一脸懵逼学习HBase---基于HDFS实现的。(Hadoop的数据库,分布式的,大数据量的,随机的,实时的,非关系型数据库)

1:HBase官网网址:http://hbase.apache.org/

2:HBase表结构:建表时,不需要指定表中的字段,只需要指定若干个列族,插入数据时,列族中可以存储任意多个列(即KEY-VALUE,列名称-列值);一个value可以有多个版本,通过版本号来区分(时间戳)

3:要查询某一个具体的字段,需要指定坐标:表名---->行健---->列族(ColumnFamily):列名(Qualifier)---->版本;

4:HBase简介:   HBase – Hadoop Database,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利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为协调工具。

5:HBase基本概念知识:

  5.1:主键:Row Key :     主键是用来检索记录的主键,访问hbase table中的行,只有三种方式:      (1)通过单个row key访问      (2)通过row key的range      (3)全表扫描   5.2:列族:Column Family:     列族在创建表的时候声明,一个列族可以包含多个列,列中的数据都是以二进制形式存在,没有数据类型。   5.3:时间戳:timestamp:     HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引;

  5.4:HBase中有两张特殊的Table,-ROOT-和.META.     (a):-ROOT- :记录了.META.表的Region信息,-ROOT-只有一个region     (b):.META. :记录了用户创建的表的Region信息,.META.可以有多个regoin        (c):Zookeeper中记录了-ROOT-表的location     (d):Client访问用户数据之前需要首先访问zookeeper,然后访问-ROOT-表,接着访问.META.表,最后才能找到用户数据的位置去访问;

6:HBase基础知识:   6.1:物理存储         Table 在行的方向上分割为多个HRegion,一个region由[startkey,endkey)表示   6.2:架构体系     (a):Client  包含访问hbase 的接口,client 维护着一些cache 来加快对hbase 的访问,比如regione 的位置信息     (b):Zookeeper        保证任何时候,集群中只有一个running master;        存贮所有Region 的寻址入口;        实时监控Region Server 的状态,将Region server 的上线和下线信息,实时通知给Master;        存储Hbase 的schema,包括有哪些table,每个table 有哪些column family;     (c):Master 可以启动多个HMaster,通过Zookeeper的Master Election机制保证:

      总有一个Master运行           为Region server 分配region;        负责region server 的负载均衡;        发现失效的region server 并重新分配其上的region;

7:HBase的Region Server基本概念:   (a):维护Master 分配给它的region,处理对这些region 的IO 请求   (b):负责切分在运行过程中变得过大的region   (c):可以看出,client 访问hbase 上数据的过程并不需要master 参与,寻址访问先zookeeper再regionserver,数据读写访问regioneserver。HRegionServer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。    

8:HBase学习前提与相关软件:

  前提条件:本机或集群环境下hadoop.1.1.2已经安装成功   相关软件:     hadoop.1.1.2     hbase-0.94.2-security.tar.gz     JDK7     RHEL6.3 9:HBase Shell的学习(hbase提供了一个shell的终端给用户交互):

名称

命令表达式

创建表

create '表名', '列族名1','列族名2','列族名N'

查看所有表

list

描述表

describe  ‘表名’

判断表存在

exists  '表名'

判断是否禁用启用表

is_enabled '表名' is_disabled ‘表名’

添加记录

put  ‘表名’, ‘rowKey’, ‘列族 : 列‘  ,  '值'

查看记录rowkey下的所有数据

get  '表名' , 'rowKey'

查看表中的记录总数

count  '表名'

获取某个列族

get '表名','rowkey','列族'

获取某个列族的某个列

get '表名','rowkey','列族:列’

删除记录

delete  ‘表名’ ,‘行名’ , ‘列族:列'

删除整行

deleteall '表名','rowkey'

删除一张表

先要屏蔽该表,才能对该表进行删除 第一步 disable ‘表名’ ,第二步  drop '表名'

清空表

truncate '表名'

查看所有记录

scan "表名"

查看某个表某个列中所有数据

scan "表名" , {COLUMNS=>'列族名:列名'}

更新记录

就是重写一遍,进行覆盖,hbase没有修改,都是追加

10:hbase数据模型:

