HBase笔记整理
Posted
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笔记整理相关的知识，希望对你有一定的参考价值。
[TOC]HBase笔记整理（二）
逻辑结构
RowKey第一位
ColumnFamily
ColumnQuiauer
value(TimeStamps)
Cell物理结构
HMaster ----->NameNode
管理节点，用于管理HBase中的Table和Region的结构操作，比如用户增、删、修改表的操作。
在HBase集群中，可以启动多个HMaster，但是只能有一个HMaster属于Active的状态，通过ZooKeeper和其它standby状态的HMaster进程完成，一个状态的切换，或者选举。
我们可以使用HMaster的shutdown放关闭整个集群，在关闭整个集群的时候，需要向通知HRegionServer进行关闭，并反馈给HMaster，HMaster才自行关闭。HRegionServer----->DataNode
存放Region的服务器，需要在HMaster进行注册，如此才能在HMaster中对其进行管理，在HBase集群中，可以部署多个HRegionServerRegion
存储的是一张表的一个特定的Region数据，包含了一部分行的所有的列，region通过table和对应行健rowkey来定义，在region级别
添加一个锁的唯一的目的，就是挡在执行其它操作的时候，阻止region被关闭，以及split。每一行的操作，都需要在执行过程中获得一个row所和region的读锁。HRegion
存放hbase中数据的一个概念，可以简单的理解为表的一个分区，存放一张表中的一部分数据，当该region中的数据超过一定量的时候，会自动进行分裂，
分裂成两个region(一分为二)，从这个角度上而言，Region是对hbase中表的一个横向的划分。
每一个HRegion有多个HStore组成，每一个HRegion是一张表中所有的列做成部分数据（也就是说部分记录），每一个region都有一个startKey和endKey一些配置参数说明：
<property>
<name>hbase.hregion.max.filesize</name>
<value>10737418240</value>
<description>
Maximum HStoreFile size. If any one of a column families‘ HStoreFiles has
grown to exceed this value, the hosting HRegion is split in two.</description>
</property>
hregion最大的大小，当一个region中的storeFile增长到10G的时候，split一分为二
手动将一个表今次那个region的切分，使用命令split ‘table‘/‘region‘, ‘splitKey‘ startKey和endKey
假设，我一张表里面有100条记录，我要把它分别存放到10个region里面，又因为存放在hbase里面的数据都是有序的，是能够进行一个高速随机读写的，
也就是说有序能够保证我的快读，就需要能够通过rowkey，快速的定位到当前记录在哪一个region里面，然后当定位到region之后，再去扫描当前region，获取数据，
为了满足于此，我们就对这些region进行划分，编号，也是为了方便管理。这里每一个region的范围：[startKey, endKey),需要注意一定最后一个region的endkey是需要被包含进去的。
region 0 [null, 10)
region 1 [10, 20)
region 2 [20, 30)
region ... ...
region 9 [90, null]
将HRegion数据从memstore中手动刷新到磁盘中，使用命令flush ‘table‘/‘region‘
手动将一个表今次那个region的切分，使用命令split ‘table‘/‘region‘, ‘splitKey‘HStore
每一个HRegion由多一个HStore来组成，一个HStore对应HRegion中的一个列族，一个HStore有一个MemStore和一个系列StoreFiles组成。
HStore级别不会持有锁，以及事务，锁和事务在更高一个级别或者说HRegion持有的，
HStore最核心的一个service就是合并memstore刷新到到磁盘里面的storefiles，
把多个storefiles合并成为一个storefile，写到hdfs里面，写到hdfs里面的文件称之为hfile。
在写的过程中，唯一设计到hlog的部分就是关于hlog日志的重建的过程，当hstore将用户提交的数据最终写到了hdfs之后，会反馈给hlog，
将hlog里面冗余的数据删除掉。
hbase.hstore.compactionThreshold=3，当hstore个数超过3个之后就要开启hstore合并的工作
Compaction：
minor compaction(小合并):
就是将多个HFile合并成为一个大的HFile，然后对之前的HFile做清除处理。
常见的会在执行删除数据的动作、以及达到hbase.hstore.compactionThreshold触发条件的时候发生，
删除数据：不会立即删除，做一个标记(标记删除)，等到执行合并操作的时候，才进行数据的处理。
major compaction(大合并):
将一个列族中的所有的HFile合并成为一个HFile，然后对之前的HFile做清除处理。
大合并非常消耗性能，非常耗时，不建议操作，当然是直接可以在shell执行操作的。一些配置属性的说明如下：
<property>
<name>hbase.hstore.compactionThreshold</name>
<value>3</value>
<description>
If more than this number of HStoreFiles in any one HStore
(one HStoreFile is written per flush of memstore) then a compaction
is run to rewrite all HStoreFiles files as one. Larger numbers
put off compaction but when it runs, it takes longer to complete.
