HBase 教程（超详细）

最新推荐文章于 2024-07-28 23:55:21 发布
最新推荐文章于 2024-07-28 23:55:21 发布
阅读量3.1w 收藏 228
点赞数 50
分类专栏： 大数据 # HBase 文章标签： hbase 大数据 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42837961/article/details/106308562
版权

文章目录

1. HBase 简介

1.1 HBase 定义

  HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库。

1.2 HBase 背景

  HBase 的原型是 Google 的 BigTable 论文，受到了该论文思想的启发，目前作为 Hadoop的子项目来开发维护，用于支持结构化的数据存储。

  • 2006 年 Google 发表 BigTable 白皮书
  • 2006 年开始开发 HBase
  • 2008 年北京成功开奥运会，程序员默默地将 HBase 弄成了 Hadoop 的子项目
  • 2010 年 HBase 成为 Apache 顶级项目
  • 现在很多公司二次开发出了很多发行版本

  HBase 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用 HBASE 技术可在廉价 PC Server 上搭建起大规模结构化存储集群。HBase 的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。

  HBase 是 Google Bigtable 的开源实现，但是也有很多不同之处。比如：

  • Google Bigtable 利用 GFS 作为其文件存储系统，HBase 利用 Hadoop HDFS 作为其文件存储系统；
  • Google 运行 MapReduce 来处理 Bigtable 中的海量数据，HBase 同样利用 Hadoop MapReduce 来处理 HBase 中的海量数据；
  • Google Bigtable 利用 Chubby 作为协同服务，HBase 利用 Zookeeper 作为对应。

1.3 HBase 数据模型

  逻辑上，HBase 的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从 HBase 的底层物理存储结构（K-V）来看，HBase 更像是一个 multi-dimensional map。

1.3.1 HBase 逻辑结构

在这里插入图片描述

1.3.2 HBase 物理存储结构

在这里插入图片描述

1.3.3 数据模型

  1. NameSpace

    命名空间，类似于关系型数据库的 DatabBase 概念，每个命名空间下有多个表。HBase 有两个自带的命名空间，分别是 hbase 和 default，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间。

  2. Region

    类似于关系型数据库的表概念。不同的是，HBase 定义表时只需要声明列族即可，不需要声明具体的列。这意味着，往 HBase 写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase 能够轻松应对字段变更的场景。

  3. Row

    HBase 表中的每行数据都由一个 RowKey 和多个 Column（列）组成，数据是按照 RowKey 的字典顺序存储的，并且查询数据时只能根据 RowKey 进行检索，所以 RowKey 的设计十分重要。

  4. Column

    HBase 中的每个列都由 Column Family（列族）和 Column Qualifier（列限定符）进行限
    定，例如 info：name，info：age。建表时，只需指明列族，而列限定符无需预先定义。

  5. Time Stamp

    用于标识数据的不同版本（version），每条数据写入时，如果不指定时间戳，系统会
    自动为其加上该字段，其值为写入 HBase 的时间。

  6. Cell

    由 {rowkey, column Family：column Qualifier, time Stamp} 唯一确定的单元。cell 中的数
    据是没有类型的，全部是字节码形式存贮。

1.4 HBase 基本架构

（不完整版）
在这里插入图片描述

  1. RegionServer

    Region Server 为 Region 的管理者，其实现类为 HRegionServer，主要作用如下:

    ① 对于数据的操作：get, put, delete；
    ② 对于 Region 的操作：splitRegion、compactRegion。

  2. Master

    Master 是所有 RegionServer 的管理者，其实现类为 HMaster，主要作用如下：

    ① 对于表的操作：create, delete, alter
    ② 对于 RegionServer的操作：分配 regions 到每个 RegionServer，监控每个 RegionServer 的状态，负载均衡和故障转移。

