大数据系列——Hbase学习笔记

最新推荐文章于 2022-06-17 14:15:07 发布

EVAO

最新推荐文章于 2022-06-17 14:15:07 发布

阅读量285

点赞数

分类专栏：大数据

本文链接：https://blog.csdn.net/qq_31683033/article/details/100763316

版权

大数据专栏收录该内容

17 篇文章 0 订阅

订阅专栏

1. Hbase简介

Hadoop-Database根据’bigtable’论文实现的
分布式可扩展的大数据存储技术
随机访问实时读写海量数据
存储数 '十亿行百万列’的数据
高可靠性、高性能、面向列、可伸缩的分布式存储系统
hbase的底层存储基于hdfs
利用Zookeeper作为协调工具

2. Hbase是什么?

分布式开源数据库，基于hadoop分布式文件系统（HDFS）
模仿提供了Google文件系统的BigTable数据库所有功能
处理非常庞大的表
- 数十亿行百万列
- 利用mapreduce计算数据，利用zookeeper协调资源
HBase是一款NoSQL

3. 行存储和列存储

行存储:mysql oracle底层基于行存储数据的
- 查询数据需要全表扫描,效率较低
- 对数据压缩支持不太好
列存储:hbase底层基于列存储数据的
- 查询数据不需做全表扫描
- 支持较好的数据压缩

4. Hbase的特点

可以分布式存储海量的数据
具有容错能力强，数据高可靠的特点
HBase是一个列式NoSQL数据库
数据存储的结构是按照列进行存储

5. Hbase的安装部署

安装hbase高可用集群之前首先要保证zookeeper和hadoop已经安装完成

准备安装包

hbase-1.1.5-bin.tar.gz
集群的规划
- uplooking01: master
- uplooking02: master
- uplooking03: regionserver
- uplooking04: regionserver
- uplooking05: regionserver

解压安装包

[root@uplooking01: /soft]:
        tar -zxvf hbase-1.1.5-bin.tar.gz  -C /opt/

重命名

[root@uplooking01: /opt]:
		mv hbase-1.1.5/ hbase

配置环境变量

[root@uplooking01: /opt]:
    #配置HBASE的环境变量
    export HBASE_HOME=/opt/hbase
    export PATH=$PATH:$HBASE_HOME/bin

配置vim hbase-env.sh

[root@uplooking01: /opt/hbase/conf]:
	vim  hbase-env.sh

export JAVA_HOME=/opt/jdk
export HBASE_MANAGES_ZK=false   #不使用hbase自带的zookeeper
export HBASE_CLASSPATH=/opt/hadoop/etc/hadoop

配置hbase-site.xml

[root@uplooking01: /opt/hbase/conf]:
	vim  hbase-site.xml

<configuration>
    <property>
    <name>hbase.rootdir</name>
    <value>hdfs://ns1/hbase</value>
    </property>

    <property>
    <name>hbase.tmp.dir</name>
    <value>/opt/hbase/tmp</value>
    </property>

    <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
    </property>

    <property>
    <name>hbase.zookeeper.quorum</name>
    <value>uplooking03:2181,uplooking04:2181,uplooking05:2181</value>
    </property>
</configuration>

配置 regionservers

[root@uplooking01: /opt/hbase/conf]:
	vim  regionservers

uplooking03
uplooking04
uplooking05

分发文件

[root@uplooking01: /opt]:
	scp -r hbase uplooking02:/opt
	scp -r hbase uplooking03:/opt
	scp -r hbase uplooking04:/opt
	scp -r hbase uplooking05:/opt
	
	scp /etc/profile uplooking02:/etc/
	scp /etc/profile uplooking03:/etc/
	scp /etc/profile uplooking04:/etc/
	scp /etc/profile uplooking05:/etc/

source /etc/profile(所有节点都做,要使环境变量生效)

