add(put4);
        puts.add(put5);
        puts.add(put6);
        table.put(puts);
    }

创建输入表

@Test
public void testCreateOrderTable() throws IOException {
    boolean exists = admin.tableExists(TableName.valueOf("t_order"));
    if (exists) {
        admin.disableTable(TableName.valueOf("t_order"));
        admin.deleteTable(TableName.valueOf("t_order"));
    }
    HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("t_order"));
    HColumnDescriptor cf1 = new HColumnDescriptor("cf1");
    hTableDescriptor.addFamily(cf1);
    admin.createTable(hTableDescriptor);
}

创建输出表

hbase(main):001:0> create 't_result','cf1'

自定义Mapper

package com.baizhi.hbmr;

import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;

import java.io.IOException;

public class HBMap extends TableMapper<Text, DoubleWritable>{
    /**
     *
     * @param key           rowKey
     * @param value         一行数据
     * @param context       上下文对象
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void map(ImmutableBytesWritable key, Result value, Context context) throws IOException, InterruptedException {
        String rowKey = Bytes.toString(key.get());
        String userId = rowKey.split(":")[0];

        double money = Bytes.toDouble(value.getValue("cf1".getBytes(), "money".getBytes()));

        context.write(new Text(userId),new DoubleWritable(money));
    }
}

自定义Reducer

package com.baizhi.hbmr;

import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;

import java.io.IOException;
import java.util.Iterator;

public class HBReducer extends TableReducer<Text, DoubleWritable, NullWritable> {
    /**
     *
     * @param key       userId
     * @param values    money集合
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
        Double sum = 0d;
        Iterator<DoubleWritable> iterator = values.iterator();
        while (iterator.hasNext()){
            sum+=iterator.next().get();
        }

        Put put = new Put(key.toString().getBytes());
        put.addColumn("cf1".getBytes(),"total".getBytes(), Bytes.toBytes(sum));
        context.write(null,put);
    }
}

自定义初始化类

package com.baizhi.hbmr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HConstants;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.RegexStringComparator;
import org.apache.hadoop.hbase.filter.RowFilter;
import org.apache.hadoop.hbase.mapreduce.TableInputFormat;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableOutputFormat;
import org.apache.hadoop.io.DoubleWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;

import javax.swing.*;
import java.io.IOException;

public class HBApplication {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration configuration = HBaseConfiguration.create();
        configuration.set(HConstants.ZOOKEEPER_QUORUM,"hadoop:2181");
        Job job = Job.getInstance(configuration, "order");
        job.setJarByClass(HBApplication.class);

        job.setInputFormatClass(TableInputFormat.class);
        job.setOutputFormatClass(TableOutputFormat.class);

        //map任务初始化
        Scan scan = new Scan();
        RowFilter rowFilter = new RowFilter(CompareFilter.CompareOp.EQUAL, new RegexStringComparator("^.*:2018.*$"));
        scan.setFilter(rowFilter);
        TableMapReduceUtil.initTableMapperJob(TableName.valueOf("t_order"),scan,HBMap.class, Text.class, DoubleWritable.class,job);
        TableMapReduceUtil.initTableReducerJob("t_result",HBReducer.class,job);
        job.waitForCompletion(true);

    }
}

本地计算+查看计算结果

//查看一号用户的消费账单
@Test
public void testGetOrderTotal() throws IOException {
    Table table = connection.getTable(TableName.valueOf("t_result"));
    Result result = table.get(new Get(Bytes.toBytes("1")));
    double total = Bytes.toDouble(result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("total")));
    System.out.println("1号用户在2018年的年度消费账单为："+total);
}

//查所有的总消费
@Test
public void testSelectAll() throws IOException {
    Table table = connection.getTable(TableName.valueOf("t_result"));

    Scan scan = new Scan();
    ResultScanner results = table.getScanner(scan);
    results.forEach(s-> {
        byte[] value = s.getValue("cf1".getBytes(), "total".getBytes());
        System.out.println(Bytes.toDouble(value));
    });
}

