HBase筆記整理（一）

[TOC]

HBase筆記整理（一）

行列式數據庫

行式數據庫：

可以簡單的理解為類似傳統的rdbmspaint這些數據，存放的數據都是結構化的數據。
行式數據庫，是有利于全表數據的掃描，不利于只查詢個別字段

列式數據庫：

對行式數據庫的一個改進，將部分列(或者說有關聯的一些列)存放到單獨的文件中，其他列存在其它多個文件中，
我們在進行查詢的時候，只需要讀取出這些常用列即可完成工作，這樣，減少了文件IO的讀寫，提高讀寫的效率(
不用再想行式數據庫進行全表掃描，然后過濾相關字段)

在行式數據庫里面，大數據領域有一個非常著名的產品——HBase，其有別于傳統的RDBMS，被稱之為列式數據庫，
或者是NoSQL(Not Only SQL，是一類數據庫的統稱，常見的有Hbase、Redis、mechache、mongodb。。。。)中的一塊數據。

能夠滿足對hdfs上面海量數據的告訴數據讀寫。

HBase概述

是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統，
利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集群。
HBase利用Hadoop HDFS作為其文件存儲系統，利用Hadoop MapReduce來處理HBase中的海量數據，
利用Zookeeper作為協調工具。

特點：

高可靠性
高性能
面向列
可伸縮
    表的特點
        縱向擴展
        橫向擴展
    部署上來說：
        分布式集群

HBase設計初衷，是為了企業中的大表，面向上百萬列，上百億條記錄設計的數據庫。
可以分布式存儲海量的數據
具有容錯能力強，數據高可靠的特點
HBase是一個列式NoSQL數據庫
數據存儲的結構是按照列進行存儲。按照列進行存儲的數據庫產品，一般都有行鍵的概念。
使用行鍵，可以標示一行數據。理解行鍵的時候，可以簡單的認為是RDBMS中的PK。
Hbase存儲數據的物理結構是key-value形式。key就是行鍵。
同時可以非常方便的進行橫向擴展（scale out，縱向擴展scale up）。

HBase安裝

安裝前需要保證hadoop、zookeeper、java已經安裝好。

單機版本

解壓   ~]$ tar -zxf /home/uplooking/soft/hbase-1.1.5-bin.tar.gz -C /home/uplooking/app
重命名 ~]$ mv /home/uplooking/app/hbase-1.1.5 /home/uplooking/app/hbase
添加至環境變量 export HBASE_HOME=/home/uplooking/app/hbase
配置 $HBASE_HOME/conf/hbase-env.sh、hbase-site.xml
  $HBASE_HOME/conf/hbase-env.sh
    export JAVA_HOME=/opt/jdk
    export HBASE_MANAGES_ZK=false
  $HBASE_HOME/conf/hbase-site.xml
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://ns1/hbase</value>
  </property>
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>uplooking01,uplooking02,uplooking03</value>
  </property>
啟動
  sh $HBASE_HOME/bin/start-hbase.sh
  使用jps命令，當有HMaster、HQuorumPeer(使用hbase自帶的zk)、HRegionServer三個進程啟動的時候，說明hbase服務已經啟動成功
停止
  sh $HBASE_HOME/bin/stop-hbase.sh
單進程啟動
  HMaster hbase-daemon.sh start master
  HRegionserver hbase-daemon.sh start regionserver
訪問：
  web http://<ip>:16010
  cli bin/hbase shell

分布式安裝

在上述的基礎之上，只需要再配置一個conf/regionservers,添加兩行內容：
uplooking02
uplooking03
注意：
  如果已經配置過單機版，需要將hbase在hdfs上面的目錄、以及hbase在zk中的目錄清除，以免和集群版本操作沖突
  zk
    rmr /hbase
  hdfs
    hdfs dfs -rm -R /hbase
拷貝master上面的數據到uplooking02和uplooking03
  scp -r app/hbase uplooking@uplooking02:/home/uplooking/app/
  scp -r app/hbase uplooking@uplooking03:/home/uplooking/app/
同樣在slave01和slave02上面添加相關環境變量
  scp ~/.bash_profile uplooking@uplooking02:/home/uplooking/
  scp ~/.bash_profile uplooking@uplooking02:/home/uplooking/
  讓其生效
  source ~/.bash_profile
啟動hbase集群
  sh $HBASE_HOME/bin/start-hbase.sh
  這個時候在master機器上面，有一個進程HMaster，在uplooking02和uplooking03上面分別有一個HRegionServer