启动hbase集群
```
start-hbase.sh
```

单独启动master

[root@uplooking02:/]
	hbase-daemon.sh start master

注意事项

启动hbase集群一定要保证整个集群的时间一致
附加(一般不会有这种情况)

如果启动集群执行start-hbase.sh,master节点可以启动,但是regionserver节点不能启动,但是单独启动regionserver(hbase-daemon.sh start regionserver)是可以启动的,也没有问题,name就需要拷贝一个jar包,

将HADOOP_HOME/share/hadoop/common/lib下的htrace-core-3.0.4.jar 复制到$HBASE_HOME/lib下

6. Hbase的体系结构(模型)

6.1 逻辑结构(模型)

表（table）
- 划分数据集合的概念，和传统的db中的表的概念是一样的
行键（rowKey）
- 对应关系数据库中的主键，作用就是唯一标示一行记录
- 获取hbase中的一个记录(数据),要通过行键来获取
- 行键是字节数组, 任何字符串都可以作为行键
- 表中的行根据行键(row key)进行排序 ,数据按照Row key的字节序(byte order)排序存储
列簇(列族)columnFamily
- 简单的认为是一系列**“列”的集合**
列限定符（column Qualifier）
- 或者叫列
- 每个列簇都可以有多个列
时间戳（version）
- 在单元格中可以存放多个版本的数据
单元格（cell）
- 主要用来存储数据
- 单元格的定位要通过三级定位才能定位到具体的单元格
三级定位
- 行键+(列族:列)+时间戳

6.2 物理结构(模型)

Zookeeper
- 分布式协调
Master
- HMaster没有单点问题，HBase中可以启动多个HMaster
- 负责Table和Region的管理工作
- 管理用户对Table的增、删、改、查操作
- RegionServer的负载均衡
- 调整Region分布 ,在Region Split后，负责新Region的分配
- 在HRegionServer停机后，负责失效HRegionServer上的Regions迁移
RegionServer
- RegionServer主要负责响应用户I/O请求
- 向HDFS文件系统中读写数据，是HBase中最核心的模块
- HLog部分和多个Region部分
Hlog
- HLog保存着用户操作hbase的日志
- 实现了Write Ahead Log (WAL)预写日志
- Hlog会删除已存储到StoreFile中的数据
Region
- 区域
- 保存了row-key的固定区域范围的数据
- 一个Hregion对应一个Region
- 一个Hregion对应多个Hstore
Hstore
- 对应一个列簇(列族)
- 一个Hstore包含一个MemStore(内存储) 和多个StoreFile
MemStore
- 内存储
- 内存中的一块区域,一个Hstore对应一个MemStore
- 当MemStore中的内容存放不下了就会刷出到硬盘以一个个的StoreFile存储
StoreFile
- 其实就是数据的存储位置
- 对HFile的封装****
Hfile
- Hadoop File
- Hdfs的一个文件对象

7. Hbase读写数据的流程

zookeeper(寻找元数据信息)
- get /hbase/meta-region-server
找到提供元数据信息访问的regionserver
找"hbase:meta"表,再去查找要请求哪个regionser来读写数据

8. Hbase的Shell操作

列出所有的命名空间(相当于mysql中的show databases)
- list_namespace
列出指定命名空间下的所有表
- list_namespace_tables ‘ns1’
创建命名空间
- create_namespace ‘ns1’
创建表
- create ‘ns1:t1’,‘f1’
禁用表,因为删除表之前首先需要禁用了
- disable ‘ns1:t1’
启用表
- enable ‘ns1:t1’
删除表
- drop ‘ns1:t1’
添加数据
- put ‘ns1:t1’,‘row001’,‘f1:name’,‘xiaohua’
查询数据
- get ‘ns1:t1’,‘row001’,{COLUMN=>‘f1:name’}
删除数据
- delete ‘ns1:t1’,‘row001’,‘f1:name’
删除一行数据
- deleteall ‘ns1:t1’,‘row001’
统计表的行数
- count ‘ns1:t1’

