前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Hbase学习笔记

Hbase学习笔记

作者头像
曼路
发布2018-10-18 15:12:24
7640
发布2018-10-18 15:12:24
举报
文章被收录于专栏:浪淘沙

一、Hbase简介 1.什么是Hbase     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。 2.与传统数据库的对比     传统数据库遇到的问题:         1)数据量很大的时候无法存储         2)没有很好的备份机制         3)数据达到一定数量开始缓慢,很大的话基本无法支撑     HBASE优势:         1)线性扩展,随着数据量增多可以通过节点扩展进行支撑         2)数据存储在hdfs上,备份机制健全         3)通过zookeeper协调查找数据,访问速度块。 3.hbase集群中的角色     1、一个或者多个主节点,Hmaster     2、多个从节点,HregionServer

二、Hbase安装     1.上传hbase安装包(1.2.6)     2.解压     3.配置hbase集群,要修改3个文件(首先Zookeeper集群需要安装好)    注意:要把hadoop的hdfs-site.xml和core-site.xml放到hbase/conf下(我在配置的时候,没有放着两个文件,也可以用)         3.1 vim hbase-env.sh

代码语言:javascript
复制
 export JAVA_HOME=/root/app/jdk1.8.0_55

        //告诉hbase使用外部的zk 

代码语言:javascript
复制
  export HBASE_MANAGES_ZK=false

        3.2 vim hbase-site.xml

代码语言:javascript
复制
 <configuration>
                <!-- 指定hbase在HDFS上存储的路径 -->
                <property>
                        <name>hbase.rootdir</name>
                        <value>hdfs://hadoop01:9000/hbase</value>
                </property>
                <!-- 指定hbase是分布式的 -->
                <property>
                        <name>hbase.cluster.distributed</name>
                        <value>true</value>
                </property>
                <!-- 指定zk的地址,多个用“,”分割 -->
                <property>
                        <name>hbase.zookeeper.quorum</name>
                        <value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
                </property>
</configuration>

        3.4 vim regionservers

代码语言:javascript
复制
hadoop02
hadoop03

        3.5 配置环境变量             vim /etc/profiles         3.6 拷贝hbase到其他节点

代码语言:javascript
复制
scp -r /root/app/hbase-1.2.6-hadoop2/ hadoop02:/root/app/
 scp -r /root/app/hbase-1.2.6-hadoop2/ hadoop02:/root/app/

    4.启动         在启动之前,需要首先启动zookeeper         start-hbase.sh 三、Hbase原理     1.三个概念:         Zookeeper              保证任何时候,集群中只有一个HMaster;              实时监控HRegion Server的上线和下线信息,并实时通知给HMaster;              存储HBase的schema和table元数据;              HMaster需要知道哪些HRegionServer是活的,可用的。及HRegionServer的位置信息,以便管理HRegionServer。这些信息都有Zookeeper提供!

