大数据组件之HBase_大数据系统

文章目录

前言一、Hbase

1、Region2、RegionServer3、Master4、Zookeeper 二、Hbases的Standalone安装

1、解压配置环境变量

1.下载2.解压3.配置环境变量 2、修改配置文件信息

1.hbase-env.sh2.hbase-site.xml3.启动Hbase4.验证启动是否成功三、Hbase完全分布式搭建四、Hbase常见shell指令

1、基本指令

1.打开Hbase shell2. 获取帮助3. 查看服务器状态4.查看版本信息5.创建命名空间6.描述命名空间7.删除namespace 2、表操作

1. 查看所有表2.创建表3.查看表的基本信息4.表的启用/禁用5.检查表是否存在6.删除表 3、增删改

1.添加列族2.删除列族3.更改列族存储版本的限制4.插入数据5.获取指定行、指定行中的列族、列的信息6.删除指定行、指定行中的列 4、查询

1.Get查询2.查询整表数据3.查询指定列簇的数据4.条件查询5. 条件过滤五、Java API

1、pom.xml2、HbaseClient3、创建表4、添加行列数据数据5、添加行列数据数据6、删除行7、查询所有数据8、根据rowId查询9、根据列条件查询10、多条件查询11、删除表

前言

Hbase作为一个列式存储的数据存储框架，其广泛应用于OLAP。前面介绍了大数据组件之HIve，其访问量很高，因此本文主要介绍Hbase的shell命令和java操作，希望对于学习大数据或者从事大数据的你有些帮助。

一、Hbase

Hbase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，Hbase在Hadoop之上提供了类似于Bigtable的能力。Hbase是Apache的Hadoop项目的子项目。Hbase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是Hbase基于列的而不是基于行的模式。

Hbase只有新增操作，通过操作类型和时间戳建立版本管理，按照时间的先后顺序0,1,2,…

可以通过切换版本追踪历史数据

可以设置最大的保留实例记录数

基于列式存储模型，对于数据实现了高度压缩，节省存储成本采用 LSM 机制而不是B(+)树，这使得Hbase非常适合海量数据实时写入的场景高可靠，一个数据会包含多个副本(默认是3副本)，这得益于HDFS的复制能力，由RegionServer提供自动故障转移的功能高扩展，支持分片扩展能力(基于Region)，可实现自动、数据均衡强一致性读写，数据的读写都针对主Region上进行，属于CP型的系统易操作，Hbase提供了Java API、RestAPI/Thrift API等接口查询优化，采用Block Cache 和布隆过滤器来支持海量数据的快速查找 1、Region

Region就是一段数据的集合。Hbase中的表一般拥有一个到多个Region。Region具有以下特性：

1. Region不能跨服务器，一个RegionServer上有一个或者多个 Region。

2. 数据量小的时候，一个Region足以存储所有数据；但是，当数据 量大的时候，Hbase会拆分Region。
3. 当Hbase在进行负载均衡的时候，也有可能会从一台 RegionServer上把Region移动到另一台RegionServer上。
4. Region是基于HDFS的，它的所有数据存取操作都是调用了HDFS的 客户端接口来实现的。

2、RegionServer

RegionServer就是存放Region的容器，直观上说就是服务器上的一个服务。当客户端从ZooKeeper获取RegionServer的地址后，它会直接从 RegionServer获取数据。

3、Master

Master只负责各种协调工作，比如建表、删表、移动Region、合并等操作。

4、Zookeeper

Zookeeper 对于 Hbase的作用是至关重要的。

Zookeeper 提供了 Hbase Master 的高可用实现，并保证同一时刻有且仅有一个主 Master 可用。Zookeeper 保存了 Region 和 Region Server 的关联信息(提供寻址入口)，并保存了集群的元数据(Schema/Table)。Zookeeper 实时监控Region server的上线和下线信息，并实时通知Master。二、Hbases的Standalone安装 1、解压配置环境变量 1.下载

