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.shexport JAVA_HOME=/opt/jdkexport HBASE_MANAGES_ZK=false #不使用hbase自带的zookeeperexport 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 regionserversuplooking03uplooking04uplooking05
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@Testpublic 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