1.简介
HBase是一个基于HDFS的、分布式的、面向列的非关系型数据库。
HBase的特点
1.海量数据存储，HBase表中的数据能够容纳上百亿行*上百万列。
2.面向列的存储，数据在表中是按照列进行存储的，能够动态的增加列并对列进行各种操作。
3.准实时查询，HBase在海量的数据量下能够接近准实时的查询(百毫秒以内)
4.多版本，HBase中每一列的数据都可以有多个版本。
5.可靠性，HBase中的数据存储于HDFS中且依赖于Zookeeper进行Master和RegionServer的协调管理。
HBase与关系型数据库的区别
1.HBase中的数据类型只有String，而关系型数据库中有char、varchar、int等。
2.HBase中只有普通的增删改查操作，没有表与表之间的连接、子查询等，若想要在HBase中进行复杂的操作则应该使用Phoenix。
3.HBase是基于列进行存储的，因此在查询指定列的数据时效率会很高，而关系型数据库是基于行存储，每次查询都要查询整行。
4.HBase适合海量数据存储，而关系型数据库一般一张表不超过500M，否则就要考虑分表操作。
5.HBase中为空的列不占用存储空间，表的设计可以非常稀疏，而关系型数据库中表的设计较谨密。
2.HBase的表结构
*HBase中的表由RowKey、ColumnFamily、Column、Timestamp组成。
RowKey
记录的唯一标识，相当于关系型数据库中的主键。
*RowKey最大长度为64KB且按字典顺序进行排序存储。
ColumnFamily
列簇相当于特定的一个类别，每个列簇下可以有任意数量个列，并且列是动态进行添加的，只在插入数据后存在，HBase在创建表时只需要指定表名和列簇即可。
*一个列簇下的成员有着相同的前缀，使用冒号来对列簇和列名进行分隔。
*一张表中的列簇最好不超过5个。
Column
列只有在插入数据后才存在，且列在列簇中是有序的。
*每个列簇下的列数没有限制。
Timestamp
HBase中的每个键值对都有一个时间戳，在进行插入时由HBase进行自动赋值。
3.HBase的物理模型
Master
1.处理对表的添加、删除、查询等操作。
2.进行RegionServer的负载均衡（Region与RegionServer的分配）
3.在RegionServer宕机后负责RegionServer上的Region转移（通过WAL日志）
*Master失效仅会导致meta数据和表无法被修改，表中的数据仍然可以进行读取和写入。
RegionServer
1.处理对表中数据的添加、删除、修改、查询等操作。
2.维护Region并将Region中StoreFile写入到HDFS中。
3.当Region中的数据达到一定大小时进行Region的切分。
Region
1.表中的数据存储在Region中，每个Region都由RegionServer进行管理。
2.每个Region都包含MemoryStore和StoreFile，MemoryStore中的数据位于内存，每当MemoryStore中的数据达到128M时将会生成一个StoreFile并写入到HDFS中。
3.Region中每个列簇对应一个MemoryStore，可以有多个StoreFile，当多个StoreFile的文件大小超过一定时，会进行StoreFile的合并，将多个StoreFile文件合并成一个StoreFile，当StoreFile中的大小超过一定阀值时，会进行Region的切分，由Master将新Region分配到相应的RegionServer中，实现负载均衡。
Zookeeper在HBase中的作用
1.保证Master的高可用性，当状态为Active的Master无法提供服务时，会立刻将状态为StandBy的Master切换为Active状态。
2.实时监控RegionServer集群，当某个RegionServer节点无法提供服务时将会通知Master，由Master进行RegionServer上的Region转移以及重新进行负载均衡。
3.当HBase集群启动后，Master和RegionServer会分别向Zookeeper进行注册，会在Zookeeper中存放HBase的meta表数据，Region与RegionServer的关系、以及RegionServer的访问地址等信息。
*meta表中维护着TableName、RowKey和Region的关联关系。
HBase处理读取和写入请求的流程
HBase处理读取请求的过程
1.客户端连接Zookeeper，根据TableName和RowKey从Meta表中计算出该Row对应的Region。
2.获取该Region所关联的RegionServer，并获取RegionServer的访问地址。
3.访问RegionServer，找到对应的Region。
4.如果Region的MemoryStore中有该Row则直接进行获取，否则从StoreFile中进行查询。
HBase处理写入请求的过程
1.客户端连接Zookeeper，根据TableName找到其Region列表。
2.通过一定算法计算出要写入的Region。
3.获取该Region所关联的RegionServer并进行连接。
4.把数据分别写到HLog和MemoryStore中。
5.每当MemoryStore中的大小达到128M时，会生成一个StoreFile。
6.当多个StoreFile的文件大小达到一定时，会进行StoreFile的合并，将多个StoreFile文件合并成一个StoreFile，当StoreFile的文件大小超过一定阈值时，会进行Region的切分，由Master将新Region分配到相应的RegionServer中，实现负载均衡。
*在第一次读取或写入时才需要连接Zookeeper，会将Zookeeper中的相关数据缓存到本地，往后直接从本地进行读取，当Zookeeper中的信息发生变化时，再通过通知机制通知客户端进行更新。
HBase在HDFS中的目录
1.tmp目录：当对HBase的表进行创建和删除时，会将表移动到该目录中进行操作。
2.MasterProcWALs目录：预写日志目录，主要用于存储Master的操作日志。