9. Hbase中的版本数据

创建Hbase表时指定列族的显示版本数
- create ‘ns1:t1’,{NAME=>‘f1’,VERSIONS=>3}
修改Hbase表中的列族的显示版本数
- alter ‘ns1:t1’,{NAME=>‘f1’,VERSIONS=>5}
查询指定版本数的数据
- get ‘ns1:t1’,{COLUMN=>‘f1:name’,VERSIONS=>3}
版本号的作用

根据显示的版本数,查询出来想要版本的时间戳,根据时间戳找出具体值

10. Hbase中API的基本操作

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <hbase-version>1.1.5</hbase-version>
</properties>
<dependencies>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-client</artifactId>
        <version>${hbase-version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-server</artifactId>
        <version>${hbase-version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hive</groupId>
        <artifactId>hive-hbase-handler</artifactId>
        <version>2.1.0</version>
    </dependency>

    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>
</dependencies>

public class HbaseTest {
    //添加数据
    @Test
    public void testPut() throws IOException {
        Configuration conf = HBaseConfiguration.create();
        //指定zk的地址
        conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
        Connection conn = ConnectionFactory.createConnection(conf);
        Table table = conn.getTable(TableName.valueOf("ns1:t1"));
        Put put = new Put(Bytes.toBytes("row001"));
        put.addColumn(Bytes.toBytes("f1"), Bytes.toBytes("name"), Bytes.toBytes("admin02"));
        table.put(put);
    }


    //删除数据
    @Test
    public void testDelete() throws IOException {
        Configuration conf = HBaseConfiguration.create();
        //指定zk的地址
        conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
        Connection conn = ConnectionFactory.createConnection(conf);
        Table table = conn.getTable(TableName.valueOf("ns1:t1"));
        Delete delete = new Delete(Bytes.toBytes("row001"));
        table.delete(delete);
    }

    //查询数据
    @Test
    public void testGet() throws IOException {
        Configuration conf = HBaseConfiguration.create();
        //指定zk的地址
        conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
        Connection conn = ConnectionFactory.createConnection(conf);
        Table table = conn.getTable(TableName.valueOf("ns1:t1"));
        Get get = new Get(Bytes.toBytes("row001"));
        Result result = table.get(get);
        String s = Bytes.toString(result.getValue(Bytes.toBytes("f1"),Bytes.toBytes("name")));
        System.out.println(s);
    }
}

11. Hbase中的API的管理操作

public class HbaseAdminTest {

    private Connection connection;

    @Before
    public void init() throws Exception {
        Configuration conf = new Configuration();
        conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
        connection = ConnectionFactory.createConnection(conf);
    }

    /**
     * 创建表
     *
     * @throws Exception
     */
    @Test
    public void testCreateTable() throws Exception {
        //获取管理对象
        Admin admin = connection.getAdmin();
        HTableDescriptor htd = new HTableDescriptor(TableName.valueOf("t2"));
        HColumnDescriptor hcd = new HColumnDescriptor(Bytes.toBytes("f1"));
        htd.addFamily(hcd);
        admin.createTable(htd);
    }


    /**
     * 列出所有的表
     * @throws Exception
     */
    @Test
    public void testListTableNames() throws Exception {
        //获取管理对象
        Admin admin = connection.getAdmin();
        TableName[] tableNames = admin.listTableNames("ns1:.*");
        for (TableName tableName : tableNames) {
            System.out.println(tableName);
        }
    }

