云计算复习索引

Posted 2022-06-08 PushyTao

每晚睡前复习一个题，云计算必高分过系列
为了提高学习效率，这里搬个友链

这里写目录标题

• 以下所有内容可能有误，请自行甄别
• 一. HBase && Spark
• • 1. HBase
  • • ① Shell
    • ② IDE 下 CRUD
  • 2. Spark（Shell下）
  • • ①从外部数据源创建DataFrame
    • ②根据JSON数据转化为二维表
    • ③Spark SQL
    • ④DataFrame基本操作
• 二
• 三

以下所有内容可能有误，请自行甄别

一. HBase && Spark

1. HBase

启动集群后：

① Shell

1. 建表
   create用来建表
   create "apple","base_info"
   其中，apple为表名，base_info为列族，列族至少有一个
   
   查看所创建的表：
   
2. 插入数据
   put 命令用来插入
   put "apple","0001","base_info:weight","89"

其中apple为表名，0001为行键，base_info为列族（必须是已经创建了的），weight为列名，89为具体的值

其余可参考：

在上图中，在创建表的时候，可以用命令：
create "Student","Stuinfo","Grades"
列族是可以后续添加的，比如：
alter "apple","extra_info"
再插入数据：
put "apple","0001","extra_info:grade","good"

然后继续插入信息可以查看到更新后的表信息：

3. 浏览数据
   get命令可以用来获取表中的数据
   get "apple","0001"
   其中，apple为表名，0001为行键
   可以看见：

scan "apple"用来获取所有的信息
apple为表名

在结果中我们可以看到两部分
第一部分是：ROW为0001
第二部分是：COLUMN（包含列的名字列族:列名的形式）+CELL（时间戳和值）
指定获取某个值：
get "apple","0001","base_info:weight"
其中，apple为表名，0001为行键，base_info为列族，weight为列名

4. 分析
   HBase的插入和删除操作与关系型数据库(e.g. mysql)的区别 感觉必考

插入的区别（个人总结，可能不对）：
HBase一次只能插入一个表一个列族某单元格的数据，插入时自动加时间戳。而MySQL再插入的过程中，不会自动加时间戳，而且必须要严格按照表的结构来进行插入，也就说在MySQL中是没有办法通过列来进行插入的，但是HBase是可以的（HBase插入要提供表名、行键的名称、列族和列的名称，列名是临时定义的，列族里的列可以随意扩展，极大程度上扩大了数据的存储结构，这也决定了HBase适合大数据的存储、具有高效性的特点）。
在执行的插入命令方面，HBase通过命令put来进行插入，而MySQL通过insert命令来进行插入。
底层方面：在MySQL（不仅仅是MySQL，是包括MySQL所有的关系型数据库）的底层方面，是通过关系代数的运算来实现的，而HBase操作则不存在复杂的表与表之间的关系，只有简单的插入、查询、删除、清空等。

删除的区别（来自网络 && 个人总结）：

1. 删除的方式不同
   HBase不会定位到需要删除或更新的记录进行操作。由于HBase底层依赖HDFS，对于HBase删除操作来说，HBase无法在查询到之前的数据并进行修改，只能顺序读写，追加记录。为了更新或删除数据，HBase会插入一条一模一样的新的数据，但是key type会标记成Delete状态，以标记该记录被删除了。在读取的时候如果取到了是Delete，而且时间是最新的，那么这条记录肯定是被删掉了，从而达到删除的目的。
   对于关系型数据库来说，进行删除会直接将二维表中的某一行删除掉
2. 删除的粒度不同
   在HBase中进行删除的时候，如果使用命令delete ，可以从表中删除一个单元格或一个行集，语法与 put 类似，必须指明表名和列族名称，而列名和时间戳是可选的。删除的粒度可以是单元格或者是一个行集，要想删除一整个数据，要使用deleteall(原因是：delete 命令不能跨列族操作，如需删除表中所有列族在某一行上的数据，即删除上表中一个逻辑行，则需要使用 deleteall 命令，不需要指定列族和列的名称，只需要指定表明和行键即可)；但是在关系型数据库中，不能够删除一个单元格，在关系型数据库中删除的最小粒度是行，即二维表中的一整条数据。
   3.使用的命令不同
   在关系型数据库中（以MySQL为例），可以使用delete或者是truncate 进行删除，前者可以根据一定的条件进行删除，而后者是删除整个表。在HBase中，删除的命令是delete 和 deleteall，前者用于删除单元格或者是行集（在某一个列组内删除），后者是删除整个逻辑行（跨越列族的限制）