Hbase的下载地址

#利用wget进行Hbase安装包下载
wget https://hbase.apache.org/downloads.html

2.解压

#tar解压
tar -zxvf hbase-2.1.4-bin.tar.gz -C /opt/software

3.配置环境变量

#编辑环境变量
vim /etc/profile.d/my.sh
#-------------------------------------
export Hbase_HOME=/opt/software-2.1.4
export PATH=$Hbase_HOME/bin:$PATH
#-------------------------------------
# 生效环境变量
source /etc/profile

2、修改配置文件信息 1.hbase-env.sh

#打开文件
vim /opt/software-2.1.4/conf/hbase-env.sh
#-----------------------------------------
export JAVA_HOME=/opt/software/jdk1.8.0_201
#-----------------------------------------

2.hbase-site.xml

#打开编辑文件,新增以下内容
vim /opt/software-2.1.4/conf/hbase-site.xml

新增以下内容：


 
    hbase.rootdir
    file:///home/hbase/rootdir
  
  
    hbase.zookeeper.property.dataDir
    /home/zookeeper/dataDir
  
  
    hbase.unsafe.stream.capability.enforce
    false

配置信息介绍：

hbase.rootdir: 配置 hbase 数据的存储路径；hbase.zookeeper.property.dataDir: 配置 zookeeper 数据的存储路径；hbase.unsafe.stream.capability.enforce: 使用本地文件系统存储，不使用 HDFS 的情况下需要禁用此配置，设置为 false。 3.启动Hbase

由于已经将 Hbase 的 bin 目录配置到环境变量，直接使用以下命令启动：

#启动Hbase
start-hbase.sh

4.验证启动是否成功

验证方式一：使用 jps 命令查看 HMaster 进程是否启动。

[root@hadoop001 hbase-2.1.4]# jps
16336 Jps
15500 HMaster

验证方式二：访问 HbaseWeb UI 页面，默认端口为 16010 。

三、Hbase完全分布式搭建

#默认无，必须手动创建
vim conf/backup-masters 
#---------
#backup状态
master02
#--------
start-hbase.sh HMaster

溢写64MB

#DDL
list
list_namespace
create_namespace 'kb16nb'
list_namespace_tables 'kb16nb'
#
create 'kb16nb:student','base','score'
describe 'kb16nb:student'
#----------------------------------------------------------------------------------------
Table kb16nb:student is ENABLED                                                         
kb16nb:student                                                                          
COLUMN FAMILIES DEscriptION                                                             
{NAME => 'base', BLOOMFILTER => 'ROW', IN_MEMORY => 'false', VERSIONS => '1', KEEP_DELET
ED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', COMPRESSION => 'NONE', TTL => 'FOREV
ER', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE 
=> '0'}                                                                                 

