HBase详解
Posted 阿德小仔
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HBase详解相关的知识,希望对你有一定的参考价值。
目录
第 1 章:HBase 简介
1.1 HBase 定义
HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库。1.2 HBase 数据模型
逻辑上, HBase 的数据模型同关系型数据库很类似,数据存储在一张表中,有行有列。但从 HBase 的底层物理存储结构( K-V )来看, HBase 更像是一个 multi-dimensional map。 1.2.1 HBase 逻辑结构 1.2.2 HBase 物理存储结构 1.2.3 数据模型 1 ) Name Space 命名空间,类似于关系型数据库的 DatabBase 概念,每个命名空间下有多个表。 HBase有两个自带的命名空间,分别是 hbase 和 default , hbase 中存放的是 HBase 内置的表, default 表是用户默认使用的命名空间。 2 ) Region 类似于关系型数据库的表概念。不同的是, HBase 定义表时只需要声明 列族 即可,不需要声明具体的列。这意味着,往 HBase 写入数据时,字段可以 动态 、 按需 指定。因此, 和关系型数据库相比,HBase 能够轻松应对字段变更的场景。 3 ) Row HBase 表中的每行数据都由一个 RowKey 和多个 Column (列) 组成,数据是按照RowKey 的 字典顺序存储 的,并且查询数据时只能根据 RowKey 进行检索,所以 RowKey的设计十分重要。 4 ) Column HBase 中的每个列都由 Column Family( 列族 ) 和 Column Qualifier (列限定符) 进行限定,例如 info : name , info : age 。建表时,只需指明列族,而列限定符无需预先定义。 5 ) Time Stamp 用于标识数据的不同版本(version),每条数据写入时,如果不指定时间戳,系统会自动为其加上该字段,其值为写入 HBase 的时间。 6 ) Cell 由 rowkey, column Family : column Qualifier, time Stamp 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。1.3 HBase 基本架构
架构角色: 1 ) Region Server Region Server 为 Region 的管理者,其实现类为 HRegionServer ,主要作用如下: ①对于数据的操作: get, put, delete ; ②对于 Region 的操作: splitRegion 、 compactRegion 。 2 ) Master Master 是所有 Region Server 的管理者,其实现类为 HMaster ,主要作用如下: ①对于表的操作: create, delete, alter ②对于 RegionServer 的操作:分配 regions 到每个 RegionServer ,监控每个 RegionServer的状态,负载均衡和故障转移。 3 ) Zookeeper HBase 通过 Zookeeper 来做 Master 的高可用、 RegionServer 的监控、元数据的入口以及集群配置的维护等工作。 4 ) HDFS HDFS 为 HBase 提供最终的底层数据存储服务,同时为 HBase 提供高可用的支持。第 2 章:HBase 快速入门
2.1 HBase 安装部署
2.1.1 Zookeeper 正常部署 首先保证 Zookeeper 集群的正常部署,并启动之:[root@master zookeeper]# bin/zkServer.sh start [root@node1 zookeeper]# bin/zkServer.sh start [root@node2 zookeeper]# bin/zkServer.sh start2.1.2 Hadoop 正常部署 Hadoop 集群的正常部署并启动:
[root@master hadoop]# sbin/start-all.sh2.1.3 HBase 的解压 解压 Hbase 到指定目录:
[root@master package]# tar -zxvf hbase-1.4.6-bin.tar.gz -C /usr/local/soft/2.1.4 HBase 的配置文件 修改 HBase 对应的配置文件。 1 ) hbase-env.sh 修改内容:
export JAVA_HOME=/usr/local/soft/jdk1.8.0_171 export HBASE_MANAGES_ZK=false2 ) hbase-site.xml 修改内容:
<configuration> <property> <name>hbase.rootdir</name> <value>hdfs://master:9000/HBase</value> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!-- 0.98 后的新变动,之前版本没有 .port, 默认端口为 60000 --> <property> <name>hbase.master.port</name> <value>16000</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>master,node1,node2</value> </property> <property> <name>hbase.zookeeper.property.dataDir</name> <value>/usr/local/soft/hbase/zkData</value> </property> </configuration>3 ) regionservers :
master node1 node24 )软连接 hadoop 配置文件到 HBase :
[root@master soft]# ln -s /usr/local/soft/hadoop-2.7.6/etc/hadoop/core-site.xml /usr/local/soft/hbase/conf/core-site.xml [root@master soft]# ln -s /usr/local/soft/hadoop-2.7.6/etc/hadoop/hdfs-site.xml /usr/local/soft/hbase/conf/hdfssite.xml2.1.5 HBase 远程发送到其他集群