完整版测试

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.*;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.util.Bytes;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.util.ArrayList;

public class TestTable {
    private Connection connection;
    private Admin admin;
    @Before
    public void doBefore() throws IOException {
        //调用静态方法创建配置对象
        Configuration configuration = HBaseConfiguration.create();
        configuration.set(HConstants.ZOOKEEPER_QUORUM,"hadoop:2181");

        //从连接工厂中获得连接
        connection = ConnectionFactory.createConnection(configuration);

        admin = this.connection.getAdmin();
    }

    @After
    public void doAfter() throws IOException {
        if(admin!=null ) admin.close();
        if(connection!=null) connection.close();
    }

    @Test
    public void testCreateOrderTable() throws IOException {
        HTableDescriptor tableDescriptor = new HTableDescriptor(TableName.valueOf("t_order"));
        tableDescriptor.addFamily(new HColumnDescriptor("cf1"));

        admin.createTable(tableDescriptor);
    }

    @Test
    public void testInsertSampleData() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t_order"));
        Put put1 = new Put(Bytes.toBytes("1:20181010153020100"));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(2500.0D));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("p20"));
        put1.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put2 = new Put(Bytes.toBytes("2:20180510121011233 "));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(199.0D));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("连衣裙"));
        put2.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put3 = new Put(Bytes.toBytes("3:20180612111111111"));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(999.9D));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("小天鹅洗衣机"));
        put3.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put4 = new Put(Bytes.toBytes("1:20181212011011111"));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(200.0D));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("搓衣板"));
        put4.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put5 = new Put(Bytes.toBytes("1:20190206101010101"));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(10D));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("钢丝球"));
        put5.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        Put put6 = new Put(Bytes.toBytes("2:20180306101010101"));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("money"), Bytes.toBytes(9.9D));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("product"), Bytes.toBytes("丝袜"));
        put6.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("count"), Bytes.toBytes(1));
        ArrayList<Put> puts = new ArrayList<Put>();
        puts.add(put1);
        puts.add(put2);
        puts.add(put3);
        puts.add(put4);
        puts.add(put5);
        puts.add(put6);
        table.put(puts);
    }

    @Test
    public void testGetOrderTotal() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t_result"));
        Result result = table.get(new Get(Bytes.toBytes("1")));
        double total = Bytes.toDouble(result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("total")));
        System.out.println("1号用户在2018年的年度消费账单为："+total);
    }

    //查所有的总消费
    @Test
    public void testSelectAll() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t_result"));

        Scan scan = new Scan();
        ResultScanner results = table.getScanner(scan);
        results.forEach(s-> {
            byte[] value = s.getValue("cf1".getBytes(), "total".getBytes());
            System.out.println(Bytes.toDouble(value));
        });
    }
}

远程计算

开发完成HBase On MapReduce应用运行在远程的YARN集群中运行

查看集群运行状态

[root@hadoop ~]# jps
3424 QuorumPeerMain
51473 ResourceManager#YARN
16226 SecondaryNameNode
42563 Main
15988 NameNode
17428 HRegionServer#HBase
17290 HMaster#HBase
51852 Jps
51774 NodeManager#YARN
16079 DataNode

运行jar包

[root@hadoop ~]# hadoop jar hbase_day2.jar com.baizhi.hbmr.HBApplication   

将应用打成JAR包

运行时依赖

应用在YARN集群中运行时需要依赖HBase第三方的JAR包

解决方案

• 将HBase应用依赖的jar包拷贝到share/hadoop/yarn/lib

• 配置HADOOP_CLASSPATH环境变量

  [root@hadoop ~]# vi .bashrc
  # 在配置文件的末尾添加如下的第三方依赖的路径
  export HADOOP_CLASSPATH=/usr/hbase-1.2.4/lib/*
  [root@hadoop ~]# source .bashrc
  