</description>
</property>
<property>
<name>hbase.server.compactchecker.interval.multiplier</name>
<value>1000</value>
<description>The number that determines how often we scan to see if compaction is necessary.
Normally, compactions are done after some events (such as memstore flush), but if
region didn‘t receive a lot of writes for some time, or due to different compaction
policies, it may be necessary to check it periodically. The interval between checks is
hbase.server.compactchecker.interval.multiplier multiplied by
hbase.server.thread.wakefrequency.
</description>
</property>
<property>
<name>hbase.hregion.majorcompaction</name>
<value>604800000</value> 7天
<description>The time (in miliseconds) between ‘major‘ compactions of all
HStoreFiles in a region. Default: Set to 7 days. Major compactions tend to
happen exactly when you need them least so enable them such that they run at
off-peak for your deploy; or, since this setting is on a periodicity that is
unlikely to match your loading, run the compactions via an external
invocation out of a cron job or some such.</description>
</property>
<property>
<name>hbase.hstore.blockingStoreFiles</name>
<value>10</value>
<description>
If more than this number of StoreFiles in any one Store
(one StoreFile is written per flush of MemStore) then updates are
blocked for this HRegion until a compaction is completed, or
until hbase.hstore.blockingWaitTime has been exceeded.</description>
</property>
<property>
<name>hbase.hstore.compaction.max</name>
<value>10</value>
<description>Max number of HStoreFiles to compact per ‘minor‘ compaction. </description>
</property> MemStore
注意：在memstore写的过程中，必须不能是多线程的(并行)调用的，hstore在调用的过程中必须持有一个读锁和写锁
在写的过程中，预先数据在memstore中进行排序，因为数据最终是有序存放，当memstore中的数据量超过阈值之后就会刷新到磁盘文件storefile中。配置参数如下：
<property>
<name>hbase.hregion.memstore.flush.size</name>
<value>134217728</value>
<description>
Memstore will be flushed to disk if size of the memstore
exceeds this number of bytes. Value is checked by a thread that runs
every hbase.server.thread.wakefrequency.</description>
</property> StoreFile
最终保存HStore数据的文件，数据是由MemStore不断向磁盘刷新过程中产生的，当storefile达到一定量的时候，会将这些storefile组成一个storefiles。
这个storefiles有可能持有其他store里面的storefile。HFile
在hdfs上存放数据之前的一个物理结构，用于接收从客户端提交过来的数据。
HFile中的数据都Key-Value键值对儿的方式存储，并且key和value都是字节数组。并且因为数据已经在memstore中排序过了，在hfile中也是有序的。
hfile同时是由一个个的block来组成的，最终k-v实际上是在这一个个的block中的，block的推荐的大小在8k~1M之间，默认大小65536byte-->16kb。
