【好程序员原创技术贴】 Habse精解,你不知道的那些事

【原创技术贴】Habse精解，你不知道的那些事

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。

二、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。

4、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',L IMIT=>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'