Hbase—学习笔记（一）

时间：2022-01-04 20:24:32

此文的目的：

　　1、重点理解Hbase的整体工作机制

　　2、熟悉编程api，能够用来写程序

1.  什么是HBASE

1.1.   概念特性

HBASE是一个数据库----可以提供数据的实时随机读写

HBASE与mysql、oralce、db2、sqlserver等关系型数据库不同，它是一个NoSQL数据库（非关系型数据库）

* Hbase的表模型与关系型数据库的表模型不同：

* Hbase的表没有固定的字段定义；

* Hbase的表中每行存储的都是一些key-value对

* Hbase的表中有列族的划分，用户可以指定将哪些kv插入哪个列族

* Hbase的表在物理存储上，是按照列族来分割的，不同列族的数据一定存储在不同的文件中

* Hbase的表中的每一行都固定有一个行键，而且每一行的行键在表中不能重复

* Hbase中的数据，包含行键，包含key，包含value，都是byte[ ]类型，hbase不负责为用户维护数据类型

* HBASE对事务的支持很差

HBASE相比于其他nosql数据库(mongodb、redis、cassendra、hazelcast)的特点：

Hbase的表数据存储在HDFS文件系统中

从而，hbase具备如下特性：存储容量可以线性扩展； 数据存储的安全性可靠性极高！

1.1.1、各种数据库之间的差别比较

Hbase—学习笔记（一）

Hbase，Hive区别：

对Hive数据仓库的理解：

　　1、仓库就是存放历史数据存的地方，反复对历史数据进行读操作，统计分析操作，历史数据不需要修改。

　　2、Hive严格意义上来讲不能算是数据库；

　　Hive与Hbase巨大的区别在于，Hive底层依赖的文件系统HDFS中的数据是用户提交的，没有固定的格式，可以理解成按照分隔符分割的简单文本，而不是精心设计的文件（如Mysql那样精心设计的文件加上mysql*的软件系统，可以对数据进行随机的访问和修改操作），Hive只能对这些数据进行读取，分析，不能对修改和跟新数据。

　　3、mysql也当然具备做为数据仓库的功能和能力，但是数据量太大是，mysql不适合，mysql适于联机事务处理（在线实时交互）。

Hbase

　　1、同msyql一样，底层的文件系统的精心设计的，Hbase的底层文件系统也是HDFS。

　　2、具有联机事务处理数据库的特性（快速 实时操作数据库，增删改查）。

　　3、Hbase本身的特性：

        • 文件系统：HDFS（表可以很大很大）

        • 分布式系统
        • nosql表结构。

1.2  Hbase快速理解

两个基本问题：

　　1、怎么存数据

　　2、怎么查数据

1.2.1 、Hbase特性与表结构

Hbase—学习笔记（一）

（以上是Hbase的逻辑结构）

列族：KV分为若干的大类：，如上表所示。

　　1、每个列族中的kv数据可以随意存放，key可以不同，没有严格要求，完全有用户决定，当然一般使用情况下，数据是规整的；

　　如：下表是可以的，但是为了数据的规整，一般不建议随意为key起名字，最好保持一致。

rowkey base_info
001 name:jj, age:12, sex:mal
002　 nick:ls, age:15, xb:male

　　2、同一个列祖中的kv的个数也是灵活的，可以省略某些kv

cell：同一个数据可以保存多个值

　　1、一个kv就是一个cell

　　2、一个key可有有多个版本的值

　　3、时间戳作为版本

1.2.2、Hbase整体工作机制示意图

　　如下图：

1.2.2.1、存储问题（分散存储）

　　按照region划分范围存储（region目录还细分为列族目录，列族目录下才存放具体的文件）

　　

1.2.2.2、查询问题（分布式：分任务查询）

　　Hbase底层文件系统是HDFS，Hbase中的表最终也会落地HDFS，那么Hbase的一张表可以很大很大，表中的数据不断的增加增加存储也是可以的，但是怎么查询呢？

　　　　

　　当请求特别多的时候，一台Hbase服务器（region server）是不行的，Hbase是一个分布式的系统，当有多个Hbase提供服务的时候，某一次客户端的请求具体由那个服务器来处理呢？

　　当某一台服务器挂了，谁来接替他的工作，如何接替？

　　解决：服务器需要分任务（分布式系统里肯定是要分任务的）

　　 　　 一台服务器，负责Hbase中某个表的某一个部分。

　　如何界定部分？

　　　　需要划分范围：按照行健范围

　　这样通过分任务之后就是一个分布式系统。不同的regionServer可以并行的去访问hdfs中的数据（表数据），这样还有一个问题，若某一张表中的所有数据都存在同一个HDFS中的文件中，即使是负责同一张表的不同范围regionserver，大量的并行请求也会同时访问同一个hdfs文件，这会造成性能上的瓶颈，所以表中的数据在HDFS中是按照region划分范围存储（region目录还细分为列族目录，列族目录下才存放具体的文件）的这样同一个表的不同region范围的数据落地HDFS中不同的文件中。否则会造成即是分了任务一个dataNode被频繁的访问。