3.WALs目录：预写日志目录，主要用于存储RegionServer的操作日志。
4.data目录：存储Region中的StoreFile。
5.hbase.id文件：HBase集群的唯一标识。
6.hbase.version文件：HBase集群的版本号。
7.oldWALs目录：当WALs目录下的日志文件超过一定时间后，会将其移动到oldWALs目录中，Master会定期进行清理。
4.HBase集群的搭建
1.安装JDK和Hadoop
由于HBase是通过JAVA语言编写的，且HBase是基于HDFS的，因此需要安装JDK和Hadoop，并配置好JAVA_HOME环境变量。
由于HDFS一般都以集群的方式运行，因此需要搭建HDFS集群。
*在搭建HDFS集群时，需要相互配置SSH使之互相信任并且开放防火墙相应的端口，或者直接关闭防火墙。
2.安装Zookeeper并进行集群的搭建
由于HDFS HA依赖于Zookeeper，且HBase也依赖于Zookeeper，因此需要安装Zookeeper并进行集群的搭建。
3.安装HBase
1.从CDH中下载HBase并进行解压：http://archive.cloudera.com/cdh5/cdh/5/
2.修改hbase-env.sh配置文件
#设置JDK的安装目录 export JAVA_HOME=/usr/jdk8/jdk1.8.0_161 #true则使用hbase自带的zk服务,false则使用外部的zk服务. export HBASE_MANAGES_ZK=flase
3.修改hbase-site.xml配置文件
<!-- 指定HBase日志的存放目录 --> <property> <name>hbase.tmp.dir</name> <value>/usr/hbase/hbase-1.2.8/logs</value> </property> <!-- 指定HBase中的数据存储在HDFS中的目录 --> <property> <name>hbase.rootdir</name> <value>hdfs://nameservice:8020/hbase</value> </property> <!-- 设置是否是分布式 --> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!-- 指定HBase使用的ZK地址 --> <property> <name>hbase.zookeeper.quorum</name> <value>192.168.1.80:2181,192.168.1.81:2181,192.168.1.82:2181</value> </property>
4.修改regionservers文件，配置充当RegionServer的节点
*值可以是主机名或者IP地址
*如果Hadoop配置了HDFS HA高可用集群，那么就会有两个NameNode和一个NameService，此时就需要将HDFS的core-site.xml和hdfs-site.xml配置文件复制到HBase的conf目录下，且hbase-site.xml配置文件中的hbase.rootdir配置项的HDFS地址指向NameService的名称。
5.NTP时间同步
NTP是一个时间服务器，作用是使集群中的各个节点的时间都保持一致。
由于在HBase集群中，Zookeeper与HBase对时间的要求较高，如果两个节点之间的时间相差过大时，那么整个集群就会崩溃，因此需要使各个节点的时间都保持一致。
#查看是否安装了NTP服务 rpm -qa|grep ntp #安装NTP服务 yum install ntp -y #从NTP服务器中获取时间并同步本地 ntpdate 192.168.1.80
*在实际的应用场景中，可以自己搭建NTP服务器，也可以使用第三方开源的NTP服务器，如阿里等。
使用 “ntpdate NTP服务器地址” 命令从NTP服务器中获取时间并同步本地，一般配合Linux的crontab使用，每隔5分钟进行一次时间的同步。
4.启动集群
使用bin目录下的start-hbase.sh命令启动集群，那么会在当前节点中启动一个Master和RegionSever进程，并通过SSH访问其它节点，启动RegionServer进程。
由于HBase的Master HA集群是通过Zookeeper进行协调的，需要手动在其他节点中启动Master，Zookeeper能保证当前HBase集群中有且只有一个Master处于Active状态，当状态为Active的Master无法正常提供服务时，会将处于StandBy的Master的状态修改为Active。
*当HBase集群启动后，可以访问http:/localhost:16030，进入HBase的Web监控页面。
5.使用Shell操作HBase
使用bin/hbase shell命令进行HBase的Shell操作
#创建表
create 'tableName' , 'columnFamily' , 'columnFamily...'#添加记录
put 'tableName' , 'rowkey' , 'columnFamily:column' , 'value'#查询记录
get 'tableName' , 'rowkey'#统计表的记录数
count 'tableName'#删除记录
deleteall 'tableName' , 'rowkey'#删除记录的某一列
delete 'tableName' , 'rowkey' ,'columnFamily:column'#禁用表
disable 'tableName'#启动表
enable 'tableName'#查看表是否被禁用
is_disabled 'tableName'#删除表
drop 'tableName'#查看表中的所有记录
scan 'tableName'#查看表中指定列的所有记录
scan 'tableName' , {COLUMNS=>'columnFamily:column'}
#检查表是否存在
exists 'tableName'#查看当前HBase中的表
list
*在删除表时需要禁用表，否则无法删除。