四、HBase完全分布式集群

准备工作

• 启动之前搭建的Hadoop完全分布式集群

• ZooKeeper集群服务运行正常

  确认zookeper服务是否正常：方法一
  [root@nodex ~]# jps
  1777 QuorumPeerMain
  1811 Jps
  

• HDFS集群服务运行正常

  确认HDFS集群是否正常
  http://node1IP:50070
  http://node2IP:50070
  

环境搭建

• 时钟同步

  注意: HBase集群节点和节点之间的时间误差最大允许为30s，如果大于30s需要对集群内的节点进行时间同步

  [root@nodex ~]# date
  2019年 08月 20日 星期二 17:13:53 CST
  [root@nodex ~]# date -s '2019-08-22 15:49:00'
  2019年 08月 22日 星期四 15:49:00 CST
  [root@nodex ~]# date
  2019年 08月 22日 星期四 15:49:03 CST
  [root@nodex ~]# clock -w
  

• 上传HBase安装包

  [root@node1 ~]# scp hbase-1.2.4-bin.tar.gz root@node2:~
  hbase-1.2.4-bin.tar.gz                                                                    100%   74MB 100.8MB/s   00:00
  [root@node1 ~]# scp hbase-1.2.4-bin.tar.gz root@node3:~
  hbase-1.2.4-bin.tar.gz 
  

• 解压缩安装HBase

  [root@nodex ~]# tar -zxf hbase-1.2.4-bin.tar.gz -C /usr
  

• 修改配置文件hbase-site.xml

  [root@nodex ~]# vi /usr/hbase-1.2.4/conf/hbase-site.xml
  <property>
      <name>hbase.rootdir</name>
      <value>hdfs://mycluster/hbase</value>
  </property>
  <property>
      <name>hbase.cluster.distributed</name>
      <value>true</value>
  </property>
  <property>
      <name>hbase.zookeeper.quorum</name>
      <value>node1,node2,node3</value>
  </property>
  <property>
      <name>hbase.zookeeper.property.clientPort</name>
      <value>2181</value>
  </property>
  

• 修改配置文件regionservers

  [root@nodex ~]# vi /usr/hbase-1.2.4/conf/regionservers
  node1
  node2
  node3
  

• 修改用户环境变量文件.bashrc

  [root@nodex ~]# vi .bashrc
  HBASE_MANAGES_ZK=false
  HBASE_HOME=/usr/hbase-1.2.4
  HADOOP_HOME=/usr/hadoop-2.6.0
  JAVA_HOME=/usr/java/latest
  CLASSPATH=.
  PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HBASE_HOME/bin
  export JAVA_HOME
  export CLASSPATH
  export PATH
  export HADOOP_HOME
  export HBASE_HOME
  export HBASE_MANAGES_ZK
  [root@nodex ~]# source .bashrc
  

启动服务

• 启动HMaster

  [root@nodex ~]# hbase-daemon.sh start master
  

• 启动HRegionServer

  [root@nodex ~]# hbase-daemon.sh start regionserver
  

验证结果

五、HBase架构详解

自动分配主和备

• HRegion
  HBase使用RowKey将表水平切割成多个HRegion，从HMaster的角度，每个HRegion都纪录了它的StartKey和EndKey（第一个HRegion的StartKey为空，最后一个HRegion的EndKey为空），由于RowKey是排序的，因而Client可以通过HMaster快速的定位每个RowKey在哪个HRegion中。HRegion由HMaster分配到相应的HRegionServer中，然后由HRegionServer负责HRegion的启动和管理，和Client的通信，负责数据的读(使用HDFS)。

• HMaster
  HMaster没有单点故障问题，可以启动多个HMaster，通过ZooKeeper的Master Election机制保证同时只有一个HMaster处于Active状态，其他的HMaster则处于热备份状态。一般情况下会启动两个HMaster，非Active的HMaster会定期的和Active HMaster通信以获取其最新状态，从而保证它是实时更新的，因而如果启动了多个HMaster反而增加了Active HMaster的负担。要有两方面的职责：