1.2.2.2.1、客户端读写数据是的路由流程：客户端找数据的流程

　　　　　　问题描述：客户端怎么知道他要访问的某个region在那一台regionserver上呢？

　　　　　　　　　　　　master是不会保存哪些region在哪些regionserver上的，否则就是有状态的节点了，一旦master挂了，regionserver立刻无法提供服务，而事实不是这样。

　　　　　　　　　　　　上述信息就是所谓的索引信息，master是不会保存索引信息的，索引信息是保存在系统索引表中的。

　　1、索引表当然也存在于hdfs中，且只有一个region；

　　2、谁来负责查询索引表

　　下图所示，索引表数据的查询由hdp-02机器上的regionserver负责，那么客户端怎样知道meta数据由hdp-02负责

　　Hbase—学习笔记（一）

　　zookeeper上会记录元数据索引表，有哪一台regionserver负责管理。　客户单端，每次访问数据之前，先查询zookeeper。

　Hbase—学习笔记（一）

　　下图为Zookeeper节点meta-region-server的信息

　　Hbase—学习笔记（一）

访问流程：

　　1、客户端去Zookeeper上查询，负责索引表数据的regionserver；

　　2、找该台regionserver服务器，查询出客户端要访问的region数据由哪一台regionserver负责；

　　3、客户端找具体的regionserver要数据；

总结：

　   1、Hbase表中的数据是存放在hdfs中的。

　　2、regionserver只负责逻辑功能，对数据进行增删改查，不存储它负责的region的数据。

　　3、一个regionserver可以负责多个表的多个region。

　　4、region是regionServer管理数据的基本单元。

　   

　　1、客户端查找数据不经过master

　　2、客观端查找数据一定经过Zookeeper

 

　

Hbase整体工作机制示意图

Hbase—学习笔记（一）

Hbase集群中有两个角色

　　region server

　　master

region server负责数据的逻辑处理（增删改查），region server对数据的操作是不经过master。某一个瞬间master挂了，regionserver还是可以正常服务的，但是一定时间之后，万一某一个regionserver挂了，该regionserver负责的任务得不到重新分配，就会出问题。

1.2.2.3、服务器宕机问题（借助Zookeeper实现HA）

master对regionserver的监管，状态协调

　　1、所有的状态信息记录在Zookeeper里。

　　2、master负责监管region server的状态，知道每一个regionserver负责哪些表的哪些region，不负责帮用户查数据，一旦发现某个region server发生故障，会找另外的一台机器来接替该region server负责的region区域。

　　3、master通过Zookeeper来获取regionserver的状态。

　　4、master通过Zookeeper监听region server，maste是没有状态的节点，master存在单点故障的风险；通过主备容灾实现HA机制。

master HA

　　状态信息记录在Zookeeper里。master是无状态节点，standby 切换为 active状态，查看Zookeeper后，立马知道现在的集群是什么样子。

1.2.3、Hbase工作机制补充—regionserver数据管理

首先在hbase的表中插入一些数据，然后来观察一下hdfs中存的数据，发现hdfs下并没有数据，但是scan明明可以查到数据的，这是怎么回事呢？

Hbase—学习笔记（一）

scan可以查到数据。而上图hdfs中却没有数据文件。

Hbase—学习笔记（一）

其实：此时此刻的数据位于内存中。

Hbase—学习笔记（一）

1.2.3.1、内存缓存热数据

每个region在内存中都对应分配一块缓存空间，memstore，但是memstore毕竟有限，不会将全部的数据都存入到内存中，还是有很大的数据是存在hdfs中的。当数据量很小的时候没有必要写入到hdfs文件中，这就解释了为什么上述hdfs中没有文件数据。

上述用户插入的数据都保存在了内存中，这样速度会比存入hdfs中快很多，但是又不能吧全部数据都存入到内存中，内存中只会保存一些热数据【刚刚被访问过的，刚刚被插入的数据】。

如果有人找regionserver查数据是，regionserver内存中没有该数据，就会去hdfs中查找，找到之后作为热数据，然后缓存在内存中，超过一段时间没有人访问就不是热数据了，就不会继续保存在内存中。

2、数据保存在内存中就有风险，万一没有来的落地hdfs，宕机了，内存中的数据会丢失，怎么办？

　　解决方案，regionserver一方面在自己内存中写数据，一方面在hdfs中写日志，一旦宕机后，master找来替换机器后，该机器会读取日志信息，还原内存中的数据。

hdfs中查看相应的痕迹

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

 总结：

　　1、热数据存储

　　2、日志记录

1.2.3.2、持久化到hdfs

1、当内存中的数据插满时候，数据会持久化到hdfs中

2、当hbase退出时候，数据也会持久化到hdfs中

Hbase—学习笔记（一）

列族目录下已经有数据文件。

Hbase—学习笔记（一）

使用hadoop 命令查看具体数据

Hbase—学习笔记（一）

　