每一个block都有索引，没有hfile有由索引
官方建议：
blocksize在8k~1M之间，默认是64k
如果执行顺序读的操作，建议将blocksize调大一点点，这个会影响随机访问的效率
如果执行随机读的操作，建议将blocksize调小一点点，用默认就可以了
在扫描全表数据的时候，一定要指定start key和end key，不然容易操作OOM异常总结
HRegionServer
|---一个HLog
|---多个HRegion（一张表对应多个HRegion，是对hbase表的一个横向的划分）
|---多个HStore(一个HStore对应一个列族，反之一个列族对应多个HStore，列族是对HBase表的纵向的划分)
|--一个MemStore
|--多个StoreFile
HFile
|---多个data block
HBase如何做到高速随机读？
rowkey---->region
先到memstore中去找，如果有，则直接取出<rowkey, <cf, <col, <ts, value>>>>
如果没有，则就去在hfile中找，通过索引定位到具体的block，然后遍历该block块，找到相应的数据
--------------------------------------------------------------------------
把在想memstore写数据的过程中，同时向hlog中写数据的这种解决问题的方式称之为SLM-Tree(Structure Log merge tree)
这种数据结构和B-Tree有些类似，也是引自于Google BigTable行健的设计问题
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（以存放在mr中电信日志案例为例）
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----->"maxRowLength"
cf2----->"mrl"
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。
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。Hive整合HBase
启动hive，进入hive的终端：
/home/uplooking/app/hive/bin/hive --auxpath /home/uplooking/app/hive/lib/hive-hbase-handler-2.1.0.jar,/home/uplooking/app/hive/lib/zookeeper-3.4.6.jar --hiveconf hbase.master=uplooking01:16010 --hiveconf hbase.zookeeper.quorum=uplooking01,uplooking02,uplooking03在Hive里面操作HBase
创建一张表：
hbase不存在该表的情况
如果hbase中不存在该表我们只能在hive中使用创建内部表的方式，来创建一张表，同会在hbase中也会创建相关的表。
eg.
create table h2hb_1(
id int,
name string,
age int
)row format delimited
fields terminated by ‘,‘
stored by ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler‘ with serdeproperties (
"hbase.columns.mapping" = ":key,cf:name,cf:age",
"hbase.table.name" = "t"
);
在hive中创建了一张表h2hb_1，有三列内容id, name,age,同时映射到hbase中的表t，其中id对应行健
name对应hbase中列族cf中的name，age同理尝试向表中导入数据，会报下面的错误：
hive (mydb1)> load data local inpath ‘stu.txt‘ into table h2hb_1;
FAILED: SemanticException [Error 10101]: A non-native table cannot be used as target for LOAD所以创建了一张临时表并导入数据：
hive (mydb1)> create temporary table tmp(
> id int,
> name string,
> age int)row format delimited
> fields terminated by ‘,‘;
OK
Time taken: 0.104 seconds
hive (mydb1)> load data local inpath ‘stu.txt‘ into table tmp;
Loading data to table mydb1.tmp
OK
Time taken: 0.408 seconds最后通过查询的方式向其插入数据：
hive (mydb1)> insert into h2hb_1 select * from tmp;
...
2018-03-24 01:09:47,267 Stage-0 map = 0%, reduce = 0%
2018-03-24 01:09:59,883 Stage-0 map = 100%, reduce = 0%, Cumulative CPU ...
