简介
HBase –Hadoop Database,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HBse技术可在廉价PC Server上搭建起大规模结构化存储集群。HBase利用Hadoop HDFS作为文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为协调工具。
HBase(NoSQL)的数据模型
HBase 存储的网站页面数据示例
下面讲下关于HBase的相关名词和概念:
表(table),是存储管理数据的。
行键(row key),类似于MySQL中的主键。Mysql中的主键可有可无。
行键是HBase表天然自带的。
列族(colum family),列的集合。
HBASE列族是需要在定义表时指定的,只需要定义列族而不需要定义列。列是在插入数据时动态增加的。
时间戳(timestamp),是64位长整形整数,在我们数据库里它是一种日期类型可以精确到毫秒级别。在HBASE,是列(也称作标签、修饰符)的一个属性。
行健和列确定的单元格,可以存储多个数据,每个数据还有时间戳属性。数据具有版本特性。
如果不指定时间戳或者版本,默认取最新的数据。
HDFS中存储的数据都是字节数组。
HBASE中表中的数据是按照行健的顺序物理存储的。MySQL中是按照插入的顺序存储的。行健是按照ASSIC码排序的。
HBASE 是面向列的数据库,按照列族进行存储。关系型数据库是按照行存储的。
列必须用族来定义,任意一列有如下形式:族:标签。族和标签都可以是任意的字符串。
物理上将同族数据存储在一起。
数据可通过时间戳来区分版本。
HBase(NoSQL)的物理模型
HBase架构图
Hbase适合海量数据(如20PB)的秒级简单查询的数据库。
Hbase 表中的记录按照行健拆分成一个一个的region。
Region 存储 region server(单独的物理机器)。这样,对表的操作转化为对多台region server 的并行查询。
Hbase的体系结构:
Hbase是主从式结构,HMaster、HRegionServer
Hmaster:
Hbase允许有多个HMaster.通过Zookeeper Election机制保证总有一个Master运行。
Master为regionserver分配region,负责region server的负载均衡,发现失效的region server 并重新分配其上的region
HRegionServer:
Regionserver维护master分配给它的region,处理对这些region的IO请求,负责切分在运行过程中变得过大的region。
Zookeeper:
保证任何时候 ,集群中只有一个running master
存储所有 region的寻址入口
实时监控region server的状态,将region server的上线和下线信息,实时通知给master
存储 hbase的schema,包括哪些table每个table有哪些column family
Client访问hbase上数据的过程并不需要master参与,寻址访问zookeeper 和 region server,数据读写访问regionserver。HRegionServer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。
Hbase中有两张特殊的Table,-ROOT-和.META.
.META.:记录了用户的region信息,.META .可以有多个region
-ROOT-:记录了.META.表的region信息,-ROOT-只有一个region, Zookeeper中记录了-ROOT-表的location。
Client访问用户数据之前需要首先访问zookeeper,然后访问-ROOT-表,接着访问.META.表,最后才能找到用户数据的位置访问。
HBase伪分布安装:
- 解压缩、重命名、设置环境变量
-
修改$HBASE_HOME/conf/hbase-env.sh,修改内容如下:
export JAVA_HOME=/usr/local/jdk export HBASE_MANAGES_ZK=true
-
修改$HBASE_HOME/conf/hbase-site.xml,修改内容如下:
<property> <name>hbase.rootdir</name> <value>hdfs://hadoop:9000/hbase</value> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>hadoop</value> </property> <property> <name>dfs.replication</name> <value>1</value> </property>
- (可选)文件regionservers的内容改为hadoop
启动hbase,执行命令start-hbase.sh
启动hbase之前,确保hadoop是运行正常的,并且可以写入文件验证:(1)执行jps,发现新增加了3个java进程,分别是HMaster、HRegionServer、HQuorumPeer,证明安装成功。
(2)使用浏览器访问http://hadoop:60010 查看webUI.