1.3、Hbase表模型

hbase的表模型跟mysql之类的关系型数据库的表模型差别巨大

hbase的表模型中有：行的概念；但没有字段的概念

行中存的都是key-value对，每行中的key-value对中的key可以是各种各样，每行中的key-value对的数量也可以是各种各样

1.3.1、Hbase表模型的要点

1、一个表，有表名

2、一个表可以分为多个列族（不同列族的数据会存储在不同文件中）

3、表中的每一行有一个“行键rowkey”，而且行键在表中不能重复

4、表中的每一对kv数据称作一个cell

5、hbase可以对数据存储多个历史版本（历史版本数量可配置）

6、整张表由于数据量过大，会被横向切分成若干个region（用rowkey范围标识），不同region的数据也存储在不同文件中

7、hbase会对插入的数据按顺序存储：

　　要点一：首先会按行键排序

　　要点二：同一行里面的kv会按列族排序，再按k排序

Hbase—学习笔记（一）

Hbase—学习笔记（一）

1.3.2、Hbase的表能存什么数据类型

hbase中只支持byte[]

此处的byte[] 包括了： rowkey,key,value,列族名,表名

1.3.3、hbase表的物理结构

Hbase—学习笔记（一）

3、安装Hbase

HBASE是一个分布式系统

其中有一个管理角色：  HMaster(一般2台，一台active，一台backup)

其他的数据节点角色：  HRegionServer(很多台，看数据容量)，最好部署在datanode节点上。

3.1、 安装准备：

首先，要有一个HDFS集群，并正常运行； regionserver应该跟hdfs中的datanode在一起

其次，还需要一个zookeeper集群，并正常运行

然后，安装HBASE

角色分配如下：

Hdp01:  namenode  datanode  regionserver  hmaster  zookeeper

Hdp02:  datanode   regionserver  zookeeper

Hdp03:  datanode   regionserver  zookeeper

不需要yarn集群，不需要跑mapreduce等运算框架的程序，但是mapreduce可以读取操作Hbase中的数据。

3.2、安装步骤

3.2.1、安装Zookeeper

略

3.2.2、安装Hbase

解压hbase安装包，conf目录下的配置文件如下：

Hbase—学习笔记（一）

3.2.2.1、hbase-env.sh

　　1、java_Home

　　2、拒使用自己的zookeeper

修改conf目录下的hbase-env.sh

export JAVA_HOME=/root/apps/jdk1..0_67

export HBASE_MANAGES_ZK=false

Hbase自带一套Zookeeper，这里选择关闭再带的Zookeeper，用我们自己提供的zookeeper。

Hbase—学习笔记（一）

3.2.2.2、hbase-site.xml

　　1、HDFS

　　2、指定Hbase为分布式模式，默认是单机模式

　　3、Zookeeper地址

    <configuration>

        <!-- 指定hbase在HDFS上存储的路径 -->

        <property>

                <name>hbase.rootdir</name>
　　　　　　　　　　<!-- 会在hdfs根目录/下建立一个文件夹，用来放hbase中的数据【Hbase基于HDFS】-->
                <value>hdfs://hdp01:9000/hbase</value>

        </property>

        <!-- 指定hbase是分布式的 -->

        <property>

                <name>hbase.cluster.distributed</name>

                <value>true</value>

        </property>

        <!-- 指定zk的地址，多个用“,”分割 -->

        <property>

                <name>hbase.zookeeper.quorum</name>

                <value>hdp01:2181,hdp02:2181,hdp03:2181</value>

        </property>

    </configuration>

3.2.2.3、regionservers

告知Hbase启动脚本，在哪些机器上启动，regionservers

hdp01

hdp02

hdp03

确保hdfs没有问题

Hbase—学习笔记（一）

3.3、启动hbase集群

确保Zookeeper正常，确保hdfs正常。

3.3.1、批量启动

使用自动批量启动脚本

bin/start-hbase.sh

改命令会在本机起送master，

启动完后，还可以在集群中找任意一台机器启动一个备用的master

bin/hbase-daemon.sh start master

新启的这个master会处于backup状态

3.3.2、逐个启动

人肉，逐个机器，启动进程。

bin/hbase-daemon.sh start master

bin/hbase-daemon.sh start regionserever

同步服务器时间

Hbase—学习笔记（一）

写入硬件时钟，否则重启无效。

3.3.3、查看hdfs文件

启动Hbase后会在hbase-site.xml中配置的HDFS路径下，建立对应的文件夹。

Hbase—学习笔记（一）

hbase文件夹内容如下

Hbase—学习笔记（一）

数据存放在data文件下，data文件夹里有default库【默认数据库】，库里会存放用户建立的表，hbase是系统的一些数据。

Hbase—学习笔记（一）

3.3.4、查看Hbase网页端

通过网页端查看Hbase信息，HMaster监听两个端口。一个是内部通信端口16000，一个是外部服务端口16010。

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

3.3.5、索引表

系统表

记录所有用户表的region位置信息。

索引表，记录索引，哪一个用户表的哪一个region范围在哪一台regionserver上。

客户端找数据的时候，先查索引表，确定自己要访问的数据范围在一个regionserver上，然后再去访问该regionserver去拿数据。

Hbase—学习笔记（一）

Hbase—学习笔记（一）

3.3.6、查看Zookeeper

Hbase集群中不同角色的信息沟通是通过Zookeeper的，那么必定会在Zookeeper记录一下状态信息。

Hbase—学习笔记（一）

4、hbase客户端

4.1、命令行客户端

bin/hbase shell

Hbase> list     // 查看表

Hbase> status   // 查看集群状态

Hbase> version  // 查看集群版本

进入命令行客户端，help查看都有哪些命令【命令分为不同的组别 ddl dml tools replication...】。

bin/hbase shell

如果shell命令行无法退格删除字符，则如下操作

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

语句没有分号。

4.1.1、建表

create 't_user_info','base_info','extra_info'

         表名      列族名   列族名

Hbase—学习笔记（一）

 查看建表后的状态

Hbase—学习笔记（一）

Hbase—学习笔记（一）

HDFS中的数据

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

Hbase—学习笔记（一）

4.1.2、插入数据

put命令

语法：

put 't_user_info','行健','列族:key','value'

Hbase—学习笔记（一）

hbase(main):011:0> put 't_user_info','','base_info:username','zhangsan'

0 row(s) in 0.2420 seconds

hbase(main):012:0> put 't_user_info','','base_info:age',''

0 row(s) in 0.0140 seconds

hbase(main):013:0> put 't_user_info','','base_info:sex','female'

0 row(s) in 0.0070 seconds

hbase(main):014:0> put 't_user_info','','extra_info:career','it'

0 row(s) in 0.0090 seconds

hbase(main):015:0> put 't_user_info','','extra_info:career','actoress'

0 row(s) in 0.0090 seconds

hbase(main):016:0> put 't_user_info','','base_info:username','liuyifei'

0 row(s) in 0.0060 seconds

　　

4.1.3、查询数据方式一：get 单行查询

语法：

-- 返回该行全部数据

get 't_user_info','行健'

-- 返回该行指定列族：key的值

get 't_user_info','行健', '列族:key'

特性：Hbase会对 ' 列族：key ' 进行字典序排序

　　　timestamp：是key的版本号　

hbase(main):020:0> get 't_user_info',''

COLUMN                            CELL

 base_info:age                    timestamp=1496568160192, value=19

 base_info:sex                    timestamp=1496567934669, value=female

 base_info:username               timestamp=1496567889554, value=zhangsan

 extra_info:career                timestamp=1496567963992, value=it

4 row(s) in 0.0770 seconds

Hbase—学习笔记（一）

 

Hbase—学习笔记（一）

4.1.3、查询数据方式二：scan 扫描

 scan是全表扫描

特性：

　　1、先按照行健排序。

　　2、同一行健，按照key的字典序排序。

hbase(main):017:0> scan 't_user_info'

ROW                               COLUMN+CELL

 001                              column=base_info:age, timestamp=1496567924507, value=18

 001                              column=base_info:sex, timestamp=1496567934669, value=female

 001                              column=base_info:username, timestamp=1496567889554, value=zhangsan

 001                              column=extra_info:career, timestamp=1496567963992, value=it

 002                              column=base_info:username, timestamp=1496568034187, value=liuyifei

 002                              column=extra_info:career, timestamp=1496568008631, value=actoress

2 row(s) in 0.0420 seconds

4.1.4、delete 删除一个kv数据

hbase(main):021:0> delete 't_user_info','','base_info:sex'

0 row(s) in 0.0390 seconds

4.1.5、deleteall 删除整行数据

hbase(main):024:0> deleteall 't_user_info',''

0 row(s) in 0.0090 seconds

hbase(main):025:0> get 't_user_info',''

COLUMN                            CELL

0 row(s) in 0.0110 seconds

4.1.6、删除整个表

　　disable

　　drop

删除表之前先要停用表。

Hbase—学习笔记（一）

hbase(main):028:0> disable 't_user_info'

0 row(s) in 2.3640 seconds

hbase(main):029:0> drop 't_user_info'

0 row(s) in 1.2950 seconds

hbase(main):030:0> list

TABLE

0 row(s) in 0.0130 seconds

=> []

4.2、客户端api

DDL

　　如何描述一个表

　　如何创建一个表

　　　　删除一个表

　　　　修改一个表

* 1、构建连接
* 2、从连接中取到一个表DDL操作工具admin
* 3、admin.createTable(表描述对象);
* 4、admin.disableTable(表名);
* 5、admin.deleteTable(表名);
* 6、admin.modifyTable(表名，表描述对象);

DML

4.2.1、创建连接对象

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.HColumnDescriptor;

import org.apache.hadoop.hbase.HTableDescriptor;

import org.apache.hadoop.hbase.TableName;

import org.apache.hadoop.hbase.client.Admin;

import org.apache.hadoop.hbase.client.Connection;

import org.apache.hadoop.hbase.client.ConnectionFactory;

import org.apache.hadoop.hbase.regionserver.BloomType;

Connection conn = null;

    @Before

    public void getConn() throws Exception{

        // new Configuration() 加载的是hadoop的配置文件：core-site.xml hdfs-site.xml，不会加载hbase-site.xml
　　　　 // 构建一个连接对象
　　　　 // Hbase提供了HbaseConfiguraton 用来加载hbase-site.xml
　　　　 Configuration conf = HBaseConfiguration.create(); // 会自动加载hbase-site.xml
　　　　 // 客户端查询数据的路由流程可知：客户端需要先链接 Zookeeper 获取索引表

        conf.set("hbase.zookeeper.quorum", "hdp-01:2181,hdp-02:2181,hdp-03:2181");

　　　　 // 创建链接对象

        conn = ConnectionFactory.createConnection(conf);

    }

4.2.2、DDL操作

1、创建一个连接

Connection conn = ConnectionFactory.createConnection(conf);

2、拿到一个DDL操作器：表管理器admin

Admin admin = conn.getAdmin();

3、用表管理器的api去建表、删表、修改表定义

admin.createTable(HTableDescriptor descriptor);

4.2.2.1、创建表

@Test

    public void testCreateTable() throws Exception{

        // 从连接中构造一个DDL操作器

        Admin admin = conn.getAdmin();

        // 创建一个表定义描述对象

        HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("user_info"));

        // 创建列族定义描述对象
        // 通过列族描述定义对象，可以设置列族的很多重要属性信息

        HColumnDescriptor hColumnDescriptor_1 = new HColumnDescriptor("base_info");

        hColumnDescriptor_1.setMaxVersions(3); // 设置该列族中存储数据的最大版本数,默认是1

        HColumnDescriptor hColumnDescriptor_2 = new HColumnDescriptor("extra_info");

        // 将列族定义信息对象放入表定义对象中

        hTableDescriptor.addFamily(hColumnDescriptor_1);

        hTableDescriptor.addFamily(hColumnDescriptor_2);

        // 用ddl操作器对象：admin 来建表

        admin.createTable(hTableDescriptor);

        // 关闭连接

        admin.close();

        conn.close();

    }

Hbase—学习笔记（一）

4.2.2.2、删除表

先停用表 disableTable

然后删除表 deleteTable

@Test

    public void testDropTable() throws Exception{

        Admin admin = conn.getAdmin();

        // 停用表

        admin.disableTable(TableName.valueOf("user_info"));

        // 删除表

        admin.deleteTable(TableName.valueOf("user_info"));

        admin.close();

        conn.close();

    }

Hbase—学习笔记（一）

4.2.2.3、修改表

// 修改表定义--添加一个列族

    @Test

    public void testAlterTable() throws Exception{

        Admin admin = conn.getAdmin();

        // 取出旧的表定义信息

        HTableDescriptor tableDescriptor = admin.getTableDescriptor(TableName.valueOf("user_info"));

        // 新构造一个列族定义

        HColumnDescriptor hColumnDescriptor = new HColumnDescriptor("other_info");

        hColumnDescriptor.setBloomFilterType(BloomType.ROWCOL); // 设置该列族的布隆过滤器类型

        // 将列族定义添加到表定义对象中

        tableDescriptor.addFamily(hColumnDescriptor);

        // 将修改过的表定义交给admin去提交

        admin.modifyTable(TableName.valueOf("user_info"), tableDescriptor);

        admin.close();

        conn.close();

    }

Hbase—学习笔记（一）

 完整代码

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.HColumnDescriptor;

import org.apache.hadoop.hbase.HTableDescriptor;

import org.apache.hadoop.hbase.TableName;

import org.apache.hadoop.hbase.client.Admin;

import org.apache.hadoop.hbase.client.Connection;

import org.apache.hadoop.hbase.client.ConnectionFactory;

import org.apache.hadoop.hbase.regionserver.BloomType;

import org.junit.Before;

import org.junit.Test;

public class HbaseClientDemo {

    Connection conn = null;

    @Before

    public void getConn() throws Exception{

        // 构建一个连接对象

        Configuration conf = HBaseConfiguration.create(); // 会自动加载hbase-site.xml

        conf.set("hbase.zookeeper.quorum", "hdp-01:2181,hdp-02:2181,hdp-03:2181");

        conn = ConnectionFactory.createConnection(conf);

    }

    /**

     * DDL

     * @throws Exception

     */

    @Test

    public void testCreateTable() throws Exception{

        // 从连接中构造一个DDL操作器

        Admin admin = conn.getAdmin();

        // 创建一个表定义描述对象

        HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("user_info"));

        // 创建列族定义描述对象

        HColumnDescriptor hColumnDescriptor_1 = new HColumnDescriptor("base_info");

        hColumnDescriptor_1.setMaxVersions(3); // 设置该列族中存储数据的最大版本数,默认是1

        HColumnDescriptor hColumnDescriptor_2 = new HColumnDescriptor("extra_info");

        // 将列族定义信息对象放入表定义对象中

        hTableDescriptor.addFamily(hColumnDescriptor_1);

        hTableDescriptor.addFamily(hColumnDescriptor_2);

        // 用ddl操作器对象：admin 来建表

        admin.createTable(hTableDescriptor);

        // 关闭连接

        admin.close();

        conn.close();

    }

    /**

     * 删除表

     * @throws Exception

     */

    @Test

    public void testDropTable() throws Exception{

        Admin admin = conn.getAdmin();

        // 停用表

        admin.disableTable(TableName.valueOf("user_info"));

        // 删除表

        admin.deleteTable(TableName.valueOf("user_info"));

        admin.close();

        conn.close();

    }

    // 修改表定义--添加一个列族

    @Test

    public void testAlterTable() throws Exception{

        Admin admin = conn.getAdmin();

        // 取出旧的表定义信息

        HTableDescriptor tableDescriptor = admin.getTableDescriptor(TableName.valueOf("user_info"));

        // 新构造一个列族定义

        HColumnDescriptor hColumnDescriptor = new HColumnDescriptor("other_info");

        hColumnDescriptor.setBloomFilterType(BloomType.ROWCOL); // 设置该列族的布隆过滤器类型

        // 将列族定义添加到表定义对象中

        tableDescriptor.addFamily(hColumnDescriptor);

        // 将修改过的表定义交给admin去提交

        admin.modifyTable(TableName.valueOf("user_info"), tableDescriptor);

        admin.close();

        conn.close();

    }    

}

4.2.3、布隆过滤器BloomType

假设有一个互联网爬虫程序，不断将网页中的url爬取下来，这里有一个问题，因为链接可能存在回路，会造成程序的死循环，因此需要判断每条url是否已经被爬取过。

最传统的办法就是将url放入数据库中，每次新爬取的url和数据库进行比对，但是当数据量很大是，每一条url都要和全部的数据进行一次比对，显然不可。

后来出现布隆过滤器专门来解决这个问题。

大致思路：

　　提供一个64k（或者其他长度，越长精度越大）大小的二进制数组。

　　将url通过一个算法（简单理解为hash算法）映射成8个bit，对应在一个64k大小的二进制的8个索引上。

　　经过这个算法索引位置全部吻合的连个url有很大概率是同一个url；

　　但是索引位置不吻合的两位url一定不是同一个url；

Hbase中的BloomType的应用

　　之前说过hbase中表在hdfs中是按照如下目录存放的，有hbase的持久化操作可知，一旦内存中的数据写满或者其他原因，就会序列化内存中的数据到hdfs，而内存中保存的是热数据，这样可能会造成同一个key出现在不同的序列化文件中，而且每个key还有不同的版本，更加大了这个可能性。

　　　　/库名/表名/region/列族/文件1

　　　　　　　　　　　　   .../文件2

　　　　　　　　　　　　   .../文件3

　　　　　　　　　　　　   .../文件4

问题：

　　1、不同的文件中可能保存相同的key

　　2、文件太多，在查询时挨个比对显然效率太低

解决方式：

　　1、可以为每行数据生成已给bloom过滤器记录

　　2、或者为每个字段生成一个bloom过滤器记录

这样在找数据的时候，对数据进行结算得到若干比特，然后去比较bloom过滤器，这样会快很多。

Hbase—学习笔记（一）

4.2.4、DML操作

// 获取一个操作指定表的table对象,进行DML操作

Table table = conn.getTable(TableName.valueOf("user_info"));
import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.hbase.Cell;

import org.apache.hadoop.hbase.CellScanner;

import org.apache.hadoop.hbase.HBaseConfiguration;

import org.apache.hadoop.hbase.TableName;

import org.apache.hadoop.hbase.client.Connection;

import org.apache.hadoop.hbase.client.ConnectionFactory;

import org.apache.hadoop.hbase.client.Delete;

import org.apache.hadoop.hbase.client.Get;

import org.apache.hadoop.hbase.client.Put;

import org.apache.hadoop.hbase.client.Result;

import org.apache.hadoop.hbase.client.ResultScanner;

import org.apache.hadoop.hbase.client.Scan;

import org.apache.hadoop.hbase.client.Table;

import org.apache.hadoop.hbase.util.Bytes;

4.2.4.1、增加数据

1、Table对象，进行DML操作;

2、数据封装对象put;

3、Table.put(put) | Table.put(List<put>puts);

    /**

     * 增

     * 改:put来覆盖

     * @throws Exception

     */

    @Test

    public void testPut() throws Exception{

        // 获取一个操作指定表的table对象,进行DML操作

        Table table = conn.getTable(TableName.valueOf("user_info"));

        // 构造要插入的数据为一个Put类型(一个put对象只能对应一个rowkey)的对象

        Put put = new Put(Bytes.toBytes("001"));

        put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"));

        put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("18"));

        put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));

        Put put2 = new Put(Bytes.toBytes("002"));

        put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("李四"));

        put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("28"));

        put2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("上海"));

        ArrayList<Put> puts = new ArrayList<>();

        puts.add(put);

        puts.add(put2);

        // 插进去

        table.put(puts);

        table.close();

        conn.close();

    }
/**

     * 循环插入大量数据

     * @throws Exception

     */

    @Test

    public void testManyPuts() throws Exception{

        Table table = conn.getTable(TableName.valueOf("user_info"));

        ArrayList<Put> puts = new ArrayList<>();

        for(int i=0;i<100000;i++){

            Put put = new Put(Bytes.toBytes(""+i));

            put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"+i));

            put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes((18+i)+""));

            put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));

            puts.add(put);

        }

        table.put(puts);

    }

4.2.4.2、删除数据

对称结构，插入的时候需要Put对象

删除的时候，需要Delete对象

    /**

     * 删

     * @throws Exception

     */

    @Test

    public void testDelete() throws Exception{

        Table table = conn.getTable(TableName.valueOf("user_info"));

        // 构造一个对象封装要删除的数据信息
　　　　 // 全部删除

        Delete delete1 = new Delete(Bytes.toBytes("001"));

　　　　 // 删除指定的key

        Delete delete2 = new Delete(Bytes.toBytes("002"));
　　　　 // qualifier为用户意义上的key，hbase中 family+qualifier 为一个key

        delete2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"));

        ArrayList<Delete> dels = new ArrayList<>();

        dels.add(delete1);

        dels.add(delete2);

        table.delete(dels);

        table.close();

        conn.close();

    }

Hbase—学习笔记（一）

4.2.4.3、修改数据

　　使用put来覆盖

4.2.4.5、查看数据

qualifier为用户意义上的key，hbase中 family+qualifier 为一个key

对称结构，插入的时候需要Put对象

删除的时候，需要Delete对象

查看单个行键数据，需要Get对象

4.2.4.5.1、取出单行数据

Table.get(Get)

可以取出该行特定 familyName：key 的 value

也可以遍历该行全部的value

/**

     * 查

     * @throws Exception

     */

    @Test

    public void testGet() throws Exception{

        Table table = conn.getTable(TableName.valueOf("user_info"));

        // Get对象 指定行健
　　　　 Get get = new Get("002".getBytes());

        // 行健为002的全部数据

        Result result = table.get(get);

        // 从结果中取用户指定的某个key的value

        byte[] value = result.getValue("base_info".getBytes(), "age".getBytes());

        System.out.println(new String(value));

        System.out.println("-------------------------");

        // 遍历整行结果中的所有kv单元格
　　　　 // 类似迭代器

        CellScanner cellScanner = result.cellScanner();

        while(cellScanner.advance()){

            Cell cell = cellScanner.current();

            byte[] rowArray = cell.getRowArray();  //本kv所属的行键的字节数组

            byte[] familyArray = cell.getFamilyArray();  //列族名的字节数组

            byte[] qualifierArray = cell.getQualifierArray();  //列名的字节数据

            byte[] valueArray = cell.getValueArray(); // value的字节数组

　　　　　　　// Hbase不仅仅是存储用户数据，同时还会存储很多附加的信息，以上get方法直接将用户数据和附加数据一起返回，若想获取用户信息，需要指定其实偏移量和数据长度　

            System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));

            System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));

            System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));

            System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));

        }

        table.close();

        conn.close();

    }

Hbase—学习笔记（一）

Hbase—学习笔记（一）

4.2.4.5.2、批量取出数据

取出多个行健范围的数据，需要Scan对象

Table.get(Get)只能取出一个行健范围的数据；

如何按照行健范围取出数据？

table.getScanner(scan)

拿到一个扫描器

/**

     * 按行键范围查询数据

     * @throws Exception

     */

    @Test

    public void testScan() throws Exception{

        Table table = conn.getTable(TableName.valueOf("user_info"));

        // 包含起始行键，不包含结束行键,但是如果真的想查询出末尾的那个行键，那么，可以在末尾行键上拼接一个不可见的字节（\000）
　　　　 // Scan scan = new Scan("10".getBytes(), "10000".getBytes());
        Scan scan = new Scan("10".getBytes(), "10000\001".getBytes());

        ResultScanner scanner = table.getScanner(scan);

        Iterator<Result> iterator = scanner.iterator();

        while(iterator.hasNext()){

            // 拿到一行数据

            Result result = iterator.next();

