HadoopC#操作Hbase

Posted 2022-05-06 dotNET跨平台

Hbase

Hbase是一种NoSql模式的数据库，采用了列式存储。而采用了列存储天然具备以下优势：

1. 可只查涉及的列，且列可作为索引，相对高效

2. 针对某一列的聚合及其方便

3. 同一列的数据类型一致，方便压缩

同时由于列式存储将不同列分开存储，也造成了读取多列效率不高的问题

LSM Tree

说到HBase，我们不得不说其采用的LSM Tree。我们都知道关系数据库中常用的B+Tree，叶子节点有序，但写入时可能存在大量随机写入，因此形成了其读快写慢的特点。

而HBase采用了LSM Tree，在读写之间寻找了平衡，损失了部分读取的性能，实现了快速的写入。LSM具体实现如下：

1. 写入WAL日志中（防止数据丢失），同时数据写入内存中，内存中构建一个有顺序的树，HBase采用跳表结构。

2. 随着内存中数据逐渐增大，内存中flush到磁盘，形成一个个小树。

3. 磁盘中的小树存在数据冗余，且查询时遍历多个小树效率低，LSM定期合并，实现数据合并，而合并的时候，会对数据重新排序，优化读取性能。

HBase架构

HBase中三个核心的Server形成其分布式存储架构。

1. RegionServer：负责客户端读写请求，客户端直接与其通信

2. HBaseMaser：负责维护RegionServer；表结构的维护

3. Zookeeper：维护集群状态

HBase读写操作步骤

1. 客户端从zookeeper获取哪台RegionServer存储MetaTable（一张特殊表，存储了所有region信息）。

2. 客户端查询MetaTable所在的RegionServer，获取哪台RegionServer应负责此次操作的rowKey

3. 客户端访问对应的RegionServer实现数据读取

RegionServer的组成

1. WAL：Write Ahead Log，用于存储写操作的日志，用于故障恢复

2. BlockCache：读缓存，用于缓存最常访问数据

3. MemStore：写缓存，会定期flush到磁盘

4. HFile：在HDFS上存储数据，以有序keyvalue形式存储

HBase存储机制

1. 表是行的集合。

2. 行是列家族的集合。

3. 列家族是列的集合。

4. 列是键值对的集合。

HBase安装

1.下载Hbase2.4.11

https://hbase.apache.org/downloads.html

2.解压

tar -zxvf hbase-2.4.11-bin.tar.gz

3.修改环境变量

cat conf/hbase-env.sh
export JAVA_HOME=/usr/local/java18/jdk1.8.0_331/

4.修改hbase存储位置

cat conf/hbase-site.xml
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
<property>
   <name>hbase.rootdir</name>
   <value>hdfs://localhost:9000/hbase</value>
</property>

5.启动Hbase

./bin/start-hbase.sh

6.验证Hbase

http://192.168.43.50:16010/master-status

7.停止Hbase

./bin/stop-hbase.sh

HBase Shell访问HBase

官方文档：https://hbase.apache.org/book.html#shell

1.进入shell

./bin/hbase shell

2.查看表

hbase:001:0> list

3.创建表

#create ‘<table name>’,’<column family>’


hbase:001:0> create 'emp', 'personal data', 'professional data'
Created table emp
Took 3.4810 seconds
=> Hbase::Table - emp

4.创建/更新数据

#put ‘table name’,’row ’,'Column family:column name',’new value’


hbase:001:0> put 'emp','1','personal data:name','raju'
Took 1.1807 seconds

5.查看数据

hbase:001:0> scan 'emp'
ROW                                                    COLUMN+CELL
 1                                                     column=personal data:name, timestamp=2022-05-02T09:55:38.861, value=raju
1 row(s)
Took 1.1758 seconds

#get ’<table name>’,’row1’
hbase:002:0>  get 'emp', '1'
COLUMN                                                 CELL
 personal data:name                                    timestamp=2022-05-02T09:55:38.861, value=raju
1 row(s)
Took 1.3090 seconds

6.删除数据

#delete ‘<table name>’, ‘<row>’, ‘<column name >’, ‘<time stamp>’


hbase:001:0> deleteall 'emp','1'
Took 0.9424 seconds

C#访问Hbase

C#访问Hbase可以根据thrift文件自己生成响应rpc client代码，通过rpc方式访问。

https://github.com/apache/hbase/tree/master/hbase-thrift/src/main/resources/org/apache/hadoop/hbase

也可以启动rest server通过微软的Microsoft.Hbase.Client访问，我们这次使用rest方式访问。

1.启动与关闭rest server

./bin/hbase-daemon.sh start rest
./bin/hbase-daemon.sh stop rest

可通过访问http://192.168.43.50:8080/version/cluster验证rest是否启动成功

2.新增console项目，引入Microsoft.Hbase.Client包

https://github.com/hdinsight/hbase-sdk-for-net

3.编写测试demo

using Microsoft.HBase.Client;
using Microsoft.HBase.Client.LoadBalancing;
using org.apache.hadoop.hbase.rest.protobuf.generated;


var scanOptions = RequestOptions.GetDefaultOptions();
scanOptions.Port = 8080;
scanOptions.AlternativeEndpoint = "/";
var nodeIPs = new List<string>();
nodeIPs.Add("192.168.43.50");
var client = new HBaseClient(null, scanOptions, new LoadBalancerRoundRobin(nodeIPs));
var version = client.GetVersionAsync().Result;
Console.WriteLine(version);


var testTableSchema = new TableSchema();
testTableSchema.name = "mytablename";
testTableSchema.columns.Add(new ColumnSchema()  name = "d" );
testTableSchema.columns.Add(new ColumnSchema()  name = "f" );
client.CreateTableAsync(testTableSchema).Wait();

通过hbase shell验证表是mytablename否创建成功

hbase:001:0> list
TABLE
emp
mytablename

关注我获取技术分享