大数据——Hbase和Hive集成以及性能优化

Hive与HBase集成使用场景

将HBase作为Hive数据源

• 让HBase支持类SQL操作

将Hive ETL数据存入HBase

• 便于快速查询

构建低延迟时的数据仓库

• 利用HBase快速读写能力
• 实现数据实时查询
  

Hive与HBase集成原理

通过两者本身对外的API接口互相通信完成

• 由Hive的lib目录中hive-hbase-*.jar工具类完成

HBaseStorageHandler

• 实现Hive与HBase集成的类
• 对HiveStorageHandler接口的实现

Hive与HBase集成

-- 在hive中创建外部表
create external table customer(
name string, order_numb string,order_date string,addr_city string,addr_state string)
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
with serdeproperties ("hbase.columns.mapping"=":key,order:numb,order:date,addr:city,addr:state")
tblproperties("hbase.table.name" = "customer");
-- Hive中只支持select和insert，不支持HBase中的版本控制
select * from customer;
select count(*) from customer where order_numb is not null;
insert into table customer values ('James','1121','2018-05-31','toronto','ON');
-- 在HBase shell中查询插入结果
scan 'customer'

示例

• 启动master

[root@hadoop100 ~]# hbase-daemon.sh start master  

• 启动hive

[root@hadoop100 ~]# hive

• 插入表customer

create external table customer(
cust_id string,
addr_address string,
addr_country string,
addr_state string,
name_col1 string)
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
with serdeproperties
('hbase.columns.mapping'=':key,addr:address,addr:country,addr:state,name:col1')
tblproperties('hbase.table.name'='customer');

• 使用hive 查看数据

select * from customer;

• 启动hbase

[root@hadoop100 ~]# hbase shell

• 使用hbase查看数据

scan 'customer'

• 插入表emp_basic

create external table emp_basic(
emp_id string,
emp_name string,
company string,
job_title string,
start_date string,
end_date string)
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
with serdeproperties
('hbase.columns.mapping'='
:key,emp:name,emp:company,emp:job_title,time:sDate,time:eDate')
tblproperties('hbase.table.name'='emp_basic');

• 使用hbase查看数据

get 'emp_basic','1'

名称空间（NameSpace）

NameSpace：一种易于表管理的机制

• 可以创建、删除或更改NameSpace

#创建namespace 
create_namespace 'my_ns’ 
#create my_table in my_ns namespace 
create 'my_ns:my_table', 'fam' 
#删除namespace 
drop_namespace 'my_ns’ 
#更改namespace 
alter_namespace 'my_ns', {METHOD => 'set', 'PROPERTY_NAME' => 'PROPERTY_VALUE'} 

安全权限（Security with GRANT）

使用grant命令进行授权管理

• 如读、写、执行和管理等

• grant命令语法

   grant <user> <permissions> <table> [<column family> [<column; qualifier>]] 
  

我们可以为用户赋予RWXCA权限中的一个或多个

R -  read privilege	读权限
W - write privilege	写权限
C - create privilege	创建权限	
A - admin privilege	管理权限
X - execute		执行权限
示例：grant 'will', 'RWCA', 'my_hbase_table'

安全权限（revoke&user_permission）

使用revoke命令删除所有权限

语法：revoke <user> <table> [<column family> [<column; qualifier>]]
示例：revoke 'will', 'my_hbase_table'  

使用user_permission查看用户对表所拥有的权限

语法：user_permission 'tablename'
示例：user_permission 'my_hbase_table'

Region Split

当一个Region变大，会被split成两个Region

• HBase通过Split达到负载均衡

Region Split策略

• 自动Split（最常用）

   ConstantSizeRegionSplitPolicy
   当storefile达到hbase.hregion.max.filesize值时，自动Split
  

• 手动Split（或按代码预分隔）

• 插入Split策略

可以自定义Split策略

HBase Compaction-LSM

Log-Structured Merge（LSM）

• 区别于传统数据库的更新现有数据
• 使用类似日志结构合并（LSM）的方式
• 只需要将值写到Log 的末尾然后进行排序
• 优点：插入和更新数据非常快
• 缺点：占用更多空间

	传统数据库	LSM系统
特点	直接更新现有数据随机读写	将值写到Log末尾并合并通过顺序读写提高性能
示例	Hello my name is Bruce(Heather)	Hello my name is Bruce Hello my name is Heather

HBase Compaction-实现

Compaction分为Minor和Major两种

• Minor Compaction

   将文件合并成更少的大型文件
  

• Major Compaction

   将一个HStore中的所有文件合并成一个文件
  

每次触发compact检查时，系统自动决定执行哪一种

• 有三种情况会触发compact检查

   MemStore被刷写到磁盘
   执行shell命令compact、major_compact或被调用相应API
   HBase后台线程周期性触发检查
  

HBase Compaction-Control

Compaction总结

• 重写log文件并清除旧值
• 节约空间，提高读写速度
• 会占用大量系统空间和I/O，一般在系统空闲时进行

Flush->Minor Compaction->Major Compaction

• Flush：将memstore写到一个新的存储文件中
• Minor一般由事件触发，Major一般由时间触发

相关控制

• Flush：hbase.hregion.memstore.flush.size文件大小
• Minor：hbase.hstore.compaction.min/max文件数
• Major：hbase.hregion.majorcompaction时间间隔