啟動HBase出現的問題及解決方案

啟動hbase出現如下問題：

Caused by: java.lang.IllegalArgumentException: java.net.UnknownHostException: ns1
    at org.apache.hadoop.security.SecurityUtil.buildTokenService(SecurityUtil.java:373)
    at org.apache.hadoop.hdfs.NameNodeProxies.createNonHAProxy(NameNodeProxies.java:258)
    at org.apache.hadoop.hdfs.NameNodeProxies.createProxy(NameNodeProxies.java:153)
    at org.apache.hadoop.hdfs.DFSClient.<init>(DFSClient.java:602)
    at org.apache.hadoop.hdfs.DFSClient.<init>(DFSClient.java:547)
    at org.apache.hadoop.hdfs.DistributedFileSystem.initialize(DistributedFileSystem.java:139)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2591)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:89)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2625)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2607)
    at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:368)
    at org.apache.hadoop.fs.Path.getFileSystem(Path.java:296)
    at org.apache.hadoop.hbase.util.FSUtils.getRootDir(FSUtils.java:1002)
    at org.apache.hadoop.hbase.regionserver.HRegionServer.<init>(HRegionServer.java:566)
    ... 10 more
Caused by: java.net.UnknownHostException: ns1

解決方案：

第一種方式：
    source一下環境變量文件
第二種方式：
    將hdfs對應的hdfs-site.xml和core-site.xml交給hbase管理

另外需要注意的是，如果原來已經安裝了單機版，如果再安裝集群版本時，需要把原來相關的數據刪除。

HBase體系結構

邏輯結構：

表（table）
      劃分數據集合的概念，和傳統的db中的表的概念是一樣的。

行健(RowKey)：
  一行數據的唯一標示，要想操作(read/write)一條數據,必須通過行健，其在hbase底層都是使用字節數組進行存放，
    所以方便我們使用rk進行排序，
   行鍵是字節數組, 任何字符串都可以作為行鍵；表中的行根據行鍵進行排序，數據按照Row key的字節序(byte order)排序存儲；
     所有對表的訪問都要通過行鍵 （單個RowKey訪問，或RowKey范圍訪問，或全表掃描)。

列族（columnFamily）
   簡單的認為是一系列“列”的集合。列族是以單獨的文件進行存儲。

列限定符（column Qualifier）
   或者叫列。列里面的數據定位通過列限定符 每個CF可以有一個或多個列成員(ColumnQualifier)，
   列成員不需要在表定義時給出，新的列族成員可以隨后按需、動態加入。時間戳（version）
   在單元格中可以存放多個版本的數據。

單元格（cell）
   Cell 由行鍵，列族:限定符，時間戳唯一決定，Cell中的數據是沒有類型的，全部以字節碼形式存貯，主要用來存儲數據。

單元格的圖示如下：

物理結構：

HMaster ----->NameNode
  管理節點

HRegionServer----->DataNode
  存放Region的服務器

HRegion
  存放hbase中數據的一個概念，可以簡單的理解為表，存放一張表中的一部分數據，當該region中的數據超過一定量的時候，會自動進行分裂，
分裂成兩個region(一份為二)，從這個角度上而言，Region是對hbase中表的一個橫向的劃分。

HFile
  在hdfs上存放數據之前的一個物理結構，用于接收從客戶端提交過來的數據。  

一個集群中有多個HRegionServer
  |-----一個HLog
  |-----多個HRegion
    |---多個Store
      |----一個CF

