大数据技术分享：Hbase精解

为什么有hbase?hbase是什么?Hbase的架构。

　　一、 为什么有hbase?

　　数据量越来越大，传统的关系型数据库不能满足存储和查询的需求。而hive虽然能满足存储的要求，但是hive不能满足非结构化、半结构化数据的存储和查询。

　　二、hbase是什么?

　　hbase是一个开源的、分布式的、多版本的、可扩展的非关系型数据库。hbase是bigtable的开源java版本，建立在hdfs之上，提供高可靠性的、高性能、列式存储、可伸缩、实时读写的nosql数据库系统。适用的场景如：需要对海量非结构化的数据进行存储。

　　需要随机近实时的读写管理数据。

　　三、hbase的架构

　　client\zookeeper\hmaster\

　　hregionserver\hlog\hregion\memstore\storefile\hfile

　　client：hbase的客户端，包含访问hbase的接口(linux shell 、java api)

　　client维护一些cache来加快访问hbase的速度，比如region的位置信息。

　　zookeeper：监控hmaster的状态，保证有些仅有一个active的hmaster，达到高可用。存储所有region的寻址入口，--root表在那台服务器上。实时监控hregionserver的状态，将regionserver的上下线信息实时通知给hmaster。存储hbase的所有表的信息(hbase的元数据)

　　hmaster：(hbase的老大)为regionserver分配region(新建表等)。负责regionserver的负载均衡。负责region的重新分配(hregionserver异常、hregion裂变)。hdfs上的垃圾文件回收。处理schema的更新请求。

　　hregionserver：(hbase的小弟)hregionserver维护master分配给他的region(管理本机器上region)。处理client对这些region的IO请求，并和hdfs进行交互

　　region server负责切分在运行过程中变大的region。

　　hlog：对hbase的操作进行记录，使用WAL写数据，优先写入log，然后再写入memstore，以防数据丢死可以进行回滚。

　　hregion：hbase中分布式存储和负载均衡的最小单元，表或者表的一部分。

　　store：相当于一个列簇。

　　memstore：128M内存缓冲区，用于将数据批量刷新到hdfs上。

　　hstorefile(hfile)：hbase中的数据是以hfile的形式存储在hdfs上。

　　各组件间的数量关系：

　　hmaster:hregionserver=1:n

　　hregionserver:hregion=1:n

　　hregionserver:hlog=1:1

　　hregion:hstore=1:n

　　store:memstore=1:1

　　store:storefile=1:n

　　storefile:hfile=1:1

　　hbase关键字词：

　　rowkey:行键，和mysql的主键是一样的，不允许重复，有顺序。

　　columnfamily:列簇(列的集合)。

　　column:列。

　　timestamp:时间戳，默认显示最新的时间戳。

　　version:版本号。

　　cell:单元格。

　　四、hbase和hadoop的关系

　　hbase是基于hadoop：hbase的存储依赖于hdfs。具体说hbase的特点：

　　模式：无模式。

　　数据类型：单一 byte[]。

　　多版本：每个值都可以有多个版本。

　　列式存储：一个列簇存储到一个目录。

　　稀疏存储：如果key-value为null，则将不占用存储空间。

　　再说hbase的安装：

　　1、standalone模式

　　1)解压并配置环境变量

　　tar -zxvf hbase-1.2.1-bin.tar.gz -C /usr/local

　　cd /usr/local

　　vi /etc/profile

　　source /etc/profile

　　2)测试hbase的安装

　　hbase version

　　配置hbase的配置文件

　　vi conf/hbase-env.sh

　　JAVA_HOME

　　注意：

　　# Configure PermSize. Only needed in JDK7. You can safely remove it for JDK8+

　　export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"。

　　export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"。

　　vi hbase-site.xml

　　hbase.rootdir

　　file:///usr/local/hbasedata

　　hbase.zookeeper.property.dataDir

　　/usr/local/zookeeperdata

　　启动hbase服务：

　　bin/start-hbase/sh

　　启动客户端：

　　bin/hbase shell

　　2、伪分布式

　　3、全分布式

　　解压并配置环境变量

　　配置hbase的配置文件

　　vi conf/hbase-env.sh

　　export HBASE_MANAGES_ZK=false

　　vi regionservers

　　vi backup-masters

　　vi hbase-site.xml

　　hbase.cluster.distributed

　　true

　　hbase.rootdir

　　hdfs://qianfeng/hbase

　　hbase.zookeeper.property.dataDir

　　/usr/local/zookeeperdata

　　hbase.zookeeper.quorum

　　hadoop05:2181,hadoop06:2181,hadoop07:2181

　　注意：

　　如果hdfs是高可用的，要讲hadoop下的core-site.xml和hdfs-site.xml copy到hbase/conf目录下。

　　分发：

　　scp -r hbase-1.2.1 root@hadoop06:$PWD

　　scp -r hbase-1.2.1 root@hadoop07:$PWD

　　启动：

　　1)启动zk

　　2)启动hdfs

　　3)启动hbase

　　hbase集群的时间必须同步。

　　hmaster：16010

　　hregionserver：16030

　　hbase的shell操作

　　help

　　help "COMMAND"

　　help "COMMAND_GROUP"