② IDE 下 CRUD

给定JSON or XML数据
比如：

或者是：

或者是xml格式：

转换为二维表就是：

1. 连接数据库

public static void getConnect() throws IOException

		conf.set("hbase.zookeeper.quorum", "master315");
		conf.set("hbase.zookeeper.property.clientPort", "2181");
		//conf.set("zookeeper.znode.parent", "/hbase");
		try connection=ConnectionFactory.createConnection(conf);  
		catch(IOException e)     

其中master315为主机名
2. 创建表

//创建一张表，通过HBaseAdmin HTableDescriptor来创建  
public static void createTable(String tablename) throws Exception 
    TableName tableName = TableName.valueOf(tablename);
    Admin admin = connection.getAdmin();
    if (admin.tableExists(tableName)) 
        admin.disableTable(tableName);
        admin.deleteTable(tableName);
        System.out.println(tablename + " table Exists, delete ......");
    
    @SuppressWarnings("deprecation")
    HTableDescriptor desc = new HTableDescriptor(tableName);
    @SuppressWarnings("deprecation")
    HColumnDescriptor colDesc = new HColumnDescriptor("base_info");
    colDesc.setBloomFilterType(BloomType.ROWCOL);
    desc.addFamily(colDesc);
    desc.addFamily(new HColumnDescriptor("extra_info"));
    admin.createTable(desc);
    admin.close();
    System.out.println("create table success!");

3. 插入数据

public static void addData(String tablename) throws Exception 
	        HTable table = (HTable) connection.getTable(TableName.valueOf(tablename));
	        Put p1 = new Put(Bytes.toBytes("0001"));
	        p1.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("weight"), Bytes.toBytes(String.valueOf(89)));
	        p1.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("caption"), Bytes.toBytes("GuoGuang"));
	        p1.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("production"), Bytes.toBytes("LongKou"));
	        p1.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("grade"), Bytes.toBytes("good"));
	        table.put(p1);

	        Put p2 = new Put(Bytes.toBytes("0002"));
	        p2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("weight"), Bytes.toBytes(String.valueOf(50)));
	        p2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("caption"), Bytes.toBytes("HongFuShi"));
	        table.put(p2);
	        
	        table.close();
	        System.out.print("insert successed");
	        

shell可查：

4. 浏览全部信息
   因为已知插入了两行，所以代码直接for i到2：
   此代码普适性不够高，但是适合浏览以某一个字符串开头比如"000"开头的row key或者是某一个单独的行

public static void getData(String tablename) throws IOException 
        HTable table = (HTable) connection.getTable(TableName.valueOf(tablename));
        for (int i = 1; i <= 2; i++) 
            Get get = new Get(Bytes.toBytes("000" + String.valueOf(i)));
            Result result = table.get(get);
            if (result != null && !result.isEmpty()) 
                for (Cell cell : result.listCells()) 
                    String family = Bytes.toString(cell.getFamilyArray(), cell.getFamilyOffset(), cell.getFamilyLength());
                    String key = Bytes.toString(cell.getQualifierArray(), cell.getQualifierOffset(), cell.getQualifierLength());
                    String value = Bytes.toString(cell.getValueArray(), cell.getValueOffset(), cell.getValueLength());
                    System.out.println(family + "  " + key + ": " + value);
                
            
            System.out.println("");
        
    

如果说在事先不知道有多少行的情况下，建议采用下面的方法：

public static void getAllRows(String tableName) throws IOException 
		HTable table = (HTable) connection.getTable(TableName.valueOf(tableName));
		Scan scan = new Scan();
		ResultScanner resultScanner = table.getScanner(scan);
		for(Result result : resultScanner)
			Cell[] cells = result.rawCells();
			for(Cell cell : cells) 
				System.out.println("Row Key: " + Bytes.toString(CellUtil.cloneRow(cell)));
				System.out.println("Column Family: " + Bytes.toString(CellUtil.cloneFamily(cell)));
				System.out.println("Column: " + Bytes.toString(CellUtil.cloneQualifier(cell)));
				System.out.println("Calue :" + Bytes.toString(CellUtil.cloneValue(cell)) + "\\n\\n");
			
		
	

结果如下图：

2. Spark（Shell下）

①从外部数据源创建DataFrame

②根据JSON数据转化为二维表

③Spark SQL

④DataFrame基本操作

二

三