BigBrother的大数据之旅Day 12 Hbase(1)

HBASE (Hadoop Database)是个高可用,高性能, 面向列可伸缩、实时读写的分布式数据库

Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务

1 hbse的表结构

Row Key	Time Stamp	CF1	CF2	CF3
11248112	t6		CF2:q1=val1	CF3:q3=val3
t3
t2	CF1:q2=val2

l RowKey

是Byte array，是表中每条记录的“主键”，Rowkey的设计非常重要；

l Timestamp

版本号，类型为Long，默认值是系统时间戳，可由用户自定义

l ColumnFamily

列族，拥有一个名称(string)，包含一个或者多个相关列

l Column

属于某一个列族，格式为:familyName:columnName，每条记录可动态添加

l Value(Cell)

单元格由行键、列族、列、 时间戳唯一决定(默认保存3个时间戳记录)

单元格的数据是没有类型的，全部以字节码形式存储

2 hbase的架构及其组件和作用

(1) client 是用户端的接口,保存cache

(2) zookeeper分布式调度框架, 集群搭建使用了zookeeper的配置元数据功能(存储HBase的schema和table元数据),是一个进程通知其他进程需要做什么的一种常用方式.ZooKeeper使用共享存储模型来实现应用间的协作和同步原语。

zookeeper 存贮所有Region的寻址入口。

(3) Hmaster

a 为 regionServer分配region,

b 负责regionserver的负载均衡,

c 发现失效端regionserver后,重新分配其上的region

d 管理用户对table端增删改查

(4)region server

多个regionserver合为一个regionserver集群(Cluster)

a 维护region处理region端IO请求

b 负责切分在运行过程中变得过大的region

(5) region

hbase的表分为多个region(横着把表切开)

ps : 数据是连续的

region裂变: region不断增大,当增大到一个阈值端时候就会分割为两个region

(6) store 分为memstore(1个)和storefile(0-n个)

a 一个store对应一个列族(竖着切行)

b 首先向memstore中存储数据，当数据到达一定阈值时，flash cache把数据写到storefile中（每次都是一个单独的文件）

c n个storefile合并为一个文件，分为大合并和小合并，大合并期间会删除多余的数据，平常只会在数据上添加墓碑标记，进行逻辑删除

总之 region server cluster >> region server >> region>> store

3 详述hbase的读写流程

写流程:

(1) client 通过zookeeper的调度向regionserver发送请求

(2) 数据首先写入hlog和memstore(key排序)

(3)当memstroe中数据到达一定阈值时,flush(单独的一个线程)到storefile(只读文件)

(4)多个storefile文件合并为大的storefile文件

(5)单个StoreFile大小超过一定阈值后，触发Split操作，把当前Region Split成2个新的Region。父Region会下线，新Split出的2个子Region会被HMaster分配到相应的RegionServer上，使得原先1个Region的压力得以分流到2个Region上。

读操作

client–>Zookeeper–>-ROOT-表(好像0.96版本后就取消了)–>.META.表(内存表,存放在regionserver上)–>RegionServer–>Region–>client

(1) client访问zk,查找root表,得到.meta表的信息(region元数据)

(2) 从.meta表中找到目标region信息,找到对应端regionserver

(3) 获取数据 优先级为 blockcache > memstore> storefile

如果blockcache中没有查询到的结果,会把最后读取的结果存放到cache中(前提是读到了数据)

4 hbase集群搭建步骤

(1)copy hbase-0.98.12.1-hadoop2-bin.tar.gz到HBASE主节点

(2)解压文件到 /usr/local/hbase(记得创建hbase目录)

tar zxvf hbase-0.98.12.1-hadoop2-bin.tar.gz -C /usr/local/hbase

(3) 配置环境变量

/usr/local/hbase/hbase-0.98.12.1-hadoop2/conf下

​ a: hbase-env.sh中设置HBASE_MANAGES_ZK为false – 不使用hbase自带的zookeeper,使用自己的zookeeper集群

​ b: 配置java_home

export JAVA_HOME=/usr/java/jdk1.7.0_80

export HBASE_MANAGES_ZK=false

(4) 配置hbse-site.xml文件

/usr/local/hbase/hbase-0.98.12.1-hadoop2/conf

<configuration>
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://mycluster/hbase</value>
  </property>
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>node2,node3,node4</value>
  </property>
  <property>
    <name>hbase.zookeeper.property.dataDir</name>
    <value>/var/bjsxt/hbase/zookeeper</value>
  </property>
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
</configuration>