        HMaster              理论上HMaster可以启动多个,但是Zookeeper有Master Election机制保证且允许总有且只有一个Master在运行,来负责Table和Region的管理工作。              管理HRegionServer的负载均衡,调整Region分布;              Region Split后,负责新Region的分布;              在HRegionServer停机后,负责失效HRegionServer上Region迁移工作。         Region Server              监控维护Region,处理对这些Region的响应,请求;              负责切分在运行过程中变得过大的Region。     2.注意:            1)Client访问hbase上数据时并不需要Hmaster参与,数据的读写也只是访问RegioneServer,             HMaster仅仅维护着table和Region的元数据信息,负载很低。           2)HBase是通过DFS client把数据写到HDFS上的           3)每一个HRegionServer有多个HRegion,每一个HRegion有多个Store,每一个Store对应一个列簇。           4)HFile是HBase中真正实际数据的存储格式,HFile是二进制格式文件,StoreFile就是对HFile进行了封装(其实就是一个东西),             然后进行数据的存储。           5)HStore由MemStore(只有一个)和StoreFile(多个)组成。           6)HLog记录数据的变更信息,用来做数据恢复。     3.Hbase 读写数据         1)Hbase 写数据流程             Client先访问zookeeper,然后找到meta表的数据,从meta表获取相应region信息,             根据namespace、表名和rowkey根据meta表的数据找到写入数据对应的region信息             找到对应的regionserver             把数据分别写到HLog和MemStore上一份             MemStore达到一个阈值后则把数据刷成一个StoreFile文件。(若MemStore中的数据有丢失,则可以总HLog上恢复)             当多个StoreFile文件达到一定的大小后,会触发Compact合并操作,合并为一个StoreFile,(这里同时进行版本的合并和数据删除。)             当StoreFile大小超过一定阈值后,会把当前的Region分割为两个(Split),并由Hmaster分配到相应的HRegionServer,实现负载均衡        2)HBase读数据流程             Client先访问zookeeper,从meta表读取region的位置,然后读取meta表中的数据。meta中又存储了用户表的region信息。             根据namespace、表名和rowkey在meta表中找到对应的region信息             找到这个region对应的regionserver             查找对应的region             先从MemStore找数据,如果没有,再到StoreFile上读(为了读取的效率)。 四、Hbase学习     1.HBase 数据模型         1.1.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:             1.通过单个row key访问             2.通过row key的range(正则)             3.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)         1.2.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。         1.3.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         1.4.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。     2. hbase命令         1)进入shell终端             hbase shell         2)退出             quit   Ctrl+C         3)创建表                         create 't_user','base_info','family'         4)添加数据                     put 't_user','rk001','base_info:name','zhangsan'         5)查看数据                     get 't_user','rk001','base_info:name'         6)查看所有表                     list         7)查看所有记录                 scan 't_user'         8)查看表中的记录总数                 count 't_user'         9)描述表                         describe 't_user'         10)删除记录                     delete 't_user'         11)清空表                         truncate 't_user'         12)删除一张表                     disable 't_user'----> drop 't_user'     3. 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。 五、使用javaApi开发Hbase

代码语言:javascript
复制
/**
 * hbase表的增删
 * @author hasee
 *
 */
public class TableAdmin {

    /**
     * 创建表
     * @throws Exception 
     */
    @Test
    public void testCreateTable() throws Exception{
        //创建一个连接
        //Hadoop里边的conf,会加载hdfs-site.xml  core-site.xml。mapred-site.xml   等配置文件 
        //Configuration conf = new Configuration();
        //加载hbash-site.xml和hadoop的文件
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "hadoop01:2181,hadoop02:2181,hadoop03:2181");
        Connection connection = ConnectionFactory.createConnection(conf); 
        //从连接中获取表管理对象
        Admin admin = connection.getAdmin();
        //表描述 表名
        HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf("t_people"));
        //列簇
        HColumnDescriptor descriptor2 = new HColumnDescriptor("base_info");
            descriptor2.setMaxVersions(3);
        HColumnDescriptor descriptor3 = new HColumnDescriptor("family");
        descriptor.addFamily(descriptor2);
        descriptor.addFamily(descriptor3);    
        //创建表
        admin.createTable(descriptor);
        
        
        //关闭资源
        admin.close();
        connection.close();
        
    }
    /**
     * 删除表
     * @throws Exception 
     */
    @Test
    public void deleteTable() throws Exception{
        
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "hadoop01:2181,hadoop02:2181,hadoop03:2181");
        Connection connection = ConnectionFactory.createConnection(conf); 
        //从连接中获取表管理对象
        Admin admin = connection.getAdmin();
        admin.disableTable(TableName.valueOf("t_people"));
        admin.deleteTable(TableName.valueOf("t_people"));
        
        System.out.println("删除成功");
        admin.close();
        connection.close();
    }
    
}

public class TableDataCURD1 {
    Table table;
    Connection connection;
    @Before
    public void init() throws Exception{
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "hadoop01:2181,hadoop02:2181,hadoop03:2181");
        connection = ConnectionFactory.createConnection(conf);
        table = connection.getTable(TableName.valueOf("t_people"));
    }
    /**
     * 添加数据
     * @throws Exception
     */
    @Test
    public void testPutDate() throws Exception{
        
        
        Put put = new Put(Bytes.toBytes("rk002"));
        put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("name"), Bytes.toBytes("lisi"));
        put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("18"));
        Put put2 = new Put(Bytes.toBytes("rk004"));
        put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("name"), Bytes.toBytes("lisi"));
        put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("18"));
        List<Put> list = new ArrayList<>();
        list.add(put);
        list.add(put2);
        table.put(list);
        table.close();
        connection.close();

    }
    /**
     * 删除数据
     * @throws Exception
     */
    @Test
    public void testdeleteDate() throws Exception{
        Delete del= new Delete(Bytes.toBytes("rk002"));
        table.delete(del);
    }
    @After
    public void last() throws Exception{
        table.close();
        connection.close();
    }