  3. Zookeeper

    HBase 通过 Zookeeper 来做 Master 的高可用、RegionServer 的监控、元数据的入口以及
    集群配置的维护等工作。

  4. HDFS

    HDFS 为 HBase 提供最终的底层数据存储服务，同时为 HBase 提供高可用的支持。


2. HBase 快速入门

2.1 HBase 官网地址

  HBase 官网

2.2 HBase 安装流程

  1. 启动 Hadoop 集群
  2. 启动 Zookeeper
  3. 将 HBase 的安装包上传到服务器上（hbase-2.2.2-bin.tar.gz）
  4. 解压 HBase 到指定目录
tar -zxvf hbase-2.2.2-bin.tar.gz -C /hadoop/

  1. 修改 HBase 的配置文件（/hadoop/hbase-2.2.2/conf/ 目录下）

    ① hbase-env.sh 修改内容：

# The java implementation to use.  Java 1.8+ required.
export JAVA_HOME=/usr/local/java/jdk1.8.0_151

# Tell HBase whether it should manage it's own instance of ZooKeeper or not.
export HBASE_MANAGES_ZK=false

    ② hbase-site.xml 修改内容：

<configuration>
  <property>   
    <name>hbase.rootdir</name> 
    <value>hdfs://master:9000/hbase</value>
  </property>

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

  <!-- 0.98后的新变动，之前版本没有.port,默认端口为60000 -->
  <property>
    <name>hbase.master.port</name>
    <value>16000</value>
  </property>

  <property> 
    <name>hbase.zookeeper.quorum</name>
    <value>master:2181,slave1:2181,slave2:2181</value>
  </property>

  <property> 
    <name>hbase.zookeeper.property.dataDir</name>
    <value>/hadoop/zookeeper-3.5.6/zkData</value>
  </property>
</configuration>

    ③ regionservers：

master
slave1
slave2

    ⑤ 软连接 hadoop 配置文件到 hbase：

ln -s /hadoop/hadoop-2.7.7/etc/hadoop/core-site.xml /hadoop/hbase-2.2.2/conf/core-site.xml

ln -s /hadoop/hadoop-2.7.7/etc/hadoop/hdfs-site.xml /hadoop/hbase-2.2.2/conf/hdfs-site.xml
  1. 将 HBase 同步到其他机器上
xsync /hadoop/hbase-2.2.2/
  1. 配置环境变量
vim /etc/profile

   添加以下内容：

#HBASE
export HBASE_HOME=/hadoop/hbase-2.2.2
export PATH=$PATH:$HBASE_HOME/bin

   使配置文件生效

source /etc/profile

   同步其他机器配置文件并分别使配置文件生效

xsync /etc/profile

  1. HBase 服务的启动

    ① 方式一

hbase-daemon.sh start master

hbase-daemon.sh start regionserver

    ② 方式二

start-hbase.sh

   对应的停止服务

stop-hbase.sh
  1. 查看 HBase 页面

  http://master:16010
在这里插入图片描述

2.3 HBase Shell 操作

2.3.1 基本操作

  1. 进入 HBase 客户端命令行
hbase shell
  1. 查看帮助命令
help
  1. 查看当前数据库中有哪些表
list

2.3.2 表的操作

  1. 创建表
create 'student','info'
  1. 插入数据到表
put 'student','1001','info:sex','male'

put 'student','1001','info:age','18'

put 'student','1002','info:name','Janna'

put 'student','1002','info:sex','female'

put 'student','1002','info:age','20'
  1. 扫描查看表数据
scan 'student'

在这里插入图片描述

scan 'student',{STARTROW => '1001', STOPROW  => '1001'}

scan 'student',{STARTROW => '1001'}
  1. 查看表结构
describe 'student'
  1. 更新指定字段的数据
put 'student','1001','info:name','Nick'

put 'student','1001','info:age','100'
  1. 查看 “指定行” 或 “指定列族:列” 的数据
get 'student','1001'

get 'student','1001','info:name'
  1. 统计表数据行数
count 'student'