HBase的物理結構圖示如下：

HBase操作

CLI(Command Line interface)：

使用bin/hbase shell來進入命令終端
命令：
list查看當前命名空間下的所有的表,也可以查看特定命名空間下的表
  list 'ns:abc.*' --->查看命名空間ns下面的所有的以表名以abc開頭的表的列表
創建一張表
  create 't1', 'cf1' --->在默認的命名空間下創建一張表名為t1，只有一個列族，列族名為cf1
查看一張表的所有內容：scan
  scan 't1'或者scan 'ns1:t1'
往表中增加一條記錄：put
  put 't1', '1'(rowkey), 'cf1:name', 'zhangsan'
查看其中一個具體的值
  get 't1', '1', 'cf1:name'
查看表的屬性信息：
  describe/desc 't1'
刪除記錄：delete
  delete 't1', '1', 'cf1:age' -->刪除某一個rowkey對應的cf1:age對應的單元格
  deleteall 't1', '2'     -->刪除rowkey=2對應的所有的單元格
刪除一張表：
  注意：刪除表之前，需要先確認表狀態是否為disable，如果不是，需要disable '表名'
  disable 't1'
  drop 't1'

練習：

rk column column      cf
  name  grad        course
                math  art |column
1 Tom   5       97    87
2 Jim   4       89    80
創建表
  create 'stu','name', 'grad','course' --->創建了表stu，有三個列族，name、grad、course
增加數據：
  put 'stu', '1', ':name', 'Tom'    直接寫成'name'也是可以的，也就是說name這個列族下面沒有多列
  put 'stu', '1', ':grad', '5'
  put 'stu', '1', 'course:art', '97'
  put 'stu', '1', 'course:math', '88'
刪除name="Jim"的art成績
  delete 'stu', '2', 'name', 'Jim', "course:art" --->錯誤的
  delete 'stu', '2',"course:art" 因為每次操作，只能操作的是單一單元格，hbase的原子性操作是基于單元格的
  而一個單元格的確定是由rk、cf、col、ts(timestamp)
刪除name="JIM"所在的行的而所有單元格
  deleteall 'stu', '2'
查看當前表有多少條記錄：select count(1) from t;
  count 

HBase的java API操作

測試代碼

package com.uplooking.bigdata.hbase;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.*;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.FilterList;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

/**
 * HBase Java API 學習
 */
public class HBaseAPIOps {
    private Connection connection;
    private  Admin admin;
    @Before
    public void setUp() throws Exception {
        Configuration conf = HBaseConfiguration.create();
        connection = ConnectionFactory.createConnection(conf);
        admin = connection.getAdmin();
    }

    /*
        list 'default:t.*'
        TABLE
        t1
        t2
     */
    @Test
    public void testList() throws IOException {
        TableName[] tblNames = admin.listTableNames("default:t.*");
        for (TableName tblName : tblNames) {
            System.out.println(tblName.getNamespaceAsString() + ":" + tblName.getNameAsString());
        }
    }

    @Test
    public void testCreate() throws IOException {
        HTableDescriptor desc = new HTableDescriptor(TableName.valueOf("t3"));
        HColumnDescriptor family = new HColumnDescriptor("cf");
        desc.addFamily(family);
        admin.createTable(desc);
    }

    @Test
    public void testAddRecord() throws IOException {
        Table t3 = connection.getTable(TableName.valueOf("t3"));
        byte[] cf = "cf".getBytes();
        byte[] nameBytes = "name".getBytes();
        byte[] ageBytes = "age".getBytes();
        List<Put> puts = new ArrayList<Put>();
        /*Put put1 = new Put("1".getBytes());
        put1.addColumn(cf, nameBytes, "xiaofazeng".getBytes());
        put1.addColumn(cf, ageBytes, "13".getBytes());
        puts.add(put1);
        Put put2 = new Put("2".getBytes());
        put2.addColumn(cf, nameBytes, "xiaoshihao".getBytes());
        put2.addColumn(cf, ageBytes, "15".getBytes());*/
//        puts.add(put2);

        for (int i = 1000; i <= 10000; i++) {
            Put put = new Put((i + "").getBytes());
            put.addColumn(cf, nameBytes, ("xiaohuihui" + i).getBytes());
            put.addColumn(cf, ageBytes, ("" + (i % 99 + 1)).getBytes());
            puts.add(put);
        }
        t3.put(puts);
        t3.close();
    }

    @Test
    public void testGetRecord() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t3"));