  • 管理协调HRegionServer

    • 管理HRegion的分配，以及负载均衡和修复时HRegion的重新分配。

    • 监控集群中所有HRegionServer的状态(通过Heartbeat和监听ZooKeeper中的状态)。

  • Admin职能

    • 创建、删除、修改Table的定义。

• ZooKeeper
  ZooKeeper为HBase集群提供协调服务，它管理着HMaster和HRegionServer的状态(available/alive等)，并且会在它们宕机时通知给HMaster，从而HMaster可以实现HMaster之间的failover（故障转移），或对宕机的HRegionServer中的HRegion集合的修复(将它们分配给其他的HRegionServer)。ZooKeeper集群本身使用一致性协议(PAXOS协议)保证每个节点状态的一致性。

HBase采用Master/Slave架构搭建集群，它隶属于Hadoop生态系统，由以下类型节点组成： HMaster 节点、HRegionServer 节点、 ZooKeeper 集群，而在底层，它将数据存储于HDFS中，因而涉及到HDFS的NameNode、DataNode等，总体结构如下：

HMaster节点用于：

• 管理HRegionServer，实现其负载均衡。
• 管理和分配HRegion，比如在HRegion Split时分配新的HRegion；
• 在HRegionServer退出时迁移其内的HRegion到其他HRegionServer上。
• 实现DDL操作（Data Definition Language，namespace和table的增删改，column familiy的增删改等）。
• 管理namespace和table的元数据（实际存储在HDFS上）。
• 权限控制（ACL）。

HRegionServer节点用于：

• 存放和管理本地HRegion。
• 读写HDFS，管理Table中的数据。
• Client直接通过HRegionServer读写数据（从HMaster中获取元数据，找到RowKey所在的HRegion/HRegionServer后）。
• 实现数据的本地性（一个节点有HRegionServer，一个DataNode）

ZooKeeper集群用于：

• 存放整个 HBase集群的元数据以及集群的状态信息。

• 实现HMaster主从节点的failover（故障转移）

HBase集群中有主服务HMaster（管理HRegionServer）承担HRegionServer的负载均衡

HRegion：起始只有一个，有一个起始的key，一个结束的key，对大表水平切割后的产物
		有多个HStore（按照列簇垂直切割后的产物，几个列簇就有几个HStore）；一个HStore内部有一个MemStore（内存存储） ，MemStore达到阈值溢写到StoreFile   ；多个小的 StoreFile 文件定期会被合并（conpact）产生大的StoreFile文件 （大到一定程度，HRegion会裂变，保证BigTable的横向扩展）   ；   StoreFile达到某些要求之后会调用DFS Client（类库），持久化到HDFS的DateNode    的数据块，   StoreFile 在HDFS中叫HFile                                                  

HRegionServer：管理HRegion，里面有很多HRegion，一个HLog（写日志，也称为Write Ahead Log）

客户端发起写操作，先保存到HLog，再保存到MemStore，客户端请求立即返回

从DFSClient     到HDFS中获得Hlog文件

六、rowKey设计

列簇设计一个字符或两个字符，很多公司就一个字符

写：put ‘ns:table’,‘rk’,cf:column’,‘value’

rowKey设计避免数据热点问题（HRegion的负载均衡问题（忙的忙死，闲的闲死））
数据热点问题：用户的读写操作在同一个HRegion里，造成HRegionServer压力过大，导致HRegionServer服务不可用
rowKey特点：
1、唯一，类似primaryKey
2、有序，按照rowKey的字典顺序自动排序
	null-->bb(ba)
	bb	-->cc(bc)
	cc	-->null
3、分解后的HRegion（rowKey的范围区间）