  1. 变更表信息

    将 info 列族中的数据存放 3 个版本

alter 'student',{NAME=>'info',VERSIONS=>3}

get 'student','1001',{
  COLUMN=>'info:name',VERSIONS=>3}

  1. 删除数据

    ① 删除某 rowkey 的全部数据

deleteall 'student','1001'

    ② 删除某 rowkey 的某一列数据

delete 'student','1002','info:sex'
  1. 清空表数据
truncate 'student'

   提示：清空表的操作顺序为先 disable，然后再 truncate。

  1. 删除表

    ① 首先需要先让该表为 disable 状态

disable 'student'

    ② 然后才能 drop 这个表

drop 'student'

2.3.3 命名空间的基本操作

  1. 查看命名空间
list_namespace
  1. 创建命名空间
create_namespace 'bigdata'
  1. 在新的命名空间中创建表
create 'bigdata:student','info'

  1. 删除命名空间

    只能删除空的命名空间，如果不为空，需要先删除该命名空间下的所有表

drop_namespace 'bigdata'

3. HBase 进阶

3.1 架构原理

在这里插入图片描述

  1. StoreFile

    保存实际数据的物理文件，StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或多个 StoreFile（HFile），数据在每个 StoreFile 中都是有序的。

  2. MemStore

    写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile。

  3. WAL

    由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件中，然后再写入 MemStore 中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。

3.2 读流程

在这里插入图片描述

  1. Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。
  2. 访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。
  3. 与目标 Region Server 进行通讯；
  4. 将数据顺序写入（追加）到 WAL；
  5. 将数据写入对应的 MemStore，数据会在 MemStore 进行排序；
  6. 向客户端发送 ack；
  7. 等达到 MemStore 的刷写时机后，将数据刷写到 HFile。

3.3 MemStore Flush

在这里插入图片描述

  1. 当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size（默认值 128M）， 其所在 region 的所有 memstore 都会刷写，并且会阻止继续往该 memstore 写数据。

  2. 当 region server 中 memstore 的总大小达到 *hbase.regionserver.global.memstore.size（默认值 0.4）， *hbase.regionserver.global.memstore.size.lower.limit（默认值 0.95），region 会按照其所有 memstore 的大小顺序（由大到小）依次进行刷写。直到 region server 中所有 memstore 的总大小减小到上述值以下。

    当 region server 中 memstore 的总大小达到 java_heapsize*hbase.regionserver.global.memstore.size（默认值 0.4）时，会阻止继续往所有的 memstore 写数据。

  3. 到达自动刷写的时间，也会触发 memstore flush。自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval（默认 1 小时）

  4. 当 WAL 文件的数量超过 hbase.regionserver.max.logs，region 会按照时间顺序依次进
    行刷写，直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下（该属性名已经废弃，
    现无需手动设置，最大值为 32）。

3.4 读流程

在这里插入图片描述

  1. Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。
  2. 访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。
  3. 与目标 Region Server 进行通讯；
  4. 分别在 Block Cache（读缓存），MemStore 和 Store File（HFile）中查询目标数据，并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本（time stamp）或者不同的类型（Put/Delete）。
  5. 将从文件中查询到的数据块（Block，HFile 数据存储单元，默认大小为 64KB）缓存到 Block Cache。
  6. 将合并后的最终结果返回给客户端。

3.5 StoreFile Compaction

  由于 memstore 每次刷写都会生成一个新的HFile，且同一个字段的不同版本（timestamp）和不同类型（Put/Delete）有可能会分布在不同的 HFile 中，因此查询时需要遍历所有的 HFile。为了减少 HFile 的个数，以及清理掉过期和删除的数据，会进行 StoreFile Compaction。

  Compaction 分为两种，分别是 Minor Compaction 和 Major Compaction。Minor Compaction 会将临近的若干个较小的 HFile 合并成一个较大的 HFile，但不会清理过期和删除的数据。
Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile，并且会清理掉过期和删除的数据。
在这里插入图片描述

