大数据系列——Hbase学习笔记

1

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
    • 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

你可能感兴趣的

载入中...