HBase集群搭建
1.hbase的集群搭建过程(在原来的hadoop上的hbase伪分布基础上进行搭建)
1.1 集群结构,主节点(hmaster)是hadoop,从节点(region server)是hadoop1和hadoop2
1.2 修改hadoop上的hbase的几个文件
(1)修改hbase-env.sh的最后一行export HBASE_MANAGES_ZK=false
(2)修改hbase-site.xml文件的hbase.zookeeper.quorum的值为hadoop0,hadoop1,hadoop2。修改dfs.replicationg改为3,表示副本数为3。
(3)修改regionservers文件(存放的region server的hostname),内容修改为hadoop1、hadoop2
1.3 复制hadoop中的hbase文件夹到hadoop1、hadoop2中
复制hadoop中的/etc/profile到hadoop1、hadoop2中,在hadoop1、hadoop2上执行source /etc/profile
1.4 首先启动hadoop,然后启动zookeeper集群在各个节点上分别启动。
最后在hadoop上启动hbase集群。
出现的问题及解决办法:
因为在搭建集群的时候,hbase在运行状态下,修改了配置造成:
1) hbase web 界面进不去
2) hbase shell 操作没有结果
3) 运行stop-hbase.sh 关闭不了
解决办法:
1) 把所有节点关掉,再次启动
2) 还有一个解决办法:杀死hbase进程 kill -9 pid 用ps –ef | grep 查看hbase进程
下面我们学习下HBase下的shell操作。
HBase Shell
-
进入hbase shell,终端:
hbase shell
- hbase shell操作:
创建表: create ‘表名称’, ‘列族名称1’,’列族名称2’,’列族名称N’
添加记录: put ‘表名称’, ‘行名称’, ‘列名称:’, ‘值’
查看记录: get ‘表名称’, ‘行名称’
查看表中的记录总数: count ‘表名称’
删除一张表: 先要屏蔽该表,才能对该表进行删除。
第一步 disable ‘表名称’ 第二步 drop ‘表名称’
查看所有记录: scan “表名称”
查看某个表某个列中所有数据: scan “表名称” {COLUMNS=>’列族名称:列名称’}
更新记录: 就是重写一遍进行覆盖
eg:
表users,有三个列族user_id,address,info:
创建表:
create 'users','user_id','address','info'
列出全部表
list
得到表的描述
describe 'users'
删除表:
disable ‘user’
drop ‘user
添加记录:
put 'users','xiaoming','info:age','24'
获取一条记录
1.取得一个id的所有数据
get 'users','xiaoming'
2.获取一个id,一个列族的所有数据
get 'users','xiaoming','info'
3.获取一个id,一个列族中一个列的 所有数据
get 'users','xiaoming','info:age'
更新记录
put 'users','xiaoming','info:age' ,'29'
get 'users','xiaoming','info:age'
put 'users','xiaoming','info:age' ,'30'
get 'users','xiaoming','info:age'
获取单元格数据的版本数据
get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>1}
get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>2}
get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>3}
获取单元格数据的某个版本数据
get 'users','xiaoming',{COLUMN=>'info:age',TIMESTAMP=>1364874937056}
全表扫描
scan 'users'
行数的判断是根据行健来判断的
HBase 中查找数据的方式:
1. get方式
2. scan方式
删除xiaoming值的’info:age’字段
delete 'users','xiaoming','info:age'
get 'users','xiaoming'
HBase列:put动态增加 delete动态减少
删除整行
deleteall 'users','xiaoming'
统计表的行数
count 'users'
清空表
truncate 'users'
坚持下,下面我们看下关于Java针对HBase的操作,这个时候java程序员应该兴奋才是!!!
HBase的Java_API操作
package hbase;
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.client.Get;
import org.apache.hadoop.hbase.client.HBaseAdmin;
import org.apache.hadoop.hbase.client.HTable;
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;
/*
* 创建表、插入记录、查询一条记录、遍历所有记录、删除表
* */
public class HBaseApp {
private static final String TABLE_NAME = "table1";
private static final String FAMILY_NAME = "family1";
private static final String ROW_KEY = "rowkey1";
public static void main(String[] args) throws Exception {
Configuration conf = HBaseConfiguration.create();
conf.set("hbase.rootdir", "hdfs://hadoop:9000/hbase");
//使用eclipse时必须添加这个,否则无法定位
conf.set("hbase.zookeeper.quorum", "hadoop");
//创建表、删除表使用HBaseAdmin
final HBaseAdmin hBaseAdmin = new HBaseAdmin(conf);
createTable(hBaseAdmin);
//deleteTable(hBaseAdmin);
//插入记录、查询一条记录、遍历所有记录使用HTable
final HTable hTable = new HTable(conf, TABLE_NAME);
// putRecord(hTable);
// getRecord(hTable);
scanTable(hTable);
}
private static void scanTable(final HTable hTable) throws IOException {
Scan scan = new Scan();
final ResultScanner scanner = hTable.getScanner(scan);
for (Result result : scanner) {
final byte[] value = result.getValue(FAMILY_NAME.getBytes(),"age".getBytes());
System.out.println(result + "\t"+ new String(value));
}
}
//查询所有记录
//查询一条记录
private static void getRecord(final HTable hTable) throws IOException {
Get get = new Get(ROW_KEY.getBytes());
final Result result = hTable.get(get);
final byte[] value = result.getValue(FAMILY_NAME.getBytes(),"age".getBytes());
System.out.println(result + "\t"+ new String(value));
}
//插入一条记录
private static void putRecord(final HTable hTable) throws IOException {
Put put = new Put(ROW_KEY.getBytes());
put.add(FAMILY_NAME.getBytes(), "age".getBytes(), "25".getBytes());
hTable.put(put);
hTable.close();
}
//删除表
private static void deleteTable(final HBaseAdmin hBaseAdmin)
throws IOException {
hBaseAdmin.disableTable(TABLE_NAME);
hBaseAdmin.deleteTable(TABLE_NAME);
}
//创建表
private static void createTable(final HBaseAdmin hBaseAdmin)
throws IOException {
if(!hBaseAdmin.tableExists(TABLE_NAME)){
//表名
HTableDescriptor descriptor = new HTableDescriptor(TABLE_NAME);
//添加列族
HColumnDescriptor family = new HColumnDescriptor(FAMILY_NAME);
descriptor.addFamily(family);
hBaseAdmin.createTable(descriptor);
}
}
}
2>:
hdfs数据批量导入到hbase中
create 'wlan_log', 'cf'
package hbase;
import java.text.SimpleDateFormat;
import java.util.Date;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.mapreduce.TableOutputFormat;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
public class BatchImport {
static class BatchImportMapper extends Mapper<LongWritable, Text, LongWritable, Text>{
SimpleDateFormat dateformat1=new SimpleDateFormat("yyyyMMddHHmmss");
Text v2 = new Text();
protected void map(LongWritable key, Text value, Context context) throws java.io.IOException ,InterruptedException {
final String[] splited = value.toString().split("\t");
try {
final Date date = new Date(Long.parseLong(splited[0].trim()));
final String dateFormat = dateformat1.format(date);
String rowKey = splited[1]+":"+dateFormat;
v2.set(rowKey+"\t"+value.toString());
context.write(key, v2);
} catch (NumberFormatException e) {
final Counter counter = context.getCounter("BatchImport", "ErrorFormat");
counter.increment(1L);
System.out.println("出错了"+splited[0]+" "+e.getMessage());
}
};
}
static class BatchImportReducer extends TableReducer<LongWritable, Text, NullWritable>{
protected void reduce(LongWritable key, java.lang.Iterable<Text> values, Context context) throws java.io.IOException ,InterruptedException {
for (Text text : values) {
final String[] splited = text.toString().split("\t");
final Put put = new Put(Bytes.toBytes(splited[0]));
put.add(Bytes.toBytes("cf"), Bytes.toBytes("date"), Bytes.toBytes(splited[1]));
put.add(Bytes.toBytes("cf"), Bytes.toBytes("msisdn"), Bytes.toBytes(splited[2]));
//省略其他字段,调用put.add(....)即可
context.write(NullWritable.get(), put);
}
};
}
public static void main(String[] args) throws Exception {
final Configuration configuration = new Configuration();
//设置zookeeper
configuration.set("hbase.zookeeper.quorum", "hadoop");
//设置hbase表名称
configuration.set(TableOutputFormat.OUTPUT_TABLE, "wlan_log");
//将该值改大,防止hbase超时退出
configuration.set("dfs.socket.timeout", "180000");
final Job job = new Job(configuration, "HBaseBatchImport");
job.setMapperClass(BatchImportMapper.class);
job.setReducerClass(BatchImportReducer.class);
//设置map的输出,不设置reduce的输出类型
job.setMapOutputKeyClass(LongWritable.class);
job.setMapOutputValueClass(Text.class);
job.setInputFormatClass(TextInputFormat.class);
//不再设置输出路径,而是设置输出格式类型
job.setOutputFormatClass(TableOutputFormat.class);
FileInputFormat.setInputPaths(job, "hdfs://hadoop:9000/input");
job.waitForCompletion(true);
}
}