1.Row Key
    与nosql数据库们一样,row key是用来检索记录的主键。访问HBASE table中的行,只有三种方式:
    a.通过单个row key访问
    b.通过row key的range(正则)
    c.全表扫描
    Row key行键 (Row key)可以是任意字符串(最大长度 是 64KB,实际应用中长度一般为 10-100bytes),在HBASE内部,row key保存为字节数组。存储时,数据按照Row key的字典序(byte order)排序存储。设计key时,要充分排序存储这个特性,将经常一起读取的行存储放到一起。(位置相关性)
2.Columns Family
    列簇 :HBASE表中的每个列,都归属于某个列族。列族是表的schema的一部 分(而列不是),必须在使用表之前定义。列名都以列族作为前缀。例如 courses:history,courses:math都属于courses 这个列族。
3.Cell
    由{row key, columnFamily, version} 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。
关键字:无类型、字节码
4.Time Stamp
    HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由HBASE(在数据写入时自动 )赋值,此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突,就必须自己生成具有唯一性的时间戳。每个 cell中,不同版本的数据按照时间倒序排序,即最新的数据排在最前面。
    为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担,HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本,二是保存最近一段 时间内的版本(比如最近七天)。用户可以针对每个列族进行设置。

11:hbase依赖zookeeper:

1、保存Hmaster的地址和backup-master地址
    hmaster:
    a)管理HregionServer
    b)做增删改查表的节点
    c)管理HregionServer中的表分配
2、保存表-ROOT-的地址
    hbase默认的根表,检索表。
3、HRegionServer列表
    表的增删改查数据。
    和hdfs交互,存取数据。    

12:hbase开发:

