1 hbase简介
1.1 hbase是什么
HBASE是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,利用HBASE技术可在廉价PC Server上搭建起大规模结构化存储集群。
HBASE的目标是存储并处理大型的数据,更具体来说是仅需使用普通的硬件配置,就能够处理由成千上万的行和列所组成的大型数据。
HBASE是Google Bigtable的开源实现,但是也有很多不同之处。比如:Google Bigtable利用GFS作为其文件存储系统,HBASE利用Hadoop HDFS作为其文件存储系统;Google运行MAPREDUCE来处理Bigtable中的海量数据,HBASE同样利用Hadoop MapReduce来处理HBASE中的海量数据;Google Bigtable利用Chubby作为协同服务,HBASE利用Zookeeper作为对应。
HBase集群有两种角色:Hmaster 和 HregionServer
Hdfs适合存整块数据,如果大量数据一条一条存,namenode难以承受,所以有了Hbase。一条数据来时,先缓存到HregionServer内存,128M满了后写到hdfs上。
hmaster的作用:
- 管理HregionServer,如果hregionserver挂了,hmaster管理数据迁移。
- 连接zk的API,做增删改查 表的节点,创建zk节点,管理映射信息
- 管理HregionServer中的表分配,也就管理元数据,保存表的位置,表的具体数据,在hregionServer上。表创建后,就跟hmaster没关系了,可以直接通过zk增删改查,hmaster只是在zk注册了节点。
hregionserver作用
- 表的增删改查数据。
- 和hdfs交互,存取数据。
1.2 hbase优势
hbase是一种分布式数据库,相比于传统数据库的优势在于:
- 线性扩展,随着数据量增多可以通过节点扩展进行支撑
- 数据存储在hdfs上,备份机制健全
- 通过zookeeper协调查找数据,访问速度块。
但是hbase主要用来存海量数据,列式数据库无法做多表关联。
2 hbase安装
主要包括以下步骤
- 下载hbase安装包
- 解压,重命名
- 修改环境变量,vi /ect/profile 然后source一下激活修改
- 修改配置文件
- 分发到其他节点机
- 启动,先启动hadoop和zookeeper集群,然后start-hbase.sh
- 进行命令行hbase shell
启动后Jps查看:
3 hbase数据模型
3.1 hbase数据模型
3.2 rowkey
row key是用来检索记录的主键。访问HBASE table中的行,只有三种方式:
- 通过单个row key访问
- 通过row key的range(正则)
- 全表扫描
在HBASE内部,row key保存为字节数组。存储时,数据按照Row key的字典序(byte order)排序存储。设计key时,要充分排序存储这个特性,将经常一起读取的行存储放到一起。(位置相关性)
3.3 Columns Family
列簇 :HBASE表中的每个列,都归属于某个列族。列族是表的schema的一部分(而列不是,列不是表结构,而是作为数据),必须在使用表之前定义。列名都以列族作为前缀。例如 courses:history,courses:math都属于courses 这个列族。
3.4 cell
由{row key, columnFamily, version} 唯一确定的单元格(row key确定是哪个id的数据,再由列簇确定列,再由时间版本确定唯一单元格)。cell中 的数据是没有类型的,全部是字节码形式存贮。
3.5 Time Stamp
HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由HBASE(在数据写入时自动 )赋值,此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突,就必须自己生成具有唯一性的时间戳。每个 cell中,不同版本的数据按照时间倒序排序,即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担,HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本,二是保存最近一段 时间内的版本(比如最近七天)。用户可以针对每个列族进行设置。
3.5 更新
hbase没有update的概念,若想修改数据,就用下一条数据,覆盖上一条,rowkey相同。
4 hbase命令
功能 | 命令 |
---|---|
进入 | hbase shell |
退出 | quit |
创建表 | create ‘表名’, ‘列族名1’,’列族名2’,’列族名N’ |
查看所有表 | list |
描述表 | describe ‘表名’ |
判断表存在 | exists ‘表名’ |
判断是否禁用启用表 | is_enabled ‘表名’ |
添加记录 | put ‘表名’, ‘rowKey’, ‘列族 : 列’ , ‘值’ |
查看记录rowkey下的所有数据 | get ‘表名’ , ‘rowKey’ |
查看表中的记录总数 | count ‘表名’ |
获取某个列族 | get ‘表名’,’rowkey’,’列族’ |
获取某个列族的某个列 | get ‘表名’,’rowkey’,’列族:列’ |
删除记录 | delete ‘表名’ ,’行名’ , ‘列族:列’ |
删除整行 | deleteall ‘表名’,’rowkey’ |
删除一张表 | 先要屏蔽该表,才能对该表进行删除 第一步 disable ‘表名’ ,第二步 drop ‘表名’ |
清空表 | truncate ‘表名’ |
查看所有记录 | scan ‘表名’ |
查看某个表某个列中所有数据 | scan ‘表名’ , {COLUMNS=>’列族名:列名’} |
更新记录 | 就是重写一遍,进行覆盖,hbase没有修改,都是追加 |
5 hbase依赖zookeeper
通过zk知道rowkey那条记录该放哪个regionserver上,找数据通过zk,不通过hmaster。
- hbase regionserver向zookeeper注册,提供hbase regionserver状态信息(是否在线)。
- hmaster启动时候会将hbase系统表-ROOT-加载到zookeeper cluster,通过zookeeper cluster可以获取当前系统表.META.的存储所对应的regionserver信息
- 保存Hmaster的地址和backup-master地址
- 保存表-ROOT-的地址,(hbase默认的根表,检索表)
- HRegionServer列表
6 java API
注意: 在eclipse中操作响应太慢,集群为虚拟机集群,改了本机的host文件后,响应正常。
6.1基础api
功能 | API | 作用 | 用法 |
---|---|---|---|
配置 | HBaseConfiguration | 通过此类可以对HBase进行配置 | Configuration config = HBaseConfiguration.create(); |