[root@master soft]# scp -r hbase node1:`pwd` [root@master soft]# scp -r hbase node2:`pwd`2.1.6 HBase 服务的启动 1 .启动方式
[root@master hbase]# bin/hbase-daemon.sh start master [root@master hbase]# bin/hbase-daemon.sh start regionserver提示: 如果集群之间的节点时间不同步,会导致 regionserver 无法启动,抛出 ClockOutOfSyncException 异常。 修复提示: ①百度, linux 时间同步 ②属性: hbase.master.maxclockskew 设置更大的值
<property> <name>hbase.master.maxclockskew</name> <value>180000</value> <description>Time difference of regionserver from master</description> </property>2 .启动方式 2
[root@master hbase]# bin/start-hbase.sh对应的停止服务:
[root@master hbase]# bin/stop-hbase.sh2.1.7 查看 HBase 页面 启动成功后,可以通过“host:port”的方式来访问 HBase 管理页面,例如:
http://master:16010
2.2 HBase Shell 操作
2.2.1 基本操作 1 .进入 HBase 客户端命令行[root@master hbase]# bin/hbase shell2 .查看帮助命令
hbase(main):001:0> help3 .查看当前数据库中有哪些表
hbase(main):002:0> list2.2.2 表的操作 1 .创建表
hbase(main):002:0> create 'student','info'2 .插入数据到表
hbase(main):003:0> put 'student','1001','info:sex','male' hbase(main):004:0> put 'student','1001','info:age','18' hbase(main):005:0> put 'student','1002','info:name','Janna' hbase(main):006:0> put 'student','1002','info:sex','female' hbase(main):007:0> put 'student','1002','info:age','20'3 .扫描查看表数据
hbase(main):008:0> scan 'student' hbase(main):009:0> scan 'student',STARTROW => '1001', STOPROW => '1001' hbase(main):010:0> scan 'student',STARTROW => '1001'4 .查看表结构
hbase(main):011:0> describe ‘student’5 .更新指定字段的数据
hbase(main):012:0> put 'student','1001','info:name','Nick' hbase(main):013:0> put 'student','1001','info:age','100'6 .查看“指定行”或“指定列族 : 列”的数据
hbase(main):014:0> get 'student','1001' hbase(main):015:0> get 'student','1001','info:name'7 .统计表数据行数
hbase(main):021:0> count 'student'8 .删除数据 删除某 rowkey 的全部数据:
hbase(main):016:0> deleteall 'student','1001'删除某 rowkey 的某一列数据:
hbase(main):017:0> delete 'student','1002','info:sex'9 .清空表数据
hbase(main):018:0> truncate 'student'提示:清空表的操作顺序为先 disable ,然后再 truncate 。 10 .删除表 首先需要先让该表为 disable 状态:
hbase(main):019:0> disable 'student'然后才能 drop 这个表:
hbase(main):020:0> drop 'student'提示:如果直接 drop 表,会报错: ERROR: Table student is enabled. Disable it first. 11 .变更表信息 将 info 列族中的数据存放 3 个版本:
hbase(main):022:0> alter 'student',NAME=>'info',VERSIONS=>3 hbase(main):022:0> get 'student','1001',COLUMN=>'info:name',VERSIONS=>3
第 3 章 HBase 进阶
3.1 架构原理
1 ) StoreFile 保存实际数据的物理文件, StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或多个 StoreFile ( HFile ),数据在每个 StoreFile 中都是有序的。 2 ) MemStore 写缓存,由于 HFile 中的数据要求是有序的,所以数据是先存储在 MemStore 中,排好序后,等到达刷写时机才会刷写到 HFile ,每次刷写都会形成一个新的 HFile 。 3 ) WAL 由于数据要经 MemStore 排序后才能刷写到 HFile ,但把数据保存在内存中会有很高的概率导致数据丢失,为了解决这个问题,数据会先写在一个叫做 Write-Ahead logfile 的文件中,然后再写入MemStore 中。所以在系统出现故障的时候,数据可以通过这个日志文件重建。3.2 写流程