{NAME => 'score', BLOOMFILTER => 'ROW', IN_MEMORY => 'false', VERSIONS => '1', KEEP_DELE
TED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', COMPRESSION => 'NONE', TTL => 'FORE
VER', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE
 => '0'} 
#----------------------------------------------------------------------------------------
#DML
is_enabled 'kb16nb:student' #查看表是否可用
is_disabled 'kb16nb:student' #查看表示是否禁用
drop 'kb16nb:student' #删除表，删除前需要禁用
enable 'kb16nb:student' #启用表
disable 'kb16nb:student'  #禁用表
truncate 'kb16nb:student' #删除数据
delete 'kb16nb:student','rowkey','columnfamily:colname' #删除某行某列(最新的版本)
deleteall 'kb16nb:student','rowkey' #删除某行(删除所有版本)
put 'kb16nb:student','1','base:name','zhangsan' #插入数据
scan 'kb16nb:student' #查看全表
#----------------------------------------------------------------------------------------
hbase(main):014:0> scan 'kb16nb:student'
ROW                     COLUMN+CELL                                                     
 1                      column=base:name, timestamp=2022-01-28T10:23:06.333, value=zhang
                        san
#----------------------------------------------------------------------------------------
get 'kb16nb:student','2','base:name'
scan 'kb16nb:student',{COLUMN=>'base'} #查询列簇
scan 'kb16nb:student',{COLUMN=>'base:name'} #查询指定列
scan 'kb16nb:student',{COLUMN=>'base:name'，LIMIT=>2}
scan 'kb16nb:student',{COLUMN=>'base:name',LIMIT=>2,STARTKEY=>'2'} #开始下标(包含)
scan 'kb16nb:student',{COLUMN=>'base:name',LIMIT=>2,STARTKEY=>'2',STARTROW=>'2'} #Row下标不包含
#BLOCKCACHE的页面置换算法是最近最少使用LRU
create 'kb16nb:'
#shell执行Hbase命令
echo "shell指令"|hbase shell -n
echo "list_namespace_tables 'kb16nb'"|hbase shell -n
#布隆过滤器出现误码后怎么处理
#预分区
create_namespace 'kb16'
create 'kb16:pre_split_n1','cf',SPLITS=>['10','20','30']
hbase org.apache.hadoop.hbase.util.RegionSplitter kb16:pre_split_hsp1 HexStringSplit -c 3 -f base,scores
create 'kb16:pre_split_pdp','base',{NUMREGIONS=>4,SPLITALGO=>'DecimalStringSplit'}

四、Hbase常见shell指令

Hbase为什么这么快

1、基本指令 1.打开Hbase shell

#进入Hbase的命令
hbase shell

2. 获取帮助

# 获取帮助
help
# 获取命令的详细信息
help 'status'

3. 查看服务器状态

#查看服务器状态
status

4.查看版本信息

#查看Hbase版本信息
version

5.创建命名空间

#创建命名空间
create_namespace '命名空间'
create_namespace 'ns1'

6.描述命名空间

#描述命名空间
describe_namespace '命名空间'
describe_namespace 'ns1'

7.删除namespace

#删除namespace
drop_namespace 'ns1'

2、表操作 1. 查看所有表

#查看Hbase的所有表
list

2.创建表

命令格式： create ‘表名称’, ‘列族名称 1’,‘列族名称 2’,‘列名称 N’

# 创建一张名为Student的表,包含基本信息（baseInfo）、学校信息（schoolInfo）两个列族
create 'ns1:t1',{NAME => 'f1',VERSION => 5},{NAME => 'f2'}
create 'Student','baseInfo','schoolInfo'

3.查看表的基本信息

命令格式：desc ‘表名’

#查看表的基本信息
describe 'Student'

4.表的启用/禁用

enable 和 disable 可以启用/禁用这个表,is_enabled 和 is_disabled 来检查表是否被禁用

# 禁用表
disable 'Student'
# 检查表是否被禁用
is_disabled 'Student'
# 启用表
enable 'Student'
# 检查表是否被启用
is_enabled 'Student'

5.检查表是否存在

指令格式： exits ‘表名’

#检查表是否存在
exists 'Student'

6.删除表

删除表前需要先禁用表

# 删除表前需要先禁用表
disable 'Student'
# 删除表
drop 'Student'

3、增删改 1.添加列族

命令格式： alter ‘表名’, ‘列族名’

alter 'Student', 'teacherInfo'

2.删除列族

命令格式：alter ‘表名’, {NAME => ‘列族名’, METHOD => ‘delete’}

alter 'Student', {NAME => 'teacherInfo', METHOD => 'delete'}

3.更改列族存储版本的限制

默认情况下，列族只存储一个版本的数据，如果需要存储多个版本的数据，则需要修改列族的属性。修改后可通过 desc 命令查看。

alter 'Student',{NAME=>'baseInfo',VERSIONS=>3}

4.插入数据

命令格式：put ‘表名’, ‘行键’,‘列族:列’,‘值’