}
代码语言:javascript
复制
public class TableDataCURD2 {
    private Table table;
    
    @Before
    public void init() throws Exception{
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "192.168.1.3:2181,192.168.1.4:2181,192.168.1.5:2181");
        Connection connection = ConnectionFactory.createConnection(conf); 
        
        table = connection.getTable(TableName.valueOf("t_people"));
    }
    /**
     * 单行查询
     * @throws Exception 
     * @throws Exception 
     */
    @Test
    public void testQuery() throws Exception{
        Get get = new Get(Bytes.toBytes("rk001"));
        get.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
        Result result = table.get(get);
        byte[] value = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
        System.out.println(Bytes.toString(value));
        byte[] value2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
        System.out.println(Bytes.toString(value2));
    }
    
    /**
     * 多行查询
     * @throws Exception 
     */
    @Test
    public void teseScanDate() throws Exception{
        Scan scan = new Scan();
        ResultScanner scanner = table.getScanner(scan);
        for (Result result : scanner) {
            System.out.println(Bytes.toString(result.getRow()));
            byte[] bs = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
            System.out.println(Bytes.toString(bs));
            byte[] bs2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
            System.out.println(new String(bs2));
            System.out.println("-------------------------------------------------");
        }
    }
    
    /**
     * 列值过滤器
     * @throws Exception 
     */
    @Test
    public void scanData() throws Exception{
        Scan scan = new Scan();
        //列值过滤    参数:列簇名 列名  比较符  值
        SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("base_info"), Bytes.toBytes("name"), CompareOp.EQUAL, Bytes.toBytes("zhangsan"));
        scan.setFilter(filter);
        ResultScanner scanner = table.getScanner(scan);
        for (Result result : scanner) {
            System.out.println(Bytes.toString(result.getRow()));
            byte[] bs = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
            System.out.println(Bytes.toString(bs));
            byte[] bs2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
            System.out.println(new String(bs2));
        }
    }
    /**
     * 列名前置过滤器
     * @throws Exception 
     * @throws Exception
     */
    @Test
    public void testScanByColumn() throws Exception{
        Scan scan = new Scan();
        //列值过滤    参数:列簇名 列名  比较符  值
        ColumnPrefixFilter filter = new ColumnPrefixFilter(Bytes.toBytes("name"));
        scan.setFilter(filter);
        ResultScanner scanner = table.getScanner(scan);
        for (Result result : scanner) {
            System.out.println(Bytes.toString(result.getRow()));
            byte[] bs = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
            System.out.println(Bytes.toString(bs));
            //byte[] bs2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
            //System.out.println(new String(bs2));
        }
    }
    /**
     * 多个列名前置过滤器
     * @throws Exception 
     */
    @Test
    public void MultipleColumnPrefixFilter() throws Exception{
        Scan scan = new Scan();
        //列值过滤    参数:列簇名 列名  比较符  值
        byte[][] bytes = new byte[][]{Bytes.toBytes("name"),Bytes.toBytes("age")};
        MultipleColumnPrefixFilter filter = new org.apache.hadoop.hbase.filter.MultipleColumnPrefixFilter(bytes);
        scan.setFilter(filter);
        ResultScanner scanner = table.getScanner(scan);
        for (Result result : scanner) {
            System.out.println(Bytes.toString(result.getRow()));
            byte[] bs = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
            System.out.println(Bytes.toString(bs));
            byte[] bs2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
            System.out.println(new String(bs2));
        }
    }
    
    /**
     * rowkey过滤器
     * @throws Exception 
     * @throws Exception
     */
    @Test
    public void testRowKey() throws Exception{
        Scan scan = new Scan();
        //列值过滤    参数:列簇名 列名  比较符  值
        RowFilter filter = new RowFilter(CompareOp.NOT_EQUAL, new RegexStringComparator("^1234"));
        scan.setFilter(filter);
        ResultScanner scanner = table.getScanner(scan);
        for (Result result : scanner) {
            System.out.println(Bytes.toString(result.getRow()));
            byte[] bs = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("name"));
            System.out.println(Bytes.toString(bs));
            byte[] bs2 = result.getValue(Bytes.toBytes("base_info"), Bytes.toBytes("age"));
            System.out.println(new String(bs2));
        }
    }
    
    @After
    public void last() throws Exception{
        table.close();
    }
}
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018年09月27日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档