HBase学习笔记 (三)

三、HBase高级使用

1．HBase Shell创建表（多个列簇和设置属性）

创建命名空间：

例如：

Createa table with namespace=ns1 and table qualifier=t1

  hbase> create 'ns1:t1', {NAME => 'f1',VERSIONS => 5}

 

Createa table with namespace=default and table qualifier=t1

  hbase> create 't1', {NAME => 'f1'},{NAME => 'f2'}, {NAME => 'f3'}

  hbase> # The above in shorthand would bethe following:

  hbase> create 't1', 'f1', 'f2', 'f3'

  hbase> create 't1', {NAME => 'f1',VERSIONS => 1, TTL => 2592000, BLOCKCACHE => true}

  hbase> create 't1', {NAME => 'f1',CONFIGURATION => {'hbase.hstore.blockingStoreFiles' => '10'}}

  hbase> create 't1', {NAME => 'f1',IS_MOB => true, MOB_THRESHOLD => 1000000, MOB_COMPACT_PARTITION_POLICY=> 'weekly'}

要设置属性可参考如下格式：

 

2．HBase表创建时的预分区及创建方式一

案例：

假设rowkey为年月日时分秒毫秒。

方式一：

hbase(main):015:0> create 'bflogs','info',SPLITS =>['20180201000000000','20180211000000000','20180221000000000']

 

方式二（最常用）：

hbase(main):016:0> create'bflogs2','info',SPLITS_FILE => '/opt/datas/bflogs-split.txt'

 

方式三：

使用自定义的类进行分割，这里我们用官方提供的

create 't11', 'f11', {NUMREGIONS =>5, SPLITALGO => 'HexStringSplit'} 采用十六进制

 

create 't22', 'f22', {NUMREGIONS =>5, SPLITALGO => ' UniformSplit'}

当创建表无反应时：

可能是分的Region太多了，修改Region数量。

查看日志，因为创建表归master管，所以查看hbase-root-master-hadoop-senior.log。

 

.tmp目录的作用：

 

3．依据【话单】查询需求分析HBase的表设计

每天的通话记录上亿条，保存在hbase中。

4.  设计【话单】数据存储表的rowkey设计

rowkey：本人电话+日期。日期在rowkey上，需要的话，可分割rowkey取出时间。图中假设查询2015年4月10日到4月12日的通话记录。

 

 

5.  设计【话单】数据存储索引表的设计及数据同步解决方案

hbase不像关系型数据库自动建立索引，所以需要自己建立索引表。

 

关系型数据库主表和索引表数据自动同步。

 

6.  HBase 表属性压缩配置讲解

VERSIONS：表示列的版本数，超过版本数的老版本在合并时将被忽略，即被删除。

MIN_VERSIONS为0：表示可以一个列也没有。

案例：

VERSIONS可用作是否检测套牌，即在很短的时间内，有多个相同的车牌的信息。

执行了以上操作，在进入hbase shell时不能加载native的警告就会消失。

1. 

只在创建表的时候设置压缩格式还不行，必须在hbase-site中设置hbase.regionserver.codecs（这个一开始就要设置）告诉RegionServer压缩格式。

 

7.  HBase  BlockCache配置

除了meta表，一般的表IN_MEMORY通常为false

作用域可在代码中覆盖掉：

RegionServer内存的使用：

Memstore和BlockCache：

将meta元数据保存到IN_MEMORY可加快查询速度。

 

查看meta表：

 

8.  HBase 表的Compaction深入剖析讲解

hbase表中会被删除的三类数据：

① 被打上删除标记的数据

② 超过版本号限制的数据

③ 生存周期结束的数据

9.  HBase 集群及表的管理讲解

 

使用Web UI管理表：

为什么store的数量大于storeFile？

因为我们创建了很多空表，并且有的表的数据还在memStore中没有写到storeFile中。

设置日志的级别：

ps -ef |grep java

使用hbase shell管理表：

查看region可scan 'hbase:meta' 或者查看web ui。

 

使用hbase shell管理hbase数据：

为什么在删除表的时候要禁用（disable）表？

因为表被region和regionserver管理，要告诉它们。

使用hbase shell管理集群：

可见使用hbase shell管理hbase表。

 

在hbase shell使用JAVA方法：

例如： 

Row counter：

管理预写日志WAL：

 

管理hfile：

检查整个集群的状态：

bin/hbase hbck

hbase表的修复：

(最常用的是-fix和-fixMeta)

10.  HBase 与Hive集成使用讲解

 