注意：如果新增数据的行键值、列族名、列名与原有数据完全相同，则相当于更新操作

put 'Student', 'rowkey1','baseInfo:name','tom'
put 'Student', 'rowkey1','baseInfo:birthday','1990-01-09'
put 'Student', 'rowkey1','baseInfo:age','29'
put 'Student', 'rowkey1','schoolInfo:name','Havard'
put 'Student', 'rowkey1','schoolInfo:localtion','Boston'

put 'Student', 'rowkey2','baseInfo:name','jack'
put 'Student', 'rowkey2','baseInfo:birthday','1998-08-22'
put 'Student', 'rowkey2','baseInfo:age','21'
put 'Student', 'rowkey2','schoolInfo:name','yale'
put 'Student', 'rowkey2','schoolInfo:localtion','New Haven'

put 'Student', 'rowkey3','baseInfo:name','maike'
put 'Student', 'rowkey3','baseInfo:birthday','1995-01-22'
put 'Student', 'rowkey3','baseInfo:age','24'
put 'Student', 'rowkey3','schoolInfo:name','yale'
put 'Student', 'rowkey3','schoolInfo:localtion','New Haven'

put 'Student', 'wrowkey4','baseInfo:name','maike-jack'

5.获取指定行、指定行中的列族、列的信息

# 获取指定行中所有列的数据信息
get 'Student','rowkey3'
# 获取指定行中指定列族下所有列的数据信息
get 'Student','rowkey3','baseInfo'
# 获取指定行中指定列的数据信息
get 'Student','rowkey3','baseInfo:name'

6.删除指定行、指定行中的列

# 删除指定行
delete 'Student','rowkey3'
# 删除指定行中指定列的数据
delete 'Student','rowkey3','baseInfo:name'

4、查询

hbase 中访问数据有两种基本的方式：

按指定 rowkey 获取数据：get 方法；

按指定条件获取数据：scan 方法。

scan 可以设置 begin 和 end 参数来访问一个范围内所有的数据。get 本质上就是 begin 和 end 相等的一种特殊的 scan。

1.Get查询

# 获取指定行中所有列的数据信息
get 'Student','rowkey3'
# 获取指定行中指定列族下所有列的数据信息
get 'Student','rowkey3','baseInfo'
# 获取指定行中指定列的数据信息
get 'Student','rowkey3','baseInfo:name'

2.查询整表数据

指令格式： scan ‘表名’

#查询整表数据
scan 'Student'

3.查询指定列簇的数据

#查看指定列簇数据
scan 'Student', {COLUMN=>'baseInfo'}

4.条件查询

# 查询指定列的数据
scan 'Student', {COLUMNS=> 'baseInfo:birthday'}

除了列（COLUMNS）修饰词外，Hbase 还支持 Limit（限制查询结果行数），STARTROW（ROWKEY 起始行，会先根据这个 key 定位到 region，再向后扫描）、STOPROW(结束行)、TIMERANGE（限定时间戳范围）、VERSIONS（版本数）、和 FILTER（按条件过滤行）等。

如下代表从 rowkey2 这个 rowkey 开始，查找下两个行的最新 3 个版本的 name 列的数据：

scan 'Student', {COLUMNS=> 'baseInfo:name',STARTROW => 'rowkey2',STOPROW => 'wrowkey4',LIMIT=>2, VERSIONS=>3}

5. 条件过滤

Filter 可以设定一系列条件来进行过滤。如我们要查询值等于 24 的所有数据：

scan 'Student', FILTER=>"ValueFilter(=,'binary:24')"

值包含 yale 的所有数据：

scan 'Student', FILTER=>"ValueFilter(=,'substring:yale')"

列名中的前缀为 birth 的：

scan 'Student', FILTER=>"ColumnPrefixFilter('birth')"

FILTER 中支持多个过滤条件通过括号、AND 和 OR 进行组合：

# 列名中的前缀为birth且列值中包含1998的数据
scan 'Student', FILTER=>"ColumnPrefixFilter('birth') AND ValueFilter ValueFilter(=,'substring:1998')"

PrefixFilter 用于对 Rowkey 的前缀进行判断：

scan 'Student', FILTER=>"PrefixFilter('wr')"

五、Java API 1、pom.xml


    org.apache.hbase
    hbase-client
    2.0.0

2、HbaseClient

import org.apache.hadoop.hbase.HbaseConfiguration;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.io.IOException;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
public class HbaseClient {
    // config zookeeper
    static private org.apache.hadoop.conf.Configuration configuration = null;
    static private Connection connection = null;
    private static Logger logger = LoggerFactory.getLogger(HbaseClient.class);
    static private Lock lock = new ReentrantLock();

    static Connection getConnectionInstance() {
        if (null == connection) {
            lock.lock();
            try {
                if (null == connection) {
                    configuration = HbaseConfiguration.create();
                    configuration.set("hbase.zookeeper.quorum", "zk1:2182,zk2:2182,zk3:2182");
                    configuration.set("hbase.client.keyvalue.maxsize", "100000000");
                    connection = ConnectionFactory.createConnection(configuration);
                }
            } catch (IOException e) {
                logger.error("create hbase error ", e);
            } finally {
                lock.unlock();
            }
        }
        return connection;
    }
}

3、创建表

public static void createTable(String tableStr, String[] familyNames) {
	System.out.println("start create table ......");
	try {
		Admin admin = connection.getAdmin();
		TableName tableName = TableName.valueOf(tableStr);
		if (admin.tableExists(tableName)) {// 如果存在要创建的表，那么先删除，再创建
		admin.disableTable(tableName);
		admin.deleteTable(tableName);
		System.out.println(tableName + " is exist,detele....");
		}
        HTableDescriptor tableDescriptor = new HTableDescriptor(tableName);
        // 添加表列信息
        if (familyNames != null && familyNames.length > 0) {
        	for (String familyName : familyNames) {
            	tableDescriptor.addFamily(new HColumnDescriptor(familyName));
        	}
       	}
      	admin.createTable(tableDescriptor);
	} catch (MasterNotRunningException e) {
		e.printStackTrace();
	} catch (ZooKeeperConnectionException e) {
      	e.printStackTrace();
	} catch (IOException e) {
		e.printStackTrace();
	}
	System.out.println("end create table ......");
}

4、添加行列数据数据

public static void insertData(String tableName, String rowId, String familyName,String qualifier, String value) throws Exception {
	System.out.println("start insert data ......");
	Table table = connection.getTable(TableName.valueOf(tableName));
	Put put = new Put(rowId.getBytes());// 一个PUT代表一行数据，再NEW一个PUT表示第二行数据,每行一个唯一的ROWKEY，此处rowkey为put构造方法中传入的值
	put.addColumn(familyName.getBytes(), qualifier.getBytes(), value.getBytes());// 本行数据的第一列
	try {
		table.put(put);
	} catch (IOException e) {
		e.printStackTrace();
	}
    System.out.println("end insert data ......");
}

5、添加行列数据数据

public static void batchInsertData(String tableName, String rowId, List familyNames,String qualifier, List values) throws Exception {
	if (null == qualifier) qualifier = "tmp";
	Table table = connection.getTable(TableName.valueOf(tableName));
	Put put = new Put(rowId.getBytes());// 一个PUT代表一行数据，再NEW一个PUT表示第二行数据,每行一个唯一的ROWKEY，此处rowkey为put构造方法中传入的值
	for (int i = 0; i < familyNames.size(); ++i) {
		put.addColumn(familyNames.get(i).getBytes(),
			qualifier.getBytes(), values.get(i).getBytes());// 本行数据的第一列
	}
	try {
		table.put(put);
	} catch (IOException e) {
		e.printStackTrace();
	}
}

