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）
• 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