本质：

Hive是HBase的客户端，需要HBase的一些配置和jar包。

handler：数据的处理。

查看文档：

https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration

①  复制hbase的jar包到hive的lib

需要的jar包：

hive-hbase-handler-1.1.0-cdh5.13.0.jar（hive lib已存在）

hbase-client-1.2.0-cdh5.13.0.jar

hbase-server-1.2.0-cdh5.13.0.jar

hbase-protocol-1.2.0-cdh5.13.0.jar

hbase-common-1.2.0-cdh5.13.0.jar

hbase-it-1.2.0-cdh5.13.0.jar

htrace-core-3.2.0-incubating.jar

zookeeper-3.4.5-cdh5.13.0.jar（hive lib已存在）

(建立软链接时查看jar包是否已存在ls lib |grep xxx，而且建立软连接一定要是全路径。否则在查看时，链接就会变成红色，代表链接错误如下图：

）

ln -s /opt/cdh5.13.0/hbase-1.2.0-cdh5.13.0/lib/hbase-client-1.2.0-cdh5.13.0.jar /opt/cdh5.13.0/hive-1.1.0-cdh5.13.0/lib/hbase-client-1.2.0-cdh5.13.0.jar   ln -s /opt/cdh5.13.0/hbase-1.2.0-cdh5.13.0/lib/hbase-server-1.2.0-cdh5.13.0.jar /opt/cdh5.13.0/hive-1.1.0-cdh5.13.0/lib/hbase-server-1.2.0-cdh5.13.0.jar   ln -s /opt/cdh5.13.0/hbase-1.2.0-cdh5.13.0/lib/hbase-it-1.2.0-cdh5.13.0.jar /opt/cdh5.13.0/hive-1.1.0-cdh5.13.0/lib/hbase-it-1.2.0-cdh5.13.0.jar

 

②  在hive-site.xml中添加hbase client zookeeper

<property>          <name>hbase.zookeeper.quorum</name>          <value>hadoop-senior</value>   </property>

(这里是伪分布式)

在hive Cli查看：

③  如果开启了远程metastore，要开启metastore服务

hive --service metastore

否则会报以下异常：

执行sql报错：

④  创建一个hive表，指定数据存储在hbase

CREATE TABLE hbase_table_1(key int, value string) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val") TBLPROPERTIES ("hbase.table.name" = "xyz", "hbase.mapred.output.outputtable" = "xyz");

":key,cf1:val"：":key, 列簇:列名"。

通过shell查看表是否存在：

hive shell:

 

hbase shell:

通过hdfs查看文件是否存在：

可能出现的异常：

将以下两个jar包cp到hive 的lib下

netty-all-4.1.6.Final.jar

metrics-core-2.2.0.jar

⑤  插入数据

报了该错误说明少了jar包。

解决：将hbase lib目录下的hbase-hadoop-compat-1.2.0-cdh5.13.0.jar放到hive的lib下（最好建立软链接ln -s）

⑥  查看

查看hive表数据：

查看hbase表数据：

hdfs：

(没有文件是因为数据都存在hbase表了)

(没有文件是因为数据还在memStore中)

flush数据到storefile：

⑦  删除表

删除hive表时，hbase表也被删除了。因为该表是管理表。也就是说要看hive管理表和外部表的本质。

创建hive外部表，数据在HBase表中：

(命令下方又输出了一遍sql是因为我们在开启hive服务的时候加了-v参数)

CREATE EXTERNAL TABLE hbase_basic(id int, name string, age int) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:name,info:age") TBLPROPERTIES ("hbase.table.name" = "basic");

 

删除hive外部表，外部表的数据不会被删除：

 

Hive和HBase集成的应用场景：

(一号店就是这么做的)

11.  使用Sqoop导入数据到HBase表中

sqoop只有map任务没有reduce任务。

mysql数据迁移到hbase：

sqoop import \ --connect jdbc:mysql://hadoop-senior:3306/test \ --username "root" \ --password "123456" \ --table "my_user" \ --columns "id,acount,password" \ --column-family "info" \ --hbase-table "hivetohbase" \ --hbase-create-table // 当hbase表不存在时，创建表 --hbase-row-key "id" -m 1

 

12.  HBase 如何与Hue集成使用

 

什么是Thrift？

Thrift是apache的一个顶级项目。比如我用java编写的hbase框架，我现在只会python，可以通过Thrift去读写hbase的数据。Thrift起到桥梁的作用。hue对hbase来说是个客户端，但是hue走的不是API而是Thrift Server去读取表中的数据。查看hue源码可知，hue后台使用的是python。很多公司都用python和hbase进行交互。

 

①  启动Thrift服务

不启动Thrift会报如下异常：

②  修改hue.ini

 

③  启动hue，并查看HBase

build/env/bin/supervisor

13.  企业实战之HBase 集群安装部署

修改hbase配置文件，并把hadoop的配置文件软链接到hbase下：

 

 

14.  企业实战之【电商订单】存储分析

 

订单显示页：

订单和子订单：用户买的多个商品属于一个订单，这些商品有的是京东自营的有的是京东合作的商家的，这些作为子订单。

订单详情页：

 

RDBMS和HBase结合使用：

当订单完成时，就把数据从rdbms迁移到hbase。

其他还用到一些内存的数据库比如：Redis、MongoDB等，便于多次查询，例如双十一发货慢，用户经常查询自己的订单。

Cache一般缓存：比较畅销、发货速度较慢的用户经常查的。

订单编码为了方便查询。

订单显示页的rowkey为什么要加上orderId字段？

方便二次查询。

 

创建索引表：

该图中根据查询设计的表都是索引表。例如根据商品编号查询的rowkey设计：商品编号+用户id+订单号/订单创建时间。这样才能保证唯一，因为一个用户可能多次购买同一个商品。