写流程: 1 ) Client 先访问 zookeeper ,获取 hbase:meta 表位于哪个 Region Server 。 2 )访问对应的 Region Server , 获取 hbase:meta 表 , 根据读请求的namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache ,方便下次访问。 3 )与目标 Region Server 进行通讯; 4 )将数据顺序写入(追加)到 WAL ; 5 )将数据写入对应的 MemStore ,数据会在 MemStore 进行排序; 6 )向客户端发送 ack ; 7 )等达到 MemStore 的刷写时机后,将数据刷写到 HFile 。3.3 MemStore Flush
MemStore 刷写时机: 1. 当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size (默认值 128M ) ,其所在 region 的所有 memstore 都会刷写 。 当 memstore 的大小达到了: hbase.hregion.memstore.flush.size (默认值 128M ) hbase.hregion.memstore.block.multiplier (默认值 4 ) 时,会阻止继续 往该 memstore 写数据。 2. 当 region server 中 memstore 的总大小达到: java_heapsize *hbase.regionserver.global.memstore.size (默认值 0.4 ) *hbase.regionserver.global.memstore.size.lower.limit (默认值 0.95 ) region 会按照其所有 memstore 的大小顺序(由大到小)依次进行刷写。直到 region server 中所有 memstore 的总大小减小到上述值以下。 当 region server 中 memstore 的总大小达到 java_heapsize*hbase.regionserver.global.memstore.size (默认值 0.4 )时,会阻止继续往所有的 memstore 写数据。 3. 到达自动刷写的时间,也会触发 memstore flush 。自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval (默认 1 小时)。 4. 当 WAL 文件的数量超过 hbase.regionserver.max.logs , region 会按照时间顺序依次进行刷写,直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下( 该属性名已经废 弃,现无需手动设置,最大值为 32 )。3.4 读流程
读流程 1 ) Client 先访问 zookeeper ,获取 hbase:meta 表位于哪个 Region Server 。 2 )访问对应的 Region Server , 获 取 hbase:meta 表 , 根据读请求的namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache ,方便下次访问。 3 )与目标 Region Server 进行通讯; 4 )分别在 Block Cache (读缓存), MemStore 和 Store File ( HFile )中查询目标数据,并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本(time stamp)或者不同的类型(Put/Delete)。 5 ) 将从文件中查询到的数据块( Block , HFile 数据存储单元,默认大小为 64KB )缓存到 Block Cache 。 6 )将合并后的最终结果返回给客户端。3.5 StoreFile Compaction
由于 memstore 每次刷写都会生成一个新的 HFile ,且同一个字段的不同版本(timestamp) 和不同类型(Put/Delete)有可能会分布在不同的 HFile 中,因此查询时需要遍历所有的HFile。为了减少 HFile 的个数,以及清理掉过期和删除的数据,会进行 StoreFile Compaction 。Compaction 分为两种,分别是 Minor Compaction 和 Major Compaction 。 Minor Compaction 会将临近的若干个较小的 HFile 合并成一个较大的 HFile ,但 不会清理过期和 删除的数据 。Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile ,并且 会清 理掉过期和删除的数据 。3.6 Region Split
默认情况下,每个 Table 起初只有一个 Region ,随着数据的不断写入, Region 会自动进行拆分。刚拆分时,两个子 Region 都位于当前的 Region Server ,但处于负载均衡的考虑, HMaster 有可能会将某个 Region 转移给其他的 Region Server 。 Region Split 时机: 1. 当 1 个 region 中的某个 Store 下所有 StoreFile 的总大小超 hbase.hregion.max.filesize ,该 Region 就会进行拆分(0.94 版本之前)。 2. 当 1 个 region 中的某个 Store 下所有 StoreFile 的总大小超过 Min(R^2*"hbase.hregion.memstore.flush.size",hbase.hregion.max.filesize"),该 Region 就会进行拆分,其中 R 为当前 Region Server 中属于该 Table 的个数(0.94 版本之后)。第 4 章 HBase API
4.1 环境准备
新建项目后在 pom.xml 中添加依赖:<!-- https://mvnrepository.com/artifact/org.apache.zookeeper/zookeeper --> <dependency> <groupId>org.apache.zookeeper</groupId> <artifactId>zookeeper</artifactId> <version>3.4.1</version> </dependency> <!--hbase--> <dependency> <groupId>org.apache.hbase</groupId> <artifactId>hbase-client</artifactId> <version>1.4.6</version> </dependency>