        List<Get> gets = Arrays.asList(
                new Get("1".getBytes()),
                new Get("2".getBytes()).addColumn("cf".getBytes(), "name".getBytes())
        );
        Result[] results = table.get(gets);
        for (Result result : results) {
            CellScanner cs = result.cellScanner();
            while(cs.advance()) {
                System.out.println("=======================================================");
                Cell cell = cs.current();
                String value = new String(cell.getValueArray(), cell.getValueOffset(), cell.getValueLength());
                String cf = new String(cell.getFamilyArray(), cell.getFamilyOffset(), cell.getFamilyLength());
                String qualifier = new String(cell.getQualifierArray(), cell.getQualifierOffset(), cell.getQualifierLength());
                String rk = new String(cell.getRowArray(), cell.getRowOffset(), cell.getRowLength());
                long timestamp = cell.getTimestamp();
                System.out.println(rk + "\t" + cf + ":" + qualifier + "\t" + timestamp + "\t" + value);

                System.out.println("cell.getValueArray() == cell.getFamilyArray()? " + (cell.getValueArray() == cell.getFamilyArray()));
                System.out.println("cell.getValueArray() == cell.getQualifierArray()? " + (cell.getValueArray() == cell.getQualifierArray()));
                System.out.println("cell.getValueArray() == cell.getRowArray()? " + (cell.getValueArray() == cell.getRowArray()));
                System.out.println("------------------------------------------------------");
                int rowOffset = cell.getRowOffset();
                short rowLength = cell.getRowLength();

                int fOffset = cell.getFamilyOffset();
                byte fLength = cell.getFamilyLength();

                int qOffset = cell.getQualifierOffset();
                int qLength = cell.getQualifierLength();

                int vOffset = cell.getValueOffset();
                int vLength = cell.getValueLength();

                byte typeByte = cell.getTypeByte();
                System.out.println("rowOffset: " + rowOffset + ", rowLength: " + rowLength);
                System.out.println("fOffset: " + fOffset + ", fLength: " + fLength);
                System.out.println("qOffset: " + qOffset + ", qLength: " + qLength);
                System.out.println("vOffset: " + vOffset + ", vLength: " + vLength);

                System.out.println("typeByte: " + typeByte);
            }
        }
        table.close();
    }

    @Test
    public void testScan() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t3"));
        Scan scan = new Scan();
        ResultScanner resultScanner = table.getScanner(scan);
       /* for (Result result : resultScanner) {
            String name = new String(result.getValue("cf".getBytes(), "name".getBytes()));
            int age = Integer.valueOf(new String(result.getValue("cf".getBytes(), "age".getBytes())));
            String rowKey = new String(result.getRow());
            System.out.println(rowKey + "\t" + "cf:name-->" + name + ", cf:age-->" + age);
        }*/
        resultScanner.forEach(result -> {
            String name = new String(result.getValue("cf".getBytes(), "name".getBytes()));
            int age = Integer.valueOf(new String(result.getValue("cf".getBytes(), "age".getBytes())));
            String rowKey = new String(result.getRow());
            System.out.println(rowKey + "\t" + "cf:name-->" + name + ", cf:age-->" + age);
        });
        table.close();
    }

    /**
     * 條件查詢
     * 其實說白了就是sql中的where條件，給hbase程序添加過濾器
     * @throws IOException
     */
    @Test
    public void testQueryByCondtion() throws IOException {
        Table table = connection.getTable(TableName.valueOf("t3"));
        Scan scan = new Scan();
        Filter filter1 = new SingleColumnValueFilter("cf".getBytes(),
                "age".getBytes(),
                CompareFilter.CompareOp.GREATER_OR_EQUAL,
                "13".getBytes());
        Filter filter2 = new SingleColumnValueFilter("cf".getBytes(),
                "age".getBytes(),
                CompareFilter.CompareOp.LESS_OR_EQUAL,
                "18".getBytes());
        FilterList filterList = new FilterList();
        filterList.addFilter(filter1);
        filterList.addFilter(filter2);
        scan.setFilter(filterList);
        ResultScanner resultScanner = table.getScanner(scan);
        resultScanner.forEