分布式NoSQL列存储数据库Hbase

Posted Maynor学长

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了分布式NoSQL列存储数据库Hbase相关的知识，希望对你有一定的参考价值。

文章目录

分布式NoSQL列存储数据库Hbase（六）

知识点01：回顾

  1. Hbase表的设计

    • Rowkey设计

      • 业务原则：将最常用的查询条件的字段作为Rowkey的前缀
      • 唯一原则：保证每一个Rowkey表示唯一的一条数据
      • 组合原则：尽量将常用的几个查询字段组合作为rowkey
      • 散列原则：构建不连续的Rowkey
        • 可以不连续字段作为前缀
        • 加密：编码规则：Md5
        • 反转
        • 添加随机值
      • 长度原则：保证业务前提，越短越好

    • 列族设计

      • 长度原则：名称没有别的意义，满足标识以后，越短越好

      • 个数原则：列族的个数不超过3个

        • 1个：如果列的个数比较少

        • 2个或者3个：如果列的个数达到30个及以上

  2. Hbase Java API

    • step1：构建连接

      Connection conn = ConnectionFactory.getConnect(Configuration)

    • step2：DDL

      • 构建admin

    • step3：DML

      • 构建Table对象

      • 写：Put

        Put put = new Put(rowkey)
put.addColumn(cf,col,value)
table.put(Put)

      • 读：Scan

        Scan scan = new Scan
//过滤器
rowkey范围：startrow和stoprow
rowkey前缀：PrefixFilter
列值过滤：SingleColumnValueFilter
列的过滤：MultipleColumnPrefixFilter
ResultScanner rsscan  = table.getScanner(Scan)  //多个rowkey数据的集合
for(Result rs: rsscan)
	//每个rowkey就是一个Result
	for(Cell cell：rs.rawCells)
		//每列的数据

知识点02：目标

  1. SQL on Hbase
    • 使用SQL语句来操作Hbase
      • Hbase不支持SQL接口
    • 额外的工具来实现
  2. Hive on Hbase【了解】
    • 使用Hive中的SQL语句来实现对Hbase数据的操作
    • 本质：通过MapReduce来实现读写Hbase
  3. Phoenix【重点】
    • 专门为Hbase所设计的一个工具
    • 本质：直接封装Hbase的JavaAPI来实现的
    • 功能、应用场景、基本原理、特点
    • 基本使用：语法【upsert、delete、select】

知识点03：SQL on Hbase

  • 问题

    • Hbase是列存储NoSQL，不支持SQL，开发接口不方便大部分用户使用，怎么办？

  • 分析

    • 应用场景：应用系统或者大数据存储系统

      • 大数据存储系统：大数据工程师

        • 利用Hbase来存储大量要分析处理的数据
        • 使用JavaAPI通过MapReduce或者通过Spark来实现数据的读写
          • Java
          • Scala

      • 应用系统：Java工程师、数据分析师

        • 利用Hbase来存储大量的商品数据、订单数据，来提供高性能的查询

      • 问题：Java人员不会Hbase Java API，对于数据库会JDBC

      • 解决：需要一个工具能让Hbase支持SQL，支持JDBC方式对Hbase进行处理

    • Hbase的结构是否能实现基于SQL的查询操作？

      • 普通表数据：按行操作

        id		name		age		sex		addr
001		zhangsan	18		null	shanghai
002		lisi		20		female	null
003		wangwu		null	male	beijing
……

      • Hbase数据：按列操作

        rowkey			cf1:id		cf1:name		cf1:age		cf2:sex		cf2:addr
zhangsan_001	001			zhangsan		18			null		shanghai
lisi_002		002			lisi			20			female		null
wangwu_003		003			wangwu			null		male		beijing
……

    • 可以基于Hbase数据构建结构化的数据形式

    • 可以用SQL来实现处理

  • 实现

    • 将Hbase表中每一行对应的所有列构建一张完整的结构化表
    • 如果这一行没有这一列，就补null
    • Hive：通过MapReduce来实现
    • Phoenix：通过Hbase API封装实现的

  • 总结

    • 原因：满足各种应用场景下，对于Hbase使用的方式，基于SQL方式会更加通用
    • 实现：将整张表的数据构建结构化形式，每一行没有列就补null
    • 原理：将SQL转换成了Hbase的客户端操作来实现的

知识点04：Hive on Hbase 介绍

  • 功能：实现Hive与Hbase集成，使用Hive SQL对Hbase的数据进行处理

  • 原理

    • Hive的功能：使用HQL对表的数据进行处理

      • 本质：通过MapReduce对HDFS中的文件进行处理

      • 原理

        • TextInputFormat：读文件

        • TextOutputFormat：写文件

    • MapReduce的功能：读取数据进行分布式计算

      • InputFormat：输入类

        • TextInputFormat：默认的输入类，用于读取文件系统
        • DBInputFormat：用于读取JDBC数据库
          • 实现Sqoop导入的：将mysql数据导入到Hive或者HDFS
        • TableInputFormat：用于读取Hbase数据

      • OutputFormat：输出类

        • TextOutputFormat：默认的输出类，用于将结果写入文件系统

        • DBOutputFormat：用于写入JDBC数据库

          • 实现Sqoop导出的：将HDFS数据写入MySQL

        • TableOutputFormat：用于写入HBase数据库

    • 原理：Hive可以通过MapReduce来实现映射读写Hbase表的数据

  • 特点

    • 优点：支持完善的SQL语句，可以实现各种复杂SQL的数据处理及计算，通过分布式计算程序实现，对大数据量的数据处理比较友好

    • 缺点：不支持二级索引，数据量不是特别大的情况下，性能一般

  • 应用

    • 基于大数据高性能的离线读写，并且使用SQL来开发

知识点05：Hive on Hbase 配置

  • 需求

    • 配置Hive与Hbase集成，实现Hive中可以读写Hbase表

  • 分析

    • step1：修改Hive配置文件，指定Hbase的Zookeeper地址
    • step2：按顺序启动HDFS、ZK、Hbase、Hive

  • 实现

    • 全部操作在第三台机器

    • 修改hive-site.xml：Hive通过SQL访问Hbase，就是Hbase的客户端，就要连接zookeeper

      cd /export/server/hive-2.1.0-bin/
vim conf/hive-site.xml

      <property>
	<name>hive.zookeeper.quorum</name>
	<value>node1,node2,node3</value>
</property>
 <property>
	<name>hbase.zookeeper.quorum</name>
	<value>node1,node2,node3</value>
</property>
<property>
    <name>hive.server2.enable.doAs</name>
    <value>false</value>
</property>

    • 修改hive-env.sh

      export HBASE_HOME=/export/server/hbase-2.1.0

    • 启动HDFS、ZK、Hbase：第一台机器

      start-dfs.sh
/export/server/zookeeper-3.4.6/bin/start-zk-all.sh
start-hbase.sh

    • 启动Hive和YARN：第三台机器

      #启动YARN
start-yarn.sh
#先启动metastore服务
start-metastore.sh 
#然后启动hiveserver
start-hiveserver2.sh
#然后启动beeline
start-beeline.sh

  • 总结

    • 先配置Hive的配置文件：添加Hbase的地址
    • 然后按照先后顺序启动即可

知识点06：Hive on Hbase 实现

  • 需求

    • 在Hive中实现对Hbase表的数据读写

  • 分析

    • step1：如果表在Hbase中没有，Hive中没有，在Hive中创建表，指定在Hbase中创建关联表
      • 场景比较少
      • 在Hive中建一张表，自动在Hbase中也创建一张对应的表
    • step2：如果表在Hbase中有，但是Hive中没有，Hive中创建一张外部表，关联Hbase表
      • 主要应用的方式
      • Hbase中的表已经存在，已经有数据，构建一张Hive关联表，使用SQL进行查询

  • 实现

    • 第三台机器测试

    • 如果Hbase中表不存在：【用的比较少】

      • 创建测试数据文件

        vim /export/data/hive-hbase.txt
1,zhangsan,80
2,lisi,60
3,wangwu,30
4,zhaoliu,70

      • 创建测试表

        --创建测试数据库
create database course;
--切换数据库
use course;
--创建原始数据表
create external table if not exists course.score(
id int,
cname string,
score int
) row format delimited fields terminated by ',' stored as textfile ;
--加载数据文件
load data local inpath '/export/data/hive-hbase.txt' into table score;

      • 创建一张Hive与HBASE的映射表

        create table course.hbase_score(
id int,
cname string,
score int
)  
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  
with serdeproperties("hbase.columns.mapping" = "cf:name,cf:score") 
tblproperties("hbase.table.name" = "hbase_score");

      • 将测试表的数据写入映射表

         set hive.exec.mode.local.auto=true;
 insert overwrite table course.hbase_score select id,cname,score from course.score;

    • 如果Hbase中表已存在，只能创建外部表

        create external table course.t1(
  key string,
  name string,
  age  string,
  addr string,
  phone string
  )  
  stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  
  with serdeproperties("hbase.columns.mapping" = ":key,basic:name,basic:age,other:addr,other:phone") 
  tblproperties("hbase.table.name" = "itcast:t1");

  • 总结

    • Hive中的只是关联表，并没有数据，数据存储在Hbase表中

  • 在Hive中创建Hbase的关联表，关联成功后，使用SQL处理关联表

    • 如果Hbase中表不存在，默认使用Hive的第一列作为rowkey
    • 如果Hbase中表已存在，只能建外部表，使用:key来表示rowkey
    • HIve中与Hbase关联的表，不能使用load加载，只能使用insert，通过MR读写数据

知识点07：二级索引问题

  • 问题

    • Hbase使用Rowkey作为唯一索引，需要构建二级索引来解决查询问题，如何构建二级索引以及维护索引表？

  • 分析

    • step1：基于存储和常用查询需求，构建数据表

    • step2：基于其他查询需求，构建索引表

    • step3：先查询索引表，再查询数据表

    • step4：自动维护索引表与原始数据表的数据一致性

  • 实现

    • 构建数据表

      rowkey:name_id			id			name			age			sex			addr
zhangsan_001			001			zhangsan		18			male		shanghai
lisi_002				002			lisi			18			female		beijing
zhangsan_003			003			zhangsan		20			male		
……

    • 构建索引表

      rowkey:id_name			col：原始数据表的rowkey
001_zhangsan			zhangsan_001
002_lisi				lisi_002
003_zhangsan			zhangsan_003
……

    • 查询：根据id查询

      • 先查询索引表，获取原表的Rowkey
      • 再根据原表Rowkey查询原表的数据

    • 维护

      • 当原表数据需要进行增删改时，索引表自动进行同步增删改对应的数据，保持一致性

    • 解决方案

      • 方案一：客户端操作实现

        put1
put2
table1.put(put1)
table2.put(put2)

      • 方案二：协处理器实现

        • 自己开发代码
        • 让Hbase监听原表，原表更改一条，Hbase自动对索引表更改一条
        • 缺点：开发比较麻烦

      • 方案三：第三方工具

        • Phoenix：将所有协处理器都封装好了

          • 支持SQL

          • 支持自动二级索引的构建及维护

            create index

  • 总结

    • 需求：必须根据不同的查询条件，创建不同的索引表，并且维护所有索引表与原始数据表的同步
    • 解决：通过Phoenix自带的协处理器来实现

知识点08：Phoenix的介绍

  • 功能

    • 专门基于Hbase所设计的SQL on Hbase 工具

    • 使用Phoenix实现基于SQL操作Hbase

    • 使用Phoenix自动构建二级索引并维护二级索引

  • 原理

    • 上层提供了SQL接口

      • 底层全部通过Hbase Java API来实现，通过构建一系列的Scan和Put来实现数据的读写

    • 功能非常丰富

      • 底层封装了大量的内置的协处理器，可以实现各种复杂的处理需求，例如二级索引等

  • 特点

    • 优点
      • 支持SQL接口
      • 支持自动维护二级索引
    • 缺点
      • SQL支持的语法不全面
      • Bug比较多
    • Hive on Hbase对比
      • Hive：SQL更加全面，但是不支持二级索引，底层通过分布式计算工具来实现
      • Phoenix：SQL相对支持不全面，但是性能比较好，直接使用HbaseAPI，支持索引实现

  • 应用

    • Phoenix适用于任何需要使用SQL或者JDBC来快速的读写Hbase的场景

    • 或者需要构建及维护二级索引场景

知识点09：Phoenix的安装配置

  • 需求

    • http://phoenix.apache.org/
    • 安装部署配置Phoenix，集成Hbase

  • 分析

    • step1：上传解压安装
    • step2：修改配置，指定Hbase连接地址
    • step3：启动Phoenix，连接Hbase

  • 实现

    • 下载：http://phoenix.apache.org/download.html

    • 第一台机器上传

      cd /export/software/
rz

    • 第一台机器解压

      tar -zxvf apache-phoenix-5.0.0-HBase-2.0-bin.tar.gz -C /export/server/
cd /export/server/
mv apache-phoenix-5.0.0-HBase-2.0-bin phoenix-5.0.0-HBase-2.0-bin

    • 修改三台Linux文件句柄数

      vim /etc/security/limits.conf
#在文件的末尾添加以下内容，*号不能去掉

* soft nofile 65536
* hard nofile 131072
* soft nproc 2048
* hard nproc 4096

    • 将Phoenix所有jar包分发到Hbase的lib目录下

      #拷贝到第一台机器
cd /export/server/phoenix-5.0.0-HBase-2.0-bin/
cp phoenix-* /export/server/hbase-2.1.0/lib/
cd /export/server/hbase-2.1.0/lib/
#分发给第二台和第三台
scp phoenix-* node2:$PWD
scp phoenix-* node3:$PWD

    • 修改hbase-site.xml，添加一下属性

      cd /export/server/hbase-2.1.0/conf/
vim hbase-site.xml

      <!-- 关闭流检查，从2.x开始使用async -->
<property>
    <name>hbase.unsafe.stream.capability.enforce</name>
    <value>false</value>
  </property>
<!-- 支持HBase命名空间映射 -->
<property>
    <name>phoenix.schema.isNamespaceMappingEnabled</name>
    <value>true</value>
</property>
<!-- 支持索引预写日志编码 -->
<property>
  <name>hbase.regionserver.wal.codec</name>
  <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
</property>
<!-- 配置NS映射 -->
<property>
  <name>phoenix.schema.isNamespaceMappingEnabled</name>
  <value>true</value>
</property>

    • 同步给其他两台机器

      scp hbase-site.xml node2:$PWD
scp hbase-site.xml node3:$PWD

    • 同步给Phoenix

      cp hbase-site.xml /export/server/phoenix-5.0.0-HBase-2.0-bin/bin/

    • 重启Hbase

      stop-hbase.sh
start-hbase.sh

    • 启动Phoenix

      cd /export/server/phoenix-5.0.0-HBase-2.0-bin/
bin/sqlline.py node1:2181

    • 测试

      !tables

  • 总结

    • 解压安装
    • 修改配置
    • 启动服务
    • 测试环境

知识点10：Phoenix的语法：DDL：NS

  • http://phoenix.apache.org/language/index.html

  • 需求

    • 实现基于SQL的数据库管理：创建、切换、删除

  • 分析

    • step1：创建Namespace
    • step2：切换Namespace
    • step3：删除Namespace

  • 实现

    • 创建NS

      create schema if not exists student;

    • 切换NS

      use student;

    • 删除NS

      drop schema if exists student;

  • 总结

    • 基本与SQL语法一致
    • 注意：Phoenix中默认会将所有字符转换为大写，如果想要使用小写字母，必须加上双引号

知识点11：Phoenix的语法：DDL：Table

  • 需求

    • 实现基于SQL的数据表管理：创建、列举、查看、删除

  • 分析

    • step1：列举当前所有的表
    • step2：创建表
    • step3：查询表信息
    • step4：删除表

  • 实现

    • 列举

      !tables

    • 创建

      • 语法：http://phoenix.apache.org/language/index.html#create_table

        CREATE TABLE my_schema.my_table (
    id BIGINT not null primary key, 
    date Date
);

CREATE TABLE my_table ( 
    id INTEGER not null primary key desc, 
    m.date DATE not null,
    m.db_utilization DECIMAL, 
    i.db_utilization
) m.VERSIONS='3';

CREATE TABLE stats.prod_metrics ( 
      host char(50) not null, 
      created_date date not null,
      txn_count bigint 
      CONSTRAINT pk PRIMARY KEY (host, created_date) 
  );