12.hbase开发  12.1.配置      HBaseConfiguration        包:org.apache.hadoop.hbase.HBaseConfiguration        作用:通过此类可以对HBase进行配置        用法实例:         Configuration config = HBaseConfiguration.create();        说明: HBaseConfiguration.create() 默认会从classpath 中查找 hbase-site.xml 中的配置信息,初始化 Configuration。        使用方法:        static Configuration config = null;        static {        config = HBaseConfiguration.create();        config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");        config.set("hbase.zookeeper.property.clientPort", "2181");        }    12.2.表管理类        HBaseAdmin        包:org.apache.hadoop.hbase.client.HBaseAdmin        作用:提供接口关系HBase 数据库中的表信息        用法:        HBaseAdmin admin = new HBaseAdmin(config);    12.3.表描述类        HTableDescriptor        包:org.apache.hadoop.hbase.HTableDescriptor        作用:HTableDescriptor 类包含了表的名字以及表的列族信息          表的schema(设计)        用法:        HTableDescriptor htd =new HTableDescriptor(tablename);        htd.addFamily(new HColumnDescriptor(“myFamily”));    12.4.列族的描述类        HColumnDescriptor        包:org.apache.hadoop.hbase.HColumnDescriptor        作用:HColumnDescriptor 维护列族的信息        用法:        htd.addFamily(new HColumnDescriptor(“myFamily”));    12.5.创建表的操作        CreateTable(一般我们用shell创建表)        static Configuration config = null;        static {        config = HBaseConfiguration.create();        config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");        config.set("hbase.zookeeper.property.clientPort", "2181");        }        HBaseAdmin admin = new HBaseAdmin(config);        HTableDescriptor desc = new HTableDescriptor(tableName);        HColumnDescriptor family1 = new HColumnDescriptor(“f1”);        HColumnDescriptor family2 = new HColumnDescriptor(“f2”);        desc.addFamily(family1);        desc.addFamily(family2);        admin.createTable(desc);    12.6.删除表        HBaseAdmin admin = new HBaseAdmin(config);        admin.disableTable(tableName);        admin.deleteTable(tableName);    12.7.创建一个表的类        HTable        包:org.apache.hadoop.hbase.client.HTable        作用:HTable 和 HBase 的表通信        用法:        // 普通获取表        HTable table = new HTable(config,Bytes.toBytes(tablename);        // 通过连接池获取表        Connection connection = ConnectionFactory.createConnection(config);        HTableInterface table = connection.getTable(TableName.valueOf("user"));    12.8.单条插入数据        Put        包:org.apache.hadoop.hbase.client.Put        作用:插入数据        用法:        Put put = new Put(row);        p.add(family,qualifier,value);        说明:向表 tablename 添加 “family,qualifier,value”指定的值。        示例代码:        Connection connection = ConnectionFactory.createConnection(config);        HTableInterface table = connection.getTable(TableName.valueOf("user"));        Put put = new Put(Bytes.toBytes(rowKey));        put.add(Bytes.toBytes(family), Bytes.toBytes(qualifier),Bytes.toBytes(value));        table.put(put);    12.9.批量插入        批量插入        List<Put> list = new ArrayList<Put>();        Put put = new Put(Bytes.toBytes(rowKey));//获取put,用于插入        put.add(Bytes.toBytes(family), Bytes.toBytes(qualifier),Bytes.toBytes(value));//封装信息        list.add(put);        table.put(list);//添加记录    12.10.删除数据        Delete        包:org.apache.hadoop.hbase.client.Delete        作用:删除给定rowkey的数据        用法:        Delete del= new Delete(Bytes.toBytes(rowKey));        table.delete(del);        代码实例        Connection connection = ConnectionFactory.createConnection(config);        HTableInterface table = connection.getTable(TableName.valueOf("user"));        Delete del= new Delete(Bytes.toBytes(rowKey));        table.delete(del);    12.11.单条查询        Get        包:org.apache.hadoop.hbase.client.Get        作用:获取单个行的数据        用法:        HTable table = new HTable(config,Bytes.toBytes(tablename));        Get get = new Get(Bytes.toBytes(row));        Result result = table.get(get);        说明:获取 tablename 表中 row 行的对应数据        代码示例:        Connection connection = ConnectionFactory.createConnection(config);        HTableInterface table = connection.getTable(TableName.valueOf("user"));        Get get = new Get(rowKey.getBytes());        Result row = table.get(get);        for (KeyValue kv : row.raw()) {        System.out.print(new String(kv.getRow()) + " ");        System.out.print(new String(kv.getFamily()) + ":");        System.out.print(new String(kv.getQualifier()) + " = ");        System.out.print(new String(kv.getValue()));        System.out.print(" timestamp = " + kv.getTimestamp() + "\n");        }    12.12.批量查询        ResultScanner        包:org.apache.hadoop.hbase.client.ResultScanner        作用:获取值的接口        用法:        ResultScanner scanner = table.getScanner(scan);        For(Result rowResult : scanner){        Bytes[] str = rowResult.getValue(family,column);        }        说明:循环获取行中列值。        代码示例:        Connection connection = ConnectionFactory.createConnection(config);        HTableInterface table = connection.getTable(TableName.valueOf("user"));        Scan scan = new Scan();        scan.setStartRow("a1".getBytes());        scan.setStopRow("a20".getBytes());        ResultScanner scanner = table.getScanner(scan);        for (Result row : scanner) {        System.out.println("\nRowkey: " + new String(row.getRow()));        for (KeyValue kv : row.raw()) {         System.out.print(new String(kv.getRow()) + " ");         System.out.print(new String(kv.getFamily()) + ":");         System.out.print(new String(kv.getQualifier()) + " = ");         System.out.print(new String(kv.getValue()));         System.out.print(" timestamp = " + kv.getTimestamp() + "\n");        }        }    12.13.hbase过滤器        12.13.1.FilterList            FilterList 代表一个过滤器列表,可以添加多个过滤器进行查询,多个过滤器之间的关系有:            与关系(符合所有):FilterList.Operator.MUST_PASS_ALL              或关系(符合任一):FilterList.Operator.MUST_PASS_ONE                使用方法:            FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ONE);               Scan s1 = new Scan();              filterList.addFilter(new SingleColumnValueFilter(Bytes.toBytes(“f1”),  Bytes.toBytes(“c1”),  CompareOp.EQUAL,Bytes.toBytes(“v1”) )  );              filterList.addFilter(new SingleColumnValueFilter(Bytes.toBytes(“f1”),  Bytes.toBytes(“c2”),  CompareOp.EQUAL,Bytes.toBytes(“v2”) )  );              // 添加下面这一行后,则只返回指定的cell,同一行中的其他cell不返回              s1.addColumn(Bytes.toBytes(“f1”), Bytes.toBytes(“c1”));              s1.setFilter(filterList);  //设置filter            ResultScanner ResultScannerFilterList = table.getScanner(s1);  //返回结果列表        12.13.2.过滤器的种类            过滤器的种类:            列植过滤器—SingleColumnValueFilter             过滤列植的相等、不等、范围等            列名前缀过滤器—ColumnPrefixFilter             过滤指定前缀的列名            多个列名前缀过滤器—MultipleColumnPrefixFilter            过滤多个指定前缀的列名            rowKey过滤器—RowFilter            通过正则,过滤rowKey值。        12.13.3.列植过滤器—SingleColumnValueFilter            SingleColumnValueFilter 列值判断            相等 (CompareOp.EQUAL ),             不等(CompareOp.NOT_EQUAL),            范围 (e.g., CompareOp.GREATER)…………            下面示例检查列值和字符串'values' 相等...            SingleColumnValueFilter f = new  SingleColumnValueFilter(                Bytes.toBytes("cFamily")                              Bytes.toBytes("column"),             CompareFilter.CompareOp.EQUAL,            Bytes.toBytes("values"));            s1.setFilter(f);            注意:如果过滤器过滤的列在数据表中有的行中不存在,那么这个过滤器对此行无法过滤。        12.13.4.列名前缀过滤器—ColumnPrefixFilter            过滤器—ColumnPrefixFilter             ColumnPrefixFilter 用于指定列名前缀值相等            ColumnPrefixFilter f = new ColumnPrefixFilter(Bytes.toBytes("values"));            s1.setFilter(f);        12.13.5.多个列值前缀过滤器—MultipleColumnPrefixFilter            MultipleColumnPrefixFilter 和 ColumnPrefixFilter 行为差不多,但可以指定多个前缀            byte[][] prefixes = new byte[][] {Bytes.toBytes("value1"),Bytes.toBytes("value2")};            Filter f = new MultipleColumnPrefixFilter(prefixes);            s1.setFilter(f);        12.13.6.rowKey过滤器—RowFilter            RowFilter 是rowkey过滤器            通常根据rowkey来指定范围时,使用scan扫描器的StartRow和StopRow方法比较好。            Filter f = new RowFilter(CompareFilter.CompareOp.EQUAL, new RegexStringComparator("^1234")); //匹配以1234开头的rowkey            s1.setFilter(f);