　　列举出当前namespace下的所有表

　　list

　　创建表：

　　create 'test','f1', 'f2'

　　namespace：

　　hbase没有库的概念，但是有名称空间或者组的概念，namespace相当于(库)

　　hbase默认有两个组：

　　default：

　　hbase：

　　列举出所有的namespcae：

　　list_namespace

　　list_namespace_tables 'hbase'

　　create_namespace 'ns1'

　　describe_namespace 'ns1'

　　alter_namespace 'ns1', {METHOD => 'set', 'NAME' => 'gjz1'}

　　alter_namespace 'ns1', {METHOD => 'unset', NAME => 'NAME'}

　　drop_namespace 'ns1' ###只能删除一个空的namespace

　　DDL:

　　Group name: ddl

　　Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all, enable, enable_all, exists, get_table, is_disabled, is_enabled, list, locate_region, show_filters

　　创建表：

　　create 'test','f1', 'f2'

　　create 'ns1:t_userinfo',{NAME=>'base_info',BLOOMFILTER => 'ROWCOL',VERSIONS => '3'}

　　create 'ns1:t1', 'f1', SPLITS => ['10', '20', '30', '40'] --事先分配好region所管辖的rowkey的范围。

　　修改表：(有则更新，无则新增)

　　alter 'ns1:t_userinfo',{NAME=>'extra_info',BLOOMFILTER => 'ROW',VERSIONS => '2'}

　　alter 'ns1:t_userinfo',{NAME=>'extra_info',BLOOMFILTER => 'ROWCOL',VERSIONS => '5'}

　　删除列簇：

　　alter 'ns1:t_userinfo', NAME => 'extra_info', METHOD => 'delete'

　　alter 'ns1:t_userinfo', 'delete' => 'base_info'

　　删除表：(先要禁用表)

　　disable 'ns1:t1'

　　drop 'ns1:t1'

　　DML:

　　Group name: dml

　　Commands: append, count, delete, deleteall, get, get_counter, get_splits, incr, put, scan, truncate, truncate_preserve

　　插入数据：(不能一次性插入多列)

　　put 'ns1:test','u00001','cf1:name','zhangsan'

　　put 'ns1:t_userinfo','rk00001','base_info:name','gaoyuanyuan'

　　put 'ns1:t_userinfo','rk00001','extra_info:pic','picture'

　　更新数据：

　　put 'ns1:t_userinfo','rk00001','base_info:name','zhouzhiruo'

　　put 'ns1:t_userinfo','rk00002','base_info:name','zhaoming'

　　表扫描(scan)

　　scan 'ns1:t_userinfo'

　　scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age']}

　　设置查询条件：(包头不包尾)

　　scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age'],STARTROW=>'rk000012',LIMIT=>2}

　　scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age'],STARTROW=>'rk000012',ENDROW=>'rk00002',LIMIT=>2}

　　查询数据：(GET)

　　get 'ns1:t_userinfo','rk00001'

　　get 'ns1:t_userinfo','rk00001',{TIMERANGE=>[1534136591897,1534136667747]}

　　get 'ns1:t_userinfo','rk00001',{COLUMN=>['base_info:name','base_info:age'],VERSIONS =>4}

　　get 'ns1:t_userinfo','rk00001',{TIMESTAMP=>1534136580800}

　　删除数据：(DELETE)

　　delete 'ns1:t_userinfo','rk00002','base_info:age'

　　'ns1:t_userinfo','rk00001',{TIMERANGE=>[1534138686498,1534138738862]}

　　删除指定的版本：(往上删除版本)

　　delete 'ns1:t_userinfo','rk00001','base_info:name',TIMESTAMP=>1534138686498

　　表判断：

　　exists 'ns1:t_userinfo'

　　disable 'ns1:t_userinfo'

　　enable 'ns1:t_userinfo'

　　desc 'ns1:t_userinfo'

　　统计表：(统计效率较差，不建议使用)

　　count 'ns1:t_userinfo'

　　清空表：

　　truncate 'ns1:test'

　　学习大数据开发，内容包含Linux&&Hadoop生态体系、大数据计算框架体系、云计算体系、机器学习&&深度学习。