*使用put相同rowkey的一条数据来进行记录的更新，仅会更新列相同的值。
6.使用JAVA操作HBase
1.导入相关依赖
<dependency> <groupId>org.apache.hbase</groupId> <artifactId>hbase-client</artifactId> <version>1.2.8</version></dependency>
2.初始化配置
使用HBaseConfiguration的create()静态方法创建一个Configuration实例，用于封装环境配置信息。
Configuration config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum","192.168.1.80,192.168.1.81,192.168.1.82");
config.set("hbase.zookeeper.property.clientPort","2181");*此方法会默认加载classpath下的hbase-site.xml配置文件，如果没有此配置文件则需要手动进行环境的配置。
3.创建HBase连接对象
Connection conn = ConnectionFactory.createConnection(config);
4.进行表的管理
*使用Admin类进行HBase表的管理，通过Connection实例的getAdmin()静态方法返回一个Admin实例。
//判断表是否存在boolean tableExists(TableName);//遍历HBase中的表定义HTableDescriptor [] listTables();//遍历HBase中的表名称TableName [] listTableNames();//根据表名获取表定义HTableDescriptor getTableDescriptor(TableName);//创建表void createTable(HTableDescriptor);//删除表void deleteTable(TableName);//启用表void enableTable(TableName);//禁用表void disableTable(TableName);//判断表是否是启用状态boolean isTableEnabled(TableName);//判断表是否是禁用状态boolean isTableDisabled(TableName);//为表添加列簇void addColumn(TableName,HColumnDescriptor);//删除表中的列簇void deleteColumn(TableName,byte);//修改表中的列簇void modifyColumn(TableName,HColumnDescriptor);
TableName实例用于封装表名称。
HTableDescriptor实例用于封装表定义，包括表的名称、表的列簇等。
HColumnDescriptor实例用于封装表的列簇。
5.对表中的数据进行增删改查
使用Table类进行表数据的增删改查，通过Connection的getTable(TableName)静态方法返回一个Table实例。
//判断指定RowKey的数据是否存在boolean exists(Get get);//根据RowKey获取数据Result get(Get get);//根据多个RowKey获取数据Result [] get(List<Get>);//获取表的扫描器ResultScanner getScanner(Scan);//添加数据void put(Put);//批量添加数据void put(List<Put>);//删除数据void delete(Delete);//批量删除数据void delete(List<Delete>)
使用Get实例封装查询参数，使用其构建方法设置RowKey。
使用Put实例封装新增和更新参数，使用其构建方法设置RowKey，使用其addColumn(byte[] family , byte[] qualifier , byte[] value)方法分别指定列簇、列名、列值。
使用Delete实例封装删除参数，使用其构建方法设置RowKey。
使用Scan实例封装扫描器的查询条件，使用其addFamily(byte[] family)方法设置扫描的列簇，使用其addColumn(byte[] family , byte[] qualifier)方法分别指定要扫描的列簇和列名。
*在进行表的增删改查时，方法参数大多都是字节数组类型，可以使用HBase Java提供的Bytes工具类进行字符串和字节数组之间的转换。
*在进行查询操作时，会返回Result实例，Result实例包含了一个RowKey的所有键值对（cell，不区分列簇），可以通过Result实例的listCells()方法获取其包含的所有cell，借助CellUtil工具类获取Cell实例中对应的RowKey、Family、Qualifier、Value等属性信息。
*在使用getScanner扫描时，返回的ResultScanner接口继承Iterable接口，其泛型是Result，因此可以理解成ResultScanner是Result的一个集合。
6.完整的HBaseUtil
/**
* @Auther: ZHUANGHAOTANG
* @Date: 2018/11/26 11:40
* @Description: */public class HBaseUtils { private static final Logger logger = LoggerFactory.getLogger(HBaseUtils.class); /**
* ZK集群地址 */
private static final String ZK_CLUSTER_HOSTS = "192.168.1.80,192.168.1.81,192.168.1.82"; /**
* ZK端口 */
private static final String ZK_CLUSTER_PORT = "2181"; /**