Time taken: 32.315 seconds可以看到会启动一个MR的任务。
hbase存在该表的情况
如果使用上述建表语句创建的时候，则会报错，因为在hbase中已经存在了一张表为t，所以这时只能创建外部表去映射hbase中的一张表。
create external table h2hb_2
(id int,
name string,
age int
)row format delimited
fields terminated by ‘,‘
stored by ‘org.apache.hadoop.hive.hbase.HBaseStorageHandler‘ with serdeproperties (
"hbase.columns.mapping" = ":key,cf:name,cf:age",
"hbase.table.name" = "t"
);Phoenix整合HBase
安装Phoenix
约定安装到/home/uplooking/app目录下面
解压：
[[email protected] ~]$ tar -zxvf soft/phoenix-4.7.0-HBase-1.1-bin.tar.gz -C app/
重命名 [[email protected] ~]$ mv app/phoenix-4.7.0-HBase-1.1-bin/ app/phoenix
拷贝lib目录下面jar包到regionserver机器的lib($HBASE_HOME/lib)目录
[[email protected] phoenix]$ scp *.jar [email protected]:/home/uplooking/app/hbase/lib/
[[email protected] phoenix]$ scp *.jar [email protected]:/home/uplooking/app/hbase/lib/
重启regionserver
hbase-daemon.sh stop regionserver
hbase-daemon.sh start regionserver
将phoenix中的client拷贝到hbase的client中,重启master
p[[email protected] phoenix]$ cp phoenix-4.7.0-HBase-1.1-client.jar /home/uplooking/app/hbase/lib/
hbase-daemon.sh stop master
hbase-daemon.sh start master
官网测试案例：
http://phoenix.apache.org/Phoenix-in-15-minutes-or-less.html
./psql.py uplooking01:2181 us_population.sql us_population.csv us_population_queries.sql在cli中使用Phoenix
./sqlline.py uplooking01:2181:/hbase查询操作：
0: jdbc:phoenix:uplooking01:2181:/hbase> !tables
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| TABLE_CAT | TABLE_SCHEM | TABLE_NAME | TABLE_TYPE | REMARKS | TYPE_NAME | SELF_REFERENCING_COL_NAME |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| | SYSTEM | CATALOG | SYSTEM TABLE | | | |
| | SYSTEM | FUNCTION | SYSTEM TABLE | | | |
| | SYSTEM | SEQUENCE | SYSTEM TABLE | | | |
| | SYSTEM | STATS | SYSTEM TABLE | | | |
| | | US_POPULATION | TABLE | | | |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
0: jdbc:phoenix:uplooking01:2181:/hbase> select * from US_POPULATION;
+--------+---------------+-------------+
| STATE | CITY | POPULATION |
+--------+---------------+-------------+
| AZ | Phoenix | 1461575 |
| CA | Los Angeles | 3844829 |
| CA | San Diego | 1255540 |
| CA | San Jose | 912332 |
| IL | Chicago | 2842518 |
| NY | New York | 8143197 |
| PA | Philadelphia | 1463281 |
| TX | Dallas | 1213825 |
| TX | Houston | 2016582 |
| TX | San Antonio | 1256509 |
+--------+---------------+-------------+
10 rows selected (0.138 seconds)创建表与插入数据：
0: jdbc:phoenix:uplooking01:2181:/hbase> create table p1(id integer not null primary key, name varchar(20), age integer);
No rows affected (2.351 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> !tables
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| TABLE_CAT | TABLE_SCHEM | TABLE_NAME | TABLE_TYPE | REMARKS | TYPE_NAME | SELF_REFERENCING_COL_NAME |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| | SYSTEM | CATALOG | SYSTEM TABLE | | | |
| | SYSTEM | FUNCTION | SYSTEM TABLE | | | |
| | SYSTEM | SEQUENCE | SYSTEM TABLE | | | |
| | SYSTEM | STATS | SYSTEM TABLE | | | |
| | | P1 | TABLE | | | |
| | | US_POPULATION | TABLE | | | |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
0: jdbc:phoenix:uplooking01:2181:/hbase> !describe p1;
+------------+--------------+-------------+--------------+------------+------------+--------------+--------------+
| TABLE_CAT | TABLE_SCHEM | TABLE_NAME | COLUMN_NAME | DATA_TYPE | TYPE_NAME | COLUMN_SIZE | BUFFER_LENGT |
+------------+--------------+-------------+--------------+------------+------------+--------------+--------------+