(5) 配置backup节点

在/usr/local/hbase/hbase-0.98.12.1-hadoop2/conf下

创建backup-master文件,并写入

node2 – node2 为backup节点,将来会在机器上开启从master进程

(6) 配置regionserver节点

在/usr/local/hbase/hbase-0.98.12.1-hadoop2/conf下

vim regionservers 写入

node2
node3
node4

(7) copy hdfs-site.xml文件到hbase的conf下

(8) scp hbse到每个节点(node2,node3,node4)

(9) 在每个node的profile文件中加入hbase的位置环境变量

export HBASE_HOME=/usr/local/hbase/hbase-0.98.12.1-hadoop2
export PATH=$PATH:$HBASE_HOME/bin

记得要source一下这个文件哦

(10) 在bin下面有开启和关闭的脚本

(11) 通过浏览器测试访问[外链图片转存失败

(12) 命令行访问

5 列出hbase的基本操作

名称	Shell命令
创建表	create ‘表名’, ‘列族名1’[,…]
查看所有表	list
添加记录	put ‘表名’, ‘RowKey’, ‘列族名称:列名’, ‘值’
查看记录	get ‘表名’, ‘RowKey’, ‘列族名称:列名’
查看表中的记录总数	count ‘表名’
删除记录	delete ‘表名’ , ‘RowKey’, ‘列族名称:列名’
删除一张表	先要屏蔽该表，才能对该表进行删除。 第一步 disable ‘表名称’ 第二步 drop ‘表名称’
查看所有记录	scan '表名" ’ --慎用如果表数据多的话

6 列出hbase的java api基本操作

//conf为配置文件,添加了zookeeper的地址
//创建一个数据库级的对象
admin = new HBaseAdmin(conf)
//创建表级的对象,tm为表的名称
table = new HTable(conf,tm.getBytes())

    //表级操作
//判断tm表是否存在
admin.tableExists(tm)
//把tm表置为无效
admin.disableTable(tm)
//删除表,首先需要把表置为无效
admin.deleteTable(tm)
//创建表
admin.createTable(tm)
	
    //行级操作
//写操作
//1 创建行级操作的对象put,并指定rowkey
Put put = new Put("001rowkey".getBytes());
//2 要插入的每一列的值
//cf列族名,name为列名,zs是值
put.add("cf".getBytes(),"name".getBytes()),"zs".getBytes());
//3 写入表
table.put(put);

//读操作 get和scan
// ----get----
//1 创建读取行对象get,并指定rowkey
Get get = new Get("001rowkey".getBytes());
//2 指定需要查询的列族和列
// 添加要获取的列和列族，减少网络的io，相当于在服务器端做了过滤
get.addColumn("cf".getBytes(),"name".getBytes());
//3 查询的返回值
Result result = table.get(get);
//4 获取查询的单元结果
Cell cel1 = result.getColumnLatestCell("cf".getBytes(),name.getBytes());
//5 输出结果
System.out.print(Bytes.toString(CellUtil.cloneValue(cel1)))
    
//------scan-------- 
//1 创建对象,并指定rowkey
Scan scan = new Scan();
//从rowkey1111扫描到rowkey1112不包含1113
scan.setStarRow("1111".getBytes());
scan.setStopRow("1113".getBytes());
//2 设置查询的列族和列 
scan.addColumn("cf".getBytes(),"name".getBytes());
//3 用结果接收一下
ResultScanner rss = table.getScanner(scan);
//4 遍历结果集
for (Result result : rss) {
	List<Cell> cellsName = result.getColumnCells("cf".getBytes(), "name".getBytes());
			for (Cell cell : cellsName) {
                //5 输出结果
				System.out.print("\t\t" + Bytes.toString(CellUtil.cloneValue(cell)));
			}
			System.out.println();
//其他api
scan相关
addFamily指定要扫描列族中的所有列
setTimeRange指定要获取的列的timestamp范围
setTimestamp指定要获取列值的timestamp
setMaxVersions指定要获取的列值的版本数
setBatch限制next()方法返回的值的最大数量
setFilter指定过滤器
setCacheBlocks(boolean)显式指定禁用本次扫描服务端的block缓存   
    
使用完毕后不要忘了,关闭admin哦 admin.close();

参考

版权声明：本文参考图片为CSDN博主「山上的神仙」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u011833033/article/details/79773421