3.6 Region Split

  默认情况下，每个 Table 起初只有一个 Region，随着数据的不断写入，Region 会自动进
行拆分。刚拆分时，两个子 Region 都位于当前的 Region Server，但处于负载均衡的考虑，HMaster 有可能会将某个 Region 转移给其他的 Region Server。

  1. 当 1 个 region 中的某个 Store 下所有 StoreFile 的总大小超过 hbase.hregion.max.filesize， 该 Region 就会进行拆分（0.94 版本之前）。
  2. 当 1 个 region 中 的 某 个 Store 下所有 StoreFile 的 总 大 小 超 过 Min(R^2 *
    “hbase.hregion.memstore.flush.size”,hbase.hregion.max.filesize")，该 Region 就会进行拆分，其
    中 R 为当前 Region Server 中属于该 Table 的个数（0.94 版本之后）。
    在这里插入图片描述

4. HBase API 操作

4.1 环境准备

  新建项目后在 pom.xml 中添加依赖：

<dependencies>
    <dependency>
        <groupId>
最低0.47元/天 解锁文章
西门催学不吹雪
关注
专栏目录
zookeeper+hadoop+hbase+hive(集成hbase)安装部署教程（超详细）.docx
06-01
说明： 1. 安装软件版本： jdk1.8.0_131、apache-zookeeper-3.8.0、hadoop-3.3.2、hbase-2.4.12 mysql5.7.38、mysql jdbc驱动mysql-connector-java-8.0.8-dmr-bin.jar、 apache-hive-3.1.3 2.本文软件均安装在自建的目录/export/server/下 ：sudo mkdir -p /export/server 创建好目录后要改变该目录的属主和属组 ：sudo chown -R ljr:ljr /export 修改目录权限：sudo +771 -R /export -R 表示递归，即export目录下的所有文件及目录的属组和属组以及权限均跟随着改变 3.集群能正常运行的条件是集群可节点宕机数应保证有超过集群机器总数一半的机器在运行，因此从经济和实用性来说，集群的节点一般是奇数个，本文部署4台机器，其容灾能力与部署3台机器一致，即只能宕机1台
大数据——HBase原理
庄小焱
07-27 1284
HBase 是一个开源的、非关系型的分布式数据库系统，主要用于存储海量的结构化和半结构化数据。它是基于谷歌的 Bigtable 论文实现的，运行在 Hadoop 分布式文件系统（HDFS）之上，并且可以与 Hadoop 生态系统的其他组件无缝集成。 HBase 的设计目标是提供高可扩展性、实时读写和随机访问能力，这使其特别适合于需要快速处理和查询大数据集的应用场景。它采用行键（Row Key）作为主键，并使用列族（Column Family）来组织数据，数据在物理上按照行键的顺序存储，支持范围查询。
Hbase简介和快速入门
最新发布
m0_37689903的博客
07-28 1237
本文首先简单介绍了Hbase的定义，逻辑结构，物理存储结构；然后详细的介绍了Hbase的安装；最后简单介绍了Hbase的shell命令操作
Hbase教程
luchenghui的博客
04-02 621
目录 前言 1.Hbase数据模型及架构详细 1.1.Hbase概述 1.2.HBase 数据模型 1.3.HBase 架构设计 2.基本命令操作 3.DDL数据定义与操作 4.DML操作 5.Hbase使用场景 5.1.以实体为中心的数据 5.2.以事件为中心的数据 参考来源 前言 本文主要对学习Hbase过程中知识点的总结，单机版hbase环境的搭建可以访问本人另一...
HBase使用教程
u012998680的博客
03-31 1324
HBase常用的查看数据方式有scan和get，get是一种特殊的scan，get是scan的startRow和endRow等于同一个值的特殊情况。HBase的RowKey 是按照B+树的形式存放的，所以查找一个具体的RowKey 速度是非常快的，所以查询数据的时候一般都会设置scan的startRow和endRow，这样可以缩小查找的范围，所以RowKey 的设计在HBase里面是极为重要的。
HBase入门教程