* HBase全局连接 */
private static Connection connection; static { //默认加载classpath下hbase-site.xml文件
Configuration configuration = HBaseConfiguration.create();
configuration.set("hbase.zookeeper.quorum", ZK_CLUSTER_HOSTS);
configuration.set("hbase.zookeeper.property.clientPort", ZK_CLUSTER_PORT); try {
connection = ConnectionFactory.createConnection(configuration);
} catch (Exception e) {
logger.info("初始化HBase连接失败：", e);
}
} /**
* 返回连接 */
public static Connection getConnection() { return connection;
} /**
* 创建表 */
public static void createTable(String tableName, String... families) throws Exception {
Admin admin = connection.getAdmin(); if (admin.tableExists(TableName.valueOf(tableName))) { throw new UnsupportedOperationException("tableName " + tableName + " is already exists");
}
HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf(tableName)); for (String family : families)
descriptor.addFamily(new HColumnDescriptor(family));
admin.createTable(descriptor);
} /**
* 删除表 */
public static void deleteTable(String tableName) throws Exception {
Admin admin = connection.getAdmin(); if (admin.tableExists(TableName.valueOf(tableName))) {
admin.disableTable(TableName.valueOf(tableName));
admin.deleteTable(TableName.valueOf(tableName));
}
} /**
* 获取所有表名称 */
public static TableName[] getTableNameList() throws Exception {
Admin admin = connection.getAdmin(); return admin.listTableNames();
} /**
* 获取所有表定义 */
public static HTableDescriptor[] getTableDescriptorList() throws Exception {
Admin admin = connection.getAdmin(); return admin.listTables();
} /**
* 为表添加列簇 */
public static void addFamily(String tableName, String family) throws Exception {
Admin admin = connection.getAdmin(); if (!admin.tableExists(TableName.valueOf(tableName))) { throw new UnsupportedOperationException("tableName " + tableName + " is not exists");
}
admin.addColumn(TableName.valueOf(tableName), new HColumnDescriptor(family));
} /**
* 删除表中指定的列簇 */
public static void deleteFamily(String tableName, String family) throws Exception {
Admin admin = connection.getAdmin();
admin.deleteColumn(TableName.valueOf(tableName), Bytes.toBytes(family));
} /**
* 为表添加一条数据 */
public static void put(String tableName, String rowKey, String family, Map<String, String> values) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
Put put = new Put(Bytes.toBytes(rowKey)); for (Map.Entry<String, String> entry : values.entrySet())
put.addColumn(Bytes.toBytes(family), Bytes.toBytes(entry.getKey()), Bytes.toBytes(entry.getValue()));
table.put(put);
} /**
* 批量为表添加数据 */
public static void batchPut(String tableName, String family, Map<String, Map<String, String>> values) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