  CREATE TABLE IF NOT EXISTS "my_case_sensitive_table"( 
      "id" char(10) not null primary key, 
      "value" integer
  ) DATA_BLOCK_ENCODING='NONE',VERSIONS=5,MAX_FILESIZE=2000000 
  split on (?, ?, ?);


  CREATE TABLE IF NOT EXISTS my_schema.my_table (
      org_id CHAR(15), 
      entity_id CHAR(15), 
      payload binary(1000),
      CONSTRAINT pk PRIMARY KEY (org_id, entity_id) 
  ) TTL=86400

​

  • 如果Hbase中没有这个表

    use default;
create table if not exists ORDER_DTL(
    ID varchar primary key,
    C1.STATUS varchar,
    C1.PAY_MONEY float,
    C1.PAYWAY integer,
    C1.USER_ID varchar,
    C1.OPERATION_DATE varchar,
    C1.CATEGORY varchar
);

  • 如果Hbase中已存在会自动关联

    create table if not exists ORDER_INFO(
    "ROW" varchar primary key,
    "C1"."USER_ID" varchar,
    "C1"."OPERATION_DATE" varchar,
    "C1"."PAYWAY" varchar,
    "C1"."PAY_MONEY" varchar,
    "C1"."STATUS" varchar,
    "C1"."CATEGORY" varchar
) column_encoded_bytes=0 ;

    • 查看

      !desc order_info;

    • 删除

      drop table if exists order_dtl;

  • 总结

    • 创建表时，必须指定主键作为Rowkey，主键列不能加列族

    create table if not exists ORDER_INFO(
    –不能这么写
    “C1”.“ROW” varchar primary key,
    “C1”.“USER_ID” varchar,
    “C1”.“OPERATION_DATE” varchar,
    “C1”.“PAYWAY” varchar,
    “C1”.“PAY_MONEY” varchar,
    “C1”.“STATUS” varchar,
    “C1”.“CATEGORY” varchar
    ) column_encoded_bytes=0 ;

    • Phoenix 4.8版本之前只要创建同名的Hbase表，会自动关联数据

    • Phoenix 4.8版本以后，不推荐关联表的方式

      • 推荐使用视图关联的方式来实现，如果你要使用关联表的方式，必须加上以下参数
        column_encoded_bytes=0 ;
    ```

- 如果关联已存在的表，Rowkey字段叫做ROW，使用时必须加上双引号

    select “ROW”,“C1”.USER_ID,“C1”.“PAYWAY” from ORDER_INFO;

知识点12：Phoenix的语法：DML：upsert

列名数值描述
Rowkey02602f66-adc7-40d4-8485-76b5632b5b53行健，编码生成
USER_ID4944191用户id
OPERATION_DATE2020-04-25 12:09:16操作时间
PAYWAY1支付方式
PAY_MONEY4070支付金额
STATUS已提交提交状态
CATEGORY手机;分类

  • 需求

    • 基于order_info订单数据实现DML插入数据

  • 分析

    • Phoenix中插入更新的命令为：upsert

      • 功能：insert + update
        • MySQL：replace
        • 如果存在就更新，如果不存在就插入

    • 语法及示例

      UPSERT INTO TEST VALUES('foo','bar',3);
UPSERT INTO TEST(NAME,ID) VALUES('foo',123);
UPSERT INTO TEST(ID, COUNTER) VALUES(123, 0) ON DUPLICATE KEY UPDATE COUNTER = COUNTER + 1;
UPSERT INTO TEST(ID, MY_COL) VALUES(123, 0) ON DUPLICATE KEY IGNORE;

  • 实现

    • 插入一条数据

      upsert into order_info values('z8f3ca6f-2f5c-44fd-9755-1792de183845','4944191','2020-04-25 12:09:16','1','4070','未提交','电脑');

    • 更新USERID为123456

      upsert into order_info("ROW","USER_ID") values('z8f3ca6f-2f5c-44fd-9755-1792de183845','123456');