官方rowKey最大允许64kb，建议rowKey的大小控制在10M即100个字节以内，企业是20到30个字节

数据热点问题的解决方案：(为了让rowKey放入不同的region里)
1、唯一值+时间戳（多）+订单编号
	订单表：user001:20180101141210101
2、哈希散列
	原始rowKey：123456-->MD5加密产生32位的16进制的字符串，很随机
			   123457
	问题：破坏rowKey的有序性
3、翻转reverse（多）
	原始rowKey翻转，将翻转的结果作为新的rowKey
		user10120180101-->10108102101resu
		user10120180110
	StringBuilder s= new StringBuilder("user10120180101").reverse();
4、预分区
	根据系统自己业务的特点，提前创建HRegion
		假如一个HBase由HRegion构成
		第一个：null-->bb
		第二个：bb  -->cc
		第三个：cc  -->null
    Shell操作：
    	# hbase shell
    	# create
    	创建表时指定HRegion的rowKey分区
    	#5个分区
    	
    	# 创建表时指定HRegio的RowKey区间
    hbase> create 't1', 'f1', SPLITS => ['10', '20', '30', '40']
    hbase> create 't1', 'f1', SPLITS_FILE => 'splits.txt'

    # 创建预分区的HBase表
    hbase(main):002:0> create 't_split','cf1',SPLITS_FILE=>'/root/splits.txt'

    => Hbase::Table - t_split

裂变公式：min[regionNum^2*128M,maxFileSize(10GB)]
8^2*128=8192M
9^2*128=10368M
10GB=10240M
裂变比较耗资源

memstore溢写条件：
hbase-default.xml
flush
hbase.regionserver.global.memstore.size
<description>
一个HRegionServer就是一个java进程管理0-n个HRegion
1、默认HRegionServer所有的memstore达到堆内存的40%，进行溢写
2、默认一小时溢写一次
property
memstore.flsh.size 134217728bt=128M
3、当前的HRegionServer上所有的memstore数据之和达到128M，进行溢写

compact合并条件（小的溢写文件合并为大的StoreFile文件）：
hbase.hregion.majorcomaction
1、默认604800000ms=7days
hbase.hregion.majorcomactionThreshold阈值（Thanslation翻译插件）3
2、StoreFile文件数量大于3，会自动合并为一个StoreFile

1、唯一值+时间戳（多）+订单编号
订单表：user001:20180101141210101
2、哈希散列
原始rowKey：123456–>MD5加密产生32位的16进制的字符串，很随机
123457
问题：破坏rowKey的有序性
3、翻转reverse（多）
原始rowKey翻转，将翻转的结果作为新的rowKey
user10120180101–>10108102101resu
user10120180110
StringBuilder s= new StringBuilder(“user10120180101”).reverse();
4、预分区
根据系统自己业务的特点，提前创建HRegion
假如一个HBase由HRegion构成
第一个：null–>bb
第二个：bb -->cc
第三个：cc -->null
Shell操作：
# hbase shell
# create
创建表时指定HRegion的rowKey分区
#5个分区

	# 创建表时指定HRegio的RowKey区间
hbase> create 't1', 'f1', SPLITS => ['10', '20', '30', '40']
hbase> create 't1', 'f1', SPLITS_FILE => 'splits.txt'

# 创建预分区的HBase表
hbase(main):002:0> create 't_split','cf1',SPLITS_FILE=>'/root/splits.txt'

=> Hbase::Table - t_split

```java
裂变公式：min[regionNum^2*128M,maxFileSize(10GB)]
8^2*128=8192M
9^2*128=10368M
10GB=10240M
裂变比较耗资源

memstore溢写条件：
hbase-default.xml
flush
hbase.regionserver.global.memstore.size
<description>
一个HRegionServer就是一个java进程管理0-n个HRegion
1、默认HRegionServer所有的memstore达到堆内存的40%，进行溢写
2、默认一小时溢写一次
property
memstore.flsh.size 134217728bt=128M
3、当前的HRegionServer上所有的memstore数据之和达到128M，进行溢写

compact合并条件（小的溢写文件合并为大的StoreFile文件）：
hbase.hregion.majorcomaction
1、默认604800000ms=7days
hbase.hregion.majorcomactionThreshold阈值（Thanslation翻译插件）3
2、StoreFile文件数量大于3，会自动合并为一个StoreFile