weixin_33920401的博客
10-23 72
2019独角兽企业重金招聘Python工程师标准>>> ...
【Hbase】HBase入门教程
bandaoyu的note
04-01 690
入门好文章研读： 《一条数据的HBase之旅，简明HBase入门教程-开篇》：https://blog.csdn.net/nosqlnotes/article/details/79647096 这是HBase入门系列的第1篇文章，介绍HBase的数据模型、适用场景、集群关键角色、建表流程以及所涉及的HBase基础概念，本文内容基于HBase 2.0 beta2版本。本文既适用于HBase新手，...
hbase教程
wolf_333的博客
07-17 566
这里写自定义目录标题欢迎使用Markdown编辑器HBase 教程HBase 快速启动Apache HBase配置文件HBase 基础条件HBase 运行模式HBase 开始运行HBase 默认配置HBase 配置示例Base 重要配置HBase 动态配置HBase 版本号和兼容性HBase 回滚：版本恢复HBase 升级路径使用Apache HBase ShellHBase shell 技巧HBase 数据模型HBase 概念视图HBase 物理视图HBase 命名空间HBase 表、行与列族HBase
hbase 视频教程
04-10
完整的hbase视频教程 视频方式为百度网盘 下载文件中提供了下载链接和提取码
Hbase单机配置超详细版本（图）
04-26
Linux环境下Hbase单机配置超详细版本，图文教程
（超详细）Hbase集群安装
m0_67447926的博客
01-07 624
（超详细）Hbase集群安装，附有详细代码，和详细步骤，注意事项
【hadoop期末复习】第四章 分布式数据库HBase 超详细讲解
热门推荐
onion23的博客
06-30 1万+
** 本专栏的Hadoop复习计划文章内容主要包含以下几个部分： 【简单】学习通习题 【进阶】课本课后练习 【操作】相关章节实验回顾 ** 使用教材：大数据技术原理与应用（第3版）林子雨 编著 ** 教材课后答案点这里 让我们开始吧！ 学习通 - 习题 1. HBase是什么类型的数据库 A.关系数据库 B.文档数据库 C.行式数据库 D.列式数据库 我的答案：D 解析： 2. 下列对HBase数据模型的描述错误的是 A.HBase列族支持动态扩展，可以很轻松地添加一个列族或列 .
【大数据】HDFS、HBase操作教程（含指令和JAVA API）
Joker_ZJN的博客
05-12 2763
详解HDFS和HBASE的指令操作以及JAVA API。
HBASE教程
最爱山间那朵云
01-12 623
package com.popoaichuiniu.jacy;import java.io.IOException; import java.util.Iterator;import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.ha
《HBase系列》HBase详细入门教程
https://blog.datasource.space
05-19 3150
分布式的数据库，它的本质是将数据存放在HDFS。它和Hive的最大区别就是，Hive的本质相当于封装了Mapreduce，HBase的本质相当于封装了HDFS。帮助我们存储一些非结构化的数据。他是一个Nosql的数据库。使用场景：1.海量非结构化或者结构化的数据的存储2.需要实现近实时的读写管理的数据。
CREO截面测量距离的方法
08-30
CREO是一款三维计算机辅助设计（CAD）软件，它可以用于制造各种类型的产品，包括机械、汽车、电子设备等。 要测量CREO中的距离，可以使用“Measure Distance”（测量距离）工具。这个工具可以在“Analyze”（分析）菜单下找到。使用这个工具，你可以选择两个点或者实体，然后软件会计算它们之间的距离并显示出来。 如果你需要测量两个实体之间的最短距离，可以使用“Minimum Distance”（最小距离）工具。这个工具可以在“Analyze”（分析）菜单下找到。使用这个工具，你可以选择两个实体，然后软件会计算它们之间的最短距离并显示出来。 此外，还有一些其他的方法可以测量CREO中的距离，例如使用“Distance”（距离）工具或者使用“Analysis”（分析）工具栏中的其他工具。在实际应用中，你可以根据具体情况选择最适合的工具来测量距离。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值