13.hbase原理:

13.1.1.写流程
    1、client向hregionserver发送写请求。
    2、hregionserver将数据写到hlog(write ahead log)。为了数据的持久化和恢复。
    3、hregionserver将数据写到内存(memstore)
    4、反馈client写成功。
13.1.2.数据flush过程
    1、当memstore数据达到阈值(默认是64M),将数据刷到硬盘,将内存中的数据删除,同时删除Hlog中的历史数据。
    2、并将数据存储到hdfs中。
    3、在hlog中做标记点。
13.1.3.数据合并过程
    1、当数据块达到4块,hmaster将数据块加载到本地,进行合并
    2、当合并的数据超过256M,进行拆分,将拆分后的region分配给不同的hregionserver管理
    3、当hregionser宕机后,将hregionserver上的hlog拆分,然后分配给不同的hregionserver加载,修改.META.    
    4、注意:hlog会同步到hdfs
13.1.4.hbase的读流程
    1、通过zookeeper和-ROOT- .META.表定位hregionserver。
    2、数据从内存和硬盘合并后返回给client
    3、数据块会缓存
13.1.5.hmaster的职责
    1、管理用户对Table的增、删、改、查操作; 
    2、记录region在哪台Hregion server上
    3、在Region Split后,负责新Region的分配; 
    4、新机器加入时,管理HRegion Server的负载均衡,调整Region分布
    5、在HRegion Server宕机后,负责失效HRegion Server 上的Regions迁移。
13.1.6.hregionserver的职责
    HRegion Server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。
    HRegion Server管理了很多table的分区,也就是region。
13.1.7.client职责
    Client
    HBASE Client使用HBASE的RPC机制与HMaster和RegionServer进行通信
    管理类操作:Client与HMaster进行RPC;
    数据读写类操作:Client与HRegionServer进行RPC。

14.MapReduce操作Hbase:

14.1.实现方法
Hbase对MapReduce提供支持,它实现了TableMapper类和TableReducer类,我们只需要继承这两个类即可。
1、写个mapper继承TableMapper<Text, IntWritable>
    参数:Text:mapper的输出key类型; IntWritable:mapper的输出value类型。
      其中的map方法如下:
    map(ImmutableBytesWritable key, Result value,Context context)
     参数:key:rowKey;value: Result ,一行数据; context上下文
2、写个reduce继承TableReducer<Text, IntWritable, ImmutableBytesWritable>
    参数:Text:reducer的输入key; IntWritable:reduce的输入value;
     ImmutableBytesWritable:reduce输出到hbase中的rowKey类型。
      其中的reduce方法如下:
    reduce(Text key, Iterable<IntWritable> values,Context context)
    参数: key:reduce的输入key;values:reduce的输入value;

待续......

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

扫码关注云+社区