            // 遍历整行结果中的所有kv单元格

            CellScanner cellScanner = result.cellScanner();

            while(cellScanner.advance()){

                Cell cell = cellScanner.current();

                byte[] rowArray = cell.getRowArray();  //本kv所属的行键的字节数组

                byte[] familyArray = cell.getFamilyArray();  //列族名的字节数组

                byte[] qualifierArray = cell.getQualifierArray();  //列名的字节数据

                byte[] valueArray = cell.getValueArray(); // value的字节数组

                System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));

                System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));

                System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));

                System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));

            }

            System.out.println("----------------------");

        }

    }

范围查询的细节

道理：

在真正的结尾行健后面，拼接一个数字0的字节

\000是一个字节，全是0

\表示转移，此时后面的0不是数字0，不是字符0

Hbase—学习笔记（一）

@Test

    public void test(){

        String a = "000";

        String b = "000\0";

        System.out.println(a);

        System.out.println(b);

        byte[] bytes = a.getBytes();

        byte[] bytes2 = b.getBytes();

        System.out.println("");

        }

结果

000

000

Hbase—学习笔记（一）

5、 Hbase重要特性--排序特性（行键）

插入到hbase中去的数据，hbase会自动排序存储：

排序规则：  首先看行键，然后看列族名，然后看列（key）名； 按字典顺序

Hbase的这个特性跟查询效率有极大的关系

比如：一张用来存储用户信息的表，有名字，户籍，年龄，职业....等信息

然后，在业务系统中经常需要：

　　查询某个省的所有用户

　　经常需要查询某个省的指定姓的所有用户

思路：如果能将相同省的用户在hbase的存储文件中连续存储，并且能将相同省中相同姓的用户连续存储，那么，上述两个查询需求的效率就会提高！！！

做法：将查询条件拼到rowkey内

6、数据类型

Hbase中只有一种数据类型：二进制数组

Hbase内部没有对放入的数据维护类型。

这就要求，将来往Hbase里插入数据是，需要将数据转换成二进制数组，去除数据后还要进行解析。

无论是表名，列族名，key，还是value都是二进制数组。

在命令行客户端是以字符串形式来显示的二进制数组数据。

7、练习

{

	"events": "1473367236143\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000027\u0001\n1473367261933\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000028\u0001\n1473367280349\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000029\u0001\n1473367331326\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000030\u0001\n1473367353310\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000031\u0001\n1473367387087\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000032\u0001\n1473367402167\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000033\u0001\n1473367451994\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000034\u0001\n1473367474316\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000035\u0001\n1473367564181\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000036\u0001\n1473367589527\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000037\u0001\n1473367610310\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000038\u0001\n1473367624647\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000039\u0001\n1473368004298\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000040\u0001\n1473368017851\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000041\u0001\n1473369599067\u00010\u0001AppLaunch\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000042\u0001\n1473369622274\u00010\u0001connectByQRCode\u0001\u00010\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u0001\u00011609072239570000043\u0001\n",

	"header": {

		"cid_sn": "1501004207EE98AA",

		"mobile_data_type": "",

		"os_ver": "22",

		"mac": "1c:xx:xx:xx:xx:xx",

		"resolution": "1080x1920",

		"commit_time": "1473396818952",

		"sdk_ver": "103",

		"device_id_type": "mac",

		"city": "江门市",

		"android_id": "86783xx:xx:xx:xx:xx",

		"device_model": "HUAWEI VNS-AL00",

		"carrier": "中国xx",

		"promotion_channel": "1",

		"app_ver_name": "1.4",

		"imei": "8678300xx:xx:xx:xx:xx",

		"app_ver_code": "401xx:xx:xx:xx:xx",

		"pid": "pid",

		"net_type": "3",

		"device_id": "m.1c:xx:xx:xx:xx:xx",

		"app_device_id": "m.1c:xx:xx:xx:xx:xx",

		"release_channel": "1009",

		"country": "CN",

		"time_zone": "28800000",

		"os_name": "android",

		"manufacture": "OPPO",

		"commit_id": "fde7ee2e48494b24bf3599771d7c2a78",

		"app_token": "XIAONIU_A",

		"account": "none",

		"app_id": "com.appid.xiaoniu",

		"build_num": "YVF6R163xx:xx:xx:xx:xx",

		"language": "zh"

	}

}

1/假如公司有一个app，每日会在日志服务器上生成大量的日志（在给的样本数据中）
2/公司有一个需求，经常需要在网页上查看某一段时间范围内的日志数据

3/实现思路：
a、每天的日志数据要入库（读文件、解析、插入hbase）
行键：2017-09-17-10-device_id-commit_time .....
分两个列族：events数据列族； headers数据列族

b、开发一个web系统（页面-表单（填查询条件：日期范围； 日期范围+device_id）； 页面--展现日志数据表格）
dao层有两种方式： 方式一，继承hbase的客户端jar包，直接在web项目中查询hbase数据
方式二，自己封装一个查询hbase的后台服务，web项目中就去请求你自己的服务

===================未完（下个笔记）==================

相关文章