List<Put> puts = new ArrayList<>(); for (Map.Entry<String, Map<String, String>> entry : values.entrySet()) {
Put put = new Put(Bytes.toBytes(entry.getKey())); for (Map.Entry<String, String> subEntry : entry.getValue().entrySet())
put.addColumn(Bytes.toBytes(family), Bytes.toBytes(subEntry.getKey()), Bytes.toBytes(subEntry.getValue()));
puts.add(put);
}
table.put(puts);
} /**
* 删除RowKey中的某列 */
public static void deleteColumn(String tableName, String rowKey, String family, String qualifier) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
Delete delete = new Delete(Bytes.toBytes(rowKey));
delete.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
table.delete(delete);
} /**
* 删除RowKey */
public static void delete(String tableName, String rowKey) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
table.delete(new Delete(Bytes.toBytes(rowKey)));
} /**
* 批量删除RowKey */
public static void batchDelete(String tableName, String... rowKeys) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
List<Delete> deletes = new ArrayList<>(); for (String rowKey : rowKeys)
deletes.add(new Delete(Bytes.toBytes(rowKey)));
table.delete(deletes);
} /**
* 根据RowKey获取数据 */
public static Map<String, String> get(String tableName, String rowKey) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
Result result = table.get(new Get(Bytes.toBytes(rowKey)));
List<Cell> cells = result.listCells();
Map<String, String> cellsMap = new HashMap<>(); for (Cell cell : cells) {
cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));
} return cellsMap;
} /**
* 获取全表数据 */
public static Map<String, Map<String, String>> scan(String tableName) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
ResultScanner resultScanner = table.getScanner(new Scan()); return getResult(resultScanner);
} /**
* 获取某列数据 */
public static Map<String, Map<String, String>> scan(String tableName, String family, String qualifier) throws Exception {
Table table = connection.getTable(TableName.valueOf(tableName));
Scan scan = new Scan();
scan.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
ResultScanner resultScanner = table.getScanner(scan); return getResult(resultScanner);
} private static Map<String, Map<String, String>> getResult(ResultScanner resultScanner) {
Map<String, Map<String, String>> resultMap = new HashMap<>(); for (Result result : resultScanner) {
List<Cell> cells = result.listCells();
Map<String, String> cellsMap = new HashMap<>(); for (Cell cell : cells)
cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));
resultMap.put(Bytes.toString(result.getRow()), cellsMap);
} return resultMap;
}
}
共同学习，写下你的评论
评论加载中...
作者其他优质文章