6、删除行

public static void deleteRow(String tablename, String rowkey) {
	try {
		Table table = connection.getTable(TableName.valueOf(tablename));
		Delete d1 = new Delete(rowkey.getBytes());
		table.delete(d1);//d1.addColumn(family, qualifier);d1.addFamily(family);
		System.out.println("删除行成功!");
	} catch (IOException e) {
		e.printStackTrace();
	}
}

7、查询所有数据

public static void queryAll(String tableName) throws Exception {
	Table table = connection.getTable(TableName.valueOf(tableName));
	try {
		ResultScanner rs = table.getScanner(new Scan());
		for (Result r : rs) {
			System.out.println("获得到rowkey:" + new String(r.getRow()));
			for (Cell keyValue : r.rawCells()) {
			System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.clonevalue(keyValue)));
		}
		}
		rs.close();
	} catch (IOException e) {
		e.printStackTrace();
	}
}

8、根据rowId查询

public static void queryByRowId(String tableName, String rowId) throws Exception {
	Table table = connection.getTable(TableName.valueOf(tableName));
	try {
		Get scan = new Get(rowId.getBytes());// 根据rowkey查询
		Result r = table.get(scan);
		System.out.println("获得到rowkey:" + new String(r.getRow()));
		for (Cell keyValue : r.rawCells()) {
		System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.clonevalue(keyValue)));
		}
	} catch (IOException e) {
		e.printStackTrace();
	}
}

9、根据列条件查询

public static void queryByCondition(String tableName, String familyName,String qualifier,String value) {
	try {
		Table table = connection.getTable(TableName.valueOf(tableName));
		Filter filter = new SingleColumnValueFilter(Bytes.toBytes(familyName),
		Bytes.toBytes(qualifier), CompareOp.EQUAL, Bytes.toBytes(value)); // 当列familyName的值为value时进行查询
		Scan s = new Scan();
		s.setFilter(filter);
		ResultScanner rs = table.getScanner(s);
		for (Result r : rs) {
			System.out.println("获得到rowkey:" + new String(r.getRow()));
			for (Cell keyValue : r.rawCells()) {
				System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+
                            new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.clonevalue(keyValue)));
			}
		}
		rs.close();
	} catch (Exception e) {
		e.printStackTrace();
	}
}

10、多条件查询

public static void queryByConditions(String tableName, String[] familyNames, String[] qualifiers,String[] values) {
	try {
		Table table = connection.getTable(TableName.valueOf(tableName));
		List filters = new ArrayList();
		if (familyNames != null && familyNames.length > 0) {
			int i = 0;
			for (String familyName : familyNames) {
				Filter filter = new SingleColumnValueFilter(Bytes.toBytes(familyName),
Bytes.toBytes(qualifiers[i]), CompareOp.EQUAL,Bytes.toBytes(values[i]));
				filters.add(filter);
				i++;
			}
		}
		FilterList filterList = new FilterList(filters);
        Scan scan = new Scan();
        scan.setFilter(filterList);
        ResultScanner rs = table.getScanner(scan);
        for (Result r : rs) {
			System.out.println("获得到rowkey:" + new String(r.getRow()));
			for (Cell keyValue : r.rawCells()) {
				System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":" +new String(CellUtil.cloneQualifier(keyValue)) +"====值:" + new String(CellUtil.clonevalue(keyValue)));
			}
		}
                rs.close();
	} catch (Exception e) {
		e.printStackTrace();
	}
}

11、删除表

// 懒加载单例模式
static private Connection connection = HbaseClient.getConnectionInstance();

public static void dropTable(String tableStr) {
	try {
		Admin admin = connection.getAdmin();
		TableName tableName = TableName.valueOf(tableStr);
		admin.disableTable(tableName);
		admin.deleteTable(tableName);
		admin.close();
	} catch (MasterNotRunningException e) {
		e.printStackTrace();
	} catch (ZooKeeperConnectionException e) {
		e.printStackTrace();
	} catch (IOException e) {
		e.printStackTrace();
	}
}

大数据组件之HBase

大数据系统相关栏目本月热门文章