| | | P1 | ID | 4 | INTEGER | null | null |
| | | P1 | NAME | 12 | VARCHAR | 20 | null |
| | | P1 | AGE | 4 | INTEGER | null | null |
+------------+--------------+-------------+--------------+------------+------------+--------------+--------------+
0: jdbc:phoenix:uplooking01:2181:/hbase> upsert into p1 values(1, ‘zhangsan‘,13);
1 row affected (0.13 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> upsert into p1 values(2, ‘lisi‘,14);
1 row affected (0.019 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> select * from p1;
+-----+-----------+------+
| ID | NAME | AGE |
+-----+-----------+------+
| 1 | zhangsan | 13 |
| 2 | lisi | 14 |
+-----+-----------+------+
2 rows selected (0.066 seconds)可以看到，我们创建的表p1，在实际创建时，会变成大写的P1，在hbase中查看：
hbase(main):004:0> scan ‘P1‘
ROW COLUMN+CELL
\x80\x00\x00\x01 column=0:AGE, timestamp=1521827542938, value=\x80\x00\x00\x0D
\x80\x00\x00\x01 column=0:NAME, timestamp=1521827542938, value=zhangsan
\x80\x00\x00\x01 column=0:_0, timestamp=1521827542938, value=x
\x80\x00\x00\x02 column=0:AGE, timestamp=1521827553065, value=\x80\x00\x00\x0E
\x80\x00\x00\x02 column=0:NAME, timestamp=1521827553065, value=lisi
\x80\x00\x00\x02 column=0:_0, timestamp=1521827553065, value=x
2 row(s) in 0.0410 seconds可以看到列族也默认为0，可以尝试下面的方式来创建表：
0: jdbc:phoenix:uplooking01:2181:/hbase> create table "p2"(id varchar(100000) primary key, "cf"."name" varchar(20), "cf"."age" varchar(100));
No rows affected (1.288 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> !tables
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| TABLE_CAT | TABLE_SCHEM | TABLE_NAME | TABLE_TYPE | REMARKS | TYPE_NAME | SELF_REFERENCING_COL_NAME |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
| | SYSTEM | CATALOG | SYSTEM TABLE | | | |
| | SYSTEM | FUNCTION | SYSTEM TABLE | | | |
| | SYSTEM | SEQUENCE | SYSTEM TABLE | | | |
| | SYSTEM | STATS | SYSTEM TABLE | | | |
| | | P1 | TABLE | | | |
| | | US_POPULATION | TABLE | | | |
| | | p2 | TABLE | | | |
+------------+--------------+----------------+---------------+----------+------------+---------------------------+
0: jdbc:phoenix:uplooking01:2181:/hbase> upsert into "p2" values(‘1‘,‘zhangsan‘,‘13‘);
1 row affected (0.061 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> upsert into "p2" values(‘2‘,‘lisi‘,‘14‘);
1 row affected (0.015 seconds)
0: jdbc:phoenix:uplooking01:2181:/hbase> select * from "p2";
+-----+-----------+------+
| ID | name | age |
+-----+-----------+------+
| 1 | zhangsan | 13 |
| 2 | lisi | 14 |
+-----+-----------+------+
2 rows selected (0.055 seconds)这样创建的表就为小写的了，同时在hbase中查看也可以看到列族：
hbase(main):006:0> scan ‘p2‘
ROW COLUMN+CELL
1 column=cf:_0, timestamp=1521827723448, value=x
1 column=cf:age, timestamp=1521827723448, value=13
1 column=cf:name, timestamp=1521827723448, value=zhangsan
2 column=cf:_0, timestamp=1521827735556, value=x
2 column=cf:age, timestamp=1521827735556, value=14
2 column=cf:name, timestamp=1521827735556, value=lisi
2 row(s) in 0.0390 secondsPhoenix客户端工具操作
安装squirrel-sql-3.7-standard.jar
java -jar squirrel-sql-3.7-standard.jar然后就可以进行安装。
添加HBase驱动
使用squirrel-sql添加一个驱动，其属性值可为如下：
Name：hbase
Example URL：jdbc:phoenix:uplooking01,uplooking02,uplooking03:2181
Class Name：org.apache.phoenix.jdbc.PhoenixDriver
驱动可以到phoenix目录下找到：phoenix-4.7.0-HBase-1.1-client.jar，然后添加即可创建连接
选择驱动为前面创建的驱动，然后用户名和密码都为uplooking
这样之后就可以像使用navicat管理mysql数据库一样，比较方便。
以上是关于HBase笔记整理的主要内容，如果未能解决你的问题，请参考以下文章