这里是目录
一、简介
1. HDFS&HBase&Hive
1.1 HDFS
- HDFS是一个非常适合存储大型文件的分布式文件系统
- HDFS它不是一个通用的文件系统,也无法在文件中快速查询某个数据
1.2 HBase
- HBase构建在HDFS之上,并为大型表提供快速记录查找(和更新)
- HBase内部将大量数据放在HDFS中名为「StoreFiles」的索引中,以便进行高速查找
- Hbase比较适合做快速查询等需求,而不适合做大规模的OLAP应用
1.3 Hive
- 数据仓库工具(类SQL的引擎)
Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系,以方便使用HQL去管理查询 - 用于数据分析、清洗
Hive适用于离线的数据分析和清洗,延迟较高 - 基于HDFS、MapReduce
Hive存储的数据依旧在DataNode上,编写的HQL语句终将是转换为MapReduce代码执行
2. HBase
2.1 结构
- 以表形式存在
- 支持HDFS文件系统
- 使用行键(row key)
- 原生支持分布式存储、计算引擎
- 使用行、列、列族和单元格
2.2 功能
- 支持向外扩展
- 使用API和MapReduce、Spark、Flink来访问HBase表数据
- 面向列蔟,即每一个列蔟都是一个连续的单元
- 数据总量不依赖具体某台机器,而取决于机器数量
- HBase不支持ACID(Atomicity、Consistency、Isolation、Durability)
- 适合结构化数据和非结构化数据
- 一般都是分布式的
- HBase不支持事务,支持的是单行数据的事务操作
- 不支持Join
二、集群启动
1. HDFS
一个节点启动:
start-dfs.sh # 启动hdfs
start-yarn.sh # 启动yarn
mr-jobhistory-daemon.sh start historyserver
关闭:
stop-dfs.sh
stop-yarn.sh
mr-jobhistory-daemon.sh stop historyserver
2. HBase
第一台:
start-hbase.sh
hbase-daemon.sh start thrift
3. 查看状态
http://node01:60010/master-status
三、HBase数据模型
1.简介
在HBASE中,数据存储在具有行和列的表中。这是看起来关系数据库(RDBMS)一样,但将HBASE表看成是多个维度的Map结构更容易理解。
2. 术语
2.1 表(Table)
- HBase中数据都是以表形式来组织的
- HBase中的表由多个行组成
2.2 行键(row key)
- HBASE中的行由一个rowkey(行键)和一个或多个列组成,列的值与rowkey、列相关联
- 行在存储时按行键按字典顺序排序(数值顺序或字典顺序)
- 行键的设计非常重要,尽量让相关的行存储在一起
- 例如:存储网站域。如行键是域,则应该将域名反转后存储(org.apache.www、org.apache.mail、org.apache.jira)。这样,所有Apache域都在表中存储在一起,而不是根据子域的第一个字母展开
2.3 列(Column)
- HBASE中的列由列簇(Column Family)和列限定符(Column Qualifier)组成
- 表示如下——列族名:列限定符名。例如:C1:USER_ID、C1:SEX
3.3 列簇(Column Family)
列族将一组列及其值组织在一起
2.4 列标识符(Column Qualifier)
列族中包含一个个的列限定符,这样可以为存储的数据提供索引
2.5 单元格(Cell)
- 单元格是行、列系列和列限定符的组合
- 包含一个值和一个时间戳(表示该值的版本)
- 单元格中的内容是以二进制存储的