}

12. Hbase高级查询

//查询数据
@Test
public void testScan() throws IOException {
    Configuration conf = HBaseConfiguration.create();
    //指定zk的地址
    conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
    Connection conn = ConnectionFactory.createConnection(conf);
    Table table = conn.getTable(TableName.valueOf("ns1:t1"));
    Scan scan = new Scan();
    byte[] cf = Bytes.toBytes("f1");
    byte[] column = Bytes.toBytes("name");
    Filter filter = new SingleColumnValueFilter(cf, column, CompareFilter.CompareOp.EQUAL, Bytes.toBytes("admin123"));
    scan.setFilter(filter);
    //获取包含多行数据的对象
    ResultScanner resultScanner = table.getScanner(scan);
    for (Result result : resultScanner) {
        System.out.println(Bytes.toString(result.getValue(Bytes.toBytes("f1"), Bytes.toBytes("age"))));
    }
}

13. 百万数据的插入

13.1 mysql百万数据写入

耗时约20分钟
自己测试10分钟

8800000ms，插入15851742tiao数据

13.2 hbase百万数据的写入

/**
 * 百万数据的插入
 */
public class HbaseMiTest {

    private Connection connection;

    @Before
    public void init() throws Exception {
        Configuration conf = new Configuration();
        conf.set("hbase.zookeeper.quorum", "uplooking03:2181,uplooking04:2181,uplooking05:2181");
        connection = ConnectionFactory.createConnection(conf);
    }

    @Test
    public void test01() throws IOException {
        HTable table = (HTable) connection.getTable(TableName.valueOf("ns1:t1"));
        //不使用每个put操作都刷出一次
        table.setAutoFlush(false);
        long startTime = System.currentTimeMillis();
        for (int i = 0; i < 1000000; i++) {
            Put put = new Put(Bytes.toBytes("row" + i));
            //关闭预写日志,但是不建议使用,因为这样做不安全
            put.setWriteToWAL(false);
            put.addColumn(Bytes.toBytes("f1"), Bytes.toBytes("name"), Bytes.toBytes("admin" + i));
            table.put(put);
            if (i % 100000 == 0) {
                table.flushCommits();
            }
        }
        table.flushCommits();
        long endTime = System.currentTimeMillis();
        System.out.println("总耗时:" + (endTime - startTime) + "ms");
    }
}

大约耗时27s
自己测试，1分20秒 590/80=7.4倍
查询一行是9秒
97602ms,插入15851742tiao数据 8800/175=50倍

14. Hbase中的手动切分region

split ‘ns1:t1’,'row040’

15. Hbase手动移动region

move ‘f6e6164514db53d660c5414df1f3864e’,'uplooking05,1602
0,1539222350164’

16. Hbase中row-key的设计

行健的热点问题

是由于行健相似、连续且数据量过大操作成单region的数据量过大，进而影响读写效率

行健应该尽量的随机、不要出现连续行健。

常见的行健设计就是，比如手机号码倒置+时间戳，比如随机前缀+关系型数据库中的主键

因为hbase提供的查询内容非常非常low，但是所有关于hbase的查询只能通过rowkey，所以

在设计行健的时候，应该考虑将尽量多的查询条件放到rowkey中去，形成的行健就成为复合键

列族的设计：

cf1----->“columnFamily”

cf2----->“cf”

建议hbase表是高表，不建议宽表，因为宽表拥有的列族很多，操作并跨越的文件(HFile)就很多，效率会有相应影响，

反之建议使用高表，列族不宜过多(列族一般使用一个)。

在设计表的时候，各个列/列族名称不宜过长，因为hbase需要对这些数据在内存中做缓存，做索引，进而影响内存容量，所以建议不易过长，以便能够在内存中容纳更多的数据。至于阅读性，有项目文档搞定。

17. Hbase中客户端工具

HbaseExplorer

EVAO

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
大数据系列——Hbase学习笔记

1. Hbase简介Hadoop-Database根据’bigtable’论文实现的分布式可扩展的大数据存储技术随机访问实时读写海量数据存储数 '十亿行百万列’的数据高可靠性、高性能、面向列、可伸缩的分布式存储系统hbase的底层存储基于hdfs利用Zookeeper作为协调工具2. Hbase是什么?分布式开源数据库，基于hadoop分布式文件系统（HDFS）...
复制链接

扫一扫