  • 总结

    • 语法类似于insert语法

    • 功能：insert + update

知识点13：Phoenix的语法：DML：delete

  • 需求

    • 基于order_info订单数据实现DML删除数据

  • 分析

    • Phoenix中插入更新的命令为：delete

    • 语法及示例

      DELETE FROM TEST;
DELETE FROM TEST WHERE ID=123;
DELETE FROM TEST WHERE NAME LIKE 'foo%';

  • 实现

    • 删除USER_ID为123456的rowkey数据

      delete from order_info where USER_ID = '123456';

  • 总结

    • 与MySQL是一致的

知识点14：Phoenix的语法：DQL：select

  • 需求

    • 基于order_info订单数据实现DQL查询数据

  • 分析

    • Phoenix中插入更新的命令为：select

    • 语法及示例

      SELECT * FROM TEST LIMIT 1000;
SELECT * FROM TEST LIMIT 1000 OFFSET 100;
SELECT full_name FROM SALES_PERSON WHERE ranking >= 5.0
    UNION ALL SELECT reviewer_name FROM CUSTOMER_REVIEW WHERE score >= 8.0

  • 实现

    • 查询支付方式为1的数据

      select "ROW",payway,pay_money,category from order_info where payway = '1';

    • 查询每种支付方式对应的用户人数，并且按照用户人数降序排序

      • 分组：每、各个、不同
      • 排序：用户人数
      select
  payway,
  count(distinct user_id) as numb
from order_info
group by payway 
order by numb desc;

    • 查询数据的第60行到66行

      --以前的写法：limit M,N
--M：开始位置
--N：显示的条数
--Phoenix的写法：limit N offset M
select * from order_info limit 6 offset 60;//总共66行，显示最后6行

    • 函数支持

      • http://phoenix.apache.org/language/functions.html

  • 总结

    • 基本查询与MySQL也是一致的
    • 写的时候注意数据类型以及大小写的问题即可
    • 如果遇到SQL报错，检查语法是否支持

知识点15：Phoenix的使用：预分区

  • 需求

    • Hbase命令建表

      create Ns;tbname,列族，预分区

    • 创建表的时候，需要根据Rowkey来设计多个分区

  • 分析

    • Phoenix也提供了创建表时，指定分区范围的语法

      CREATE TABLE IF NOT EXISTS "my_case_sensitive_table"( 
    "id" char(10) not null primary key, 
    "value" integer
)
DATA_BLOCK_ENCODING='NONE',VERSIONS=5,MAX_FILESIZE=2000000 split on (?, ?, ?)

  • 实现

    • 创建数据表，四个分区

      drop table if exists ORDER_DTL;
create table if not exists ORDER_DTL(
    "id" varchar primary key,
    C1."status" varchar,
    C1."money" float,
    C1."pay_way" integer,
    C1."user_id" varchar,
    C1."operation_time" varchar,
    C1."category" varchar
) 
CONPRESSION='GZ'
SPLIT ON ('3','5','7');

    • 插入数据

      UPSERT INTO "ORDER_DTL" VALUES('02602f66-adc7-40d4-8485-76b5632b5b53','已提交',4070,1,'4944191','2020-04-25 12:09:16','手机;');
UPSERT INTO "ORDER_DTL" VALUES('0968a418-f2bc-49b4-b9a9-2157cf214cfd','已完成',4350,1,'1625615','2020-04-25 12:09:37','家用电器;;电脑;');
UPSERT INTO "ORDER_DTL" VALUES('0e01edba-5e55-425e-837a-7efb91c56630','已提交',6370,3,'3919700','2020-04-25 12:09:39','男装;男鞋;');
UPSERT INTO "ORDER_DTL" VALUES('0f46d542-34cb-4ef4-b7fe-6dcfa5f14751','已付款',9380,1,'2993700','2020-04-25 12:09:46','维修;手机;');
UPSERT INTO "ORDER_DTL" VALUES('1fb7c50f-9e26-4aa8-a140-a03d0de78729','已完成',Day26:分布式NoSQL列存储数据库HBASE
      

       分布式NoSQL列存储数据库Hbase
      

       为啥说hbase是一个面向列的数据库
      

       Hbase介绍
      

       分布式NoSQL列存储数据库HbaseHbase的功能与应用场景基本设计思想
      

       Hbase基本架构及原理