Hbase的基本操作

姜同学

发布于 2022-10-27 16:39:01

1.1K0

发布于 2022-10-27 16:39:01

文章被收录于专栏：姜同学姜同学

一.概述

HBase 是一个构建在 Hadoop 文件系统之上的面向列的数据库管理系统。

要想明白为什么产生 HBase，就需要先了解一下 Hadoop 存在的限制？Hadoop 可以通过 HDFS 来存储结构化、半结构甚至非结构化的数据，它是传统数据库的补充，是海量数据存储的最佳方法，它针对大文件的存储，批量访问和流式访问都做了优化，同时也通过多副本解决了容灾问题。

但是 Hadoop 的缺陷在于它只能执行批处理，并且只能以顺序方式访问数据，这意味着即使是最简单的工作，也必须搜索整个数据集，无法实现对数据的随机访问。实现数据的随机访问是传统的关系型数据库所擅长的，但它们却不能用于海量数据的存储。在这种情况下，必须有一种新的方案来解决海量数据存储和随机访问的问题，HBase 就是其中之一 (HBase，Cassandra，couchDB，Dynamo 和 MongoDB 都能存储海量数据并支持随机访问)。

基本概念

RowKey(行键)

相当于RDBMS中的主键创建表时不需要指定行键，添加数据时指定

Column Family(列族)

创建表时需要指定列族，理论上列族的数量不受限制，实际开发中建议不超过三个

Column(列)

建表时无需指定，添加数据时可以自动增删

cell(单元)

如何锁定HBase中的一条数据? 行键+列族+列+时间戳每一条数据都在这个单元中默认只获取最后一个版本的数据

namespace(名称空间)

相当于RDBMS中的数据库建表时如果不指定名称空间则使用默认的defult名称空间

基本命令

#建立集群连接
start-hbase.sh
#创建客户端连接
hbase shell
#查看状态
status
#获取帮助
help
#查看版本
version

#创建person表（规定指定一个列族，理论上列族不限制数量）
create 'person' ,'basic' , 'other'
#向person表中添加name列值为jmy(添加数据需要指定行键)
put 'person','p1','basic:name','jmy'
#修改person表中p1的name值为jjj
put 'person','p1','basic:name','jjj'
#查看person表中p1的name值
get 'person','p1','basic:name'
#查看person表中所有数据
scan 'person'
#查看person表中basic和other列族中所有的值
scan 'person',{COLUMNS=>['basic','other']}
#查看person表中name和addr的值
scan 'person', {COLUMNS=>['basic:name','other:addr']}
#删除person表中行键为p1列族basic列name的值
delete 'person','p1','basic:name'
#删除person表中行键为p1的所有列
deleteall 'person','p1'
#禁用person表（删除表之前需要先禁用表）
disable 'person'
#删除person表
drop 'person'
#查看所有表
list
#查看所有名称空间
list_namespace
#创建person名称空间
create_namespace 'person'
#创建person名称空间下的teacher表
create 'person:teacher','name'
#查看person名称空间下的表
list_namespace_tables 'person'
#删除person名称空间（要求person名称空间为空）
drop_namespace person

基本理论

存储结构

HBase中表的数据按行键分类存在不同的HRegion中
HRegion和HDFS中的datanode处于同一个节点
因为行键的字典序排序规则，所以HRegion中的数据不会出现交叉
存在不同的HRegion中是为了分布式管理
HRegion中存在多个HStore
HStore的数量由列族的数量决定,一个HStore中存在一个列族的数据
一个HRegion如果超过指定大小（默认10G）则会进行切分
每一个HStore中都包含0~多个HFile/StoreFile，最终会落地到HDFS上所以HBase也具备副本策略

HMaster

HBase也是主从结构
HBase的主节点叫做HMaster
HMaster中管理这HBase的元数据

HMaster不存在单点故障，是因为可以在任意一个节点上利用 sh hbase-daemon.sh start master启动一个HMasterZookeeper会监听HMaster的active和backup节点完成故障转移当出现多个HMaster时，启动顺序决定了他们的角色，先启动的是actice后启动的是backup节点。

虽然HMaster的数量不受限制，但是HMaster之间要进行热备,为了减少节点间的资源消耗，所以建议HMaster的数量不超过3个。
HMaster通过向Zookeeper发送心跳传递节点状态，心跳间隔为180s.实际过程中会将这个时间缩短到10s-30s HMaster的职责： a.管理HRegionServer b.管理表结构（DDL而不是DML）

zookeeper的作用

HBase在第一次启动的时候会在zookeeper上注册一个持久节点/hbaseHMaster启动之后会在zookeeper上注册一个/hbase/master临时节点，后续的backup节点也会在被注册的/hbase/backup-masters节点管理起来。

zookeeper会监控/hbase/master节点的状态，如果Active节点宕机了，zookeeper会从/hbase/backup-masters节点中挑选一个节点成为Activezookeeper也会监控/hbase/backup-masters状态以确保热备数据。

HRegionServer在启动的时候也会在/hbase/rs节点下来注册临时子节点

HRegionServer

  HRegionServer是用来管理HRegion的，官方数据表明一个HRegionServer
可以管理个HRegion
  HRegionServer和datanode部署在同一个节点
HRegionServer的构造
  
  a.WAL(write ahead log)
  HBase在进行写操作的时候会将写操作先记录到WAL上，记录成功之后才
会写入memStore中
  WAL是维系在磁盘中的
  
  b.blockcache(读缓存)
  在进行读操作的时候会先读取blockcache，blockcache的默认大小是
128MB,维系在内存中
  blockcache具有局限性
  时间局限性：一条数据在被读取之后，HBase认为这条数据在下一次被
读取的概率大于其他数据，就会被放入到blockcache中。
  空间局限性:一条数据被读取之后，他周围的数据HBase认为下次读取的
概率大于其他数据，周围的数据就会被放入到blockcache中
  blockcache的清理采用LRU策略
  
  c.HRegion
  HRegion由memStore和到多个HFile/storeFile组成
  memStore:memStore是一块写缓存，写入数据之后会先将数据保存到
写缓存中，默认大小为128MB并且维系在内存中。
  memStore满足指定条件之后会冲刷成为HFile:
  i.memStore达到指定容量
  ii.WAL达到1G之后会冲刷memStore和产生新的HFile
  iii.WAL和所有的memStore所占的内存超过了物理内存的%，会冲刷
  较大的memStore。