表管理类 | HBaseAdmin | 提供接口关系HBase 数据库中的表信息 | HBaseAdmin admin = new HBaseAdmin(config); |
表描述类 | HTableDescriptor | 类包含了表的名字以及表的列族信息 | HTableDescriptor htd =new HTableDescriptor(tablename); htd.addFamily(new HColumnDescriptor(“myFamily”)); |
列簇描述类 | HColumnDescriptor | 维护列族的信息 | htd.addFamily(new HColumnDescriptor(“myFamily”)); |
6.2 增删改查
功能 | API | 用法 |
---|---|---|
创建表 | CreateTable | HBaseAdmin admin = new HBaseAdmin(config); HTableDescriptor desc = new HTableDescriptor(tableName); HColumnDescriptor family1 = new HColumnDescriptor(“f1”); HColumnDescriptor family2 = new HColumnDescriptor(“f2”); desc.addFamily(family1); desc.addFamily(family2); admin.createTable(desc); |
删除表 | disableTable deleteTable |
HBaseAdmin admin = new HBaseAdmin(config); admin.disableTable(tableName); admin.deleteTable(tableName); |
创建表类 | HTable | // 普通获取表 HTable table = new HTable(config,Bytes.toBytes(tablename); // 通过连接池获取表 Connection connection = ConnectionFactory.createConnection(config); HTableInterface table = connection.getTable(TableName.valueOf(“user”)); |
单条插入 | put | Put put = new Put(row); p.add(family,qualifier,value); |
批量插入 | - | List Put put = new Put(Bytes.toBytes(rowKey));//获取put,用于插入 put.add(Bytes.toBytes(family), Bytes.toBytes(qualifier),Bytes.toBytes(value));//封装信息 list.add(put); table.put(list);//添加记录 |
删除数据 | Delete | Delete del= new Delete(Bytes.toBytes(rowKey)); table.delete(del); |
单条查询 | Get | HTable table = new HTable(config,Bytes.toBytes(tablename)); Get get = new Get(Bytes.toBytes(row)); Result result = table.get(get); |
批量查询 | ResultScanner | ResultScanner scanner = table.getScanner(scan); For(Result rowResult : scanner) { Bytes[] str = rowResult.getValue(family,column);} |
6.3 过滤器
FilterList 代表一个过滤器列表,可以添加多个过滤器进行查询,多个过滤器之间的关系有:
与关系(符合所有):FilterList.Operator.MUST_PASS_ALL
或关系(符合任一):FilterList.Operator.MUST_PASS_ONE
过滤器种类有:
- 列植过滤器—SingleColumnValueFilter:过滤列植的相等、不等、范围等
- 列名前缀过滤器—ColumnPrefixFilter:过滤指定前缀的列名
- 多个列名前缀过滤器—MultipleColumnPrefixFilter:过滤多个指定前缀的列名
- rowKey过滤器—RowFilter:通过正则,过滤rowKey值。
7 hbase 原理
7.1 写
- client向hregionserver发送写请求。
- hregionserver将数据写到hlog(write ahead log)。为了数据的持久化和恢复。
- hregionserver将数据写到内存(memstore)
- 反馈client写成功。
7.2 数据flush
- 当memstore数据达到阈值(默认是64M),将数据刷到硬盘,将内存中的数据删除,同时删除Hlog中的历史数据。
- 并将数据存储到hdfs中。
- 在hlog中做标记点。
7.3 数据合并
- 当数据块达到4块,hmaster将数据块加载到本地,进行合并
- 当合并的数据超过256M,进行拆分,将拆分后的region分配给不同的hregionserver管理
- 当hregionser宕机后,将hregionserver上的hlog拆分,然后分配给不同的hregionserver加载,修改.META.
- 注意:hlog会同步到hdfs,以保证该机器坏了,hlog有备份,但是hlog不是实时同步的,若一周同步一次,则宕机这一周的数据无法恢复。
7.4 读
- 通过zookeeper和-ROOT- .META.表定位hregionserver(与xookeeper来回交互)
- 数据从内存和硬盘合并后返回给client
- 数据块会缓存(常用数据会缓存到内存中)
7.5 hmaster职责
- 管理用户对Table的增、删、改、查操作;
- 记录region在哪台Hregion server上
- 在Region Split后,负责新Region的分配;
- 新机器加入时,管理HRegion Server的负载均衡,调整Region分布
- 在HRegion Server宕机后,负责失效HRegion Server 上的Regions迁移。
7.6 hregionserver职责
- HRegion Server主要负责响应用户I/O请求,向HDFS文件系统中读写数据,是HBASE中最核心的模块。
- HRegion Server管理了很多table的分区,也就是region。
7.7 client职责
HBASE Client使用HBASE的RPC机制与HMaster和RegionServer进行通信
- 管理类操作:Client与HMaster进行RPC;
- 数据读写类操作:Client与HRegionServer进行RPC。
8 代码实例
1 | package zph.com.hbase; |