4.2 HBaseAPI
4.2.1 获取 Configuration 对象public static Configuration conf; static // 使用 HBaseConfiguration 的单例方法实例化 conf = HBaseConfiguration.create(); conf.set("hbase.zookeeper.quorum", "192.168.152.100"); conf.set("hbase.zookeeper.property.clientPort", "2181");4.2.2 判断表是否存在
public static boolean isTableExist(String tableName) throws MasterNotRunningException, ZooKeeperConnectionException, IOException // 在 HBase 中管理、访问表需要先创建 HBaseAdmin 对象 //Connection connection = ConnectionFactory.createConnection(conf); //HBaseAdmin admin = (HBaseAdmin) connection.getAdmin(); HBaseAdmin admin = new HBaseAdmin(conf); return admin.tableExists(tableName);4.2.3 创建表
public static void createTable(String tableName, String... columnFamily) throws MasterNotRunningException, ZooKeeperConnectionException, IOException HBaseAdmin admin = new HBaseAdmin(conf); // 判断表是否存在 if(isTableExist(tableName)) System.out.println(" 表 " + tableName + " 已存在 "); //System.exit(0); else // 创建表属性对象 , 表名需要转字节 HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf(tableName)); // 创建多个列族 for(String cf : columnFamily) descriptor.addFamily(new HColumnDescriptor(cf)); // 根据对表的配置,创建表 admin.createTable(descriptor); System.out.println(" 表 " + tableName + " 创建成功! ");4.2.4 删除表
public static void dropTable(String tableName) throws MasterNotRunningException, ZooKeeperConnectionException, IOException HBaseAdmin admin = new HBaseAdmin(conf); if(isTableExist(tableName)) admin.disableTable(tableName); admin.deleteTable(tableName); System.out.println(" 表 " + tableName + " 删除成功! "); else System.out.println(" 表 " + tableName + " 不存在! ");4.2.5 向表中插入数据
public static void addRowData(String tableName, String rowKey, String columnFamily, String column, String value) throws IOException // 创建 HTable 对象 HTable hTable = new HTable(conf, tableName); // 向表中插入数据 Put put = new Put(Bytes.toBytes(rowKey)); // 向 Put 对象中组装数据 put.add(Bytes.toBytes(columnFamily), Bytes.toBytes(column), Bytes.toBytes(value)); hTable.put(put); hTable.close(); System.out.println(" 插入数据成功 ");4.2.6 删除多行数据
public static void deleteMultiRow(String tableName, String... rows) throws IOException HTable hTable = new HTable(conf, tableName); List<Delete> deleteList = new ArrayList<Delete>(); for(String row : rows) Delete delete = new Delete(Bytes.toBytes(row)); deleteList.add(delete); hTable.delete(deleteList); hTable.close();4.2.7 获取所有数据
public static void getAllRows(String tableName) throws IOException HTable hTable = new HTable(conf, tableName); // 得到用于扫描 region 的对象 Scan scan = new Scan(); // 使用 HTable 得到 resultcanner 实现类的对象 ResultScanner resultScanner = hTable.getScanner(scan); for(Result result : resultScanner) Cell[] cells = result.rawCells(); for(Cell cell :以上是关于HBase详解的主要内容,如果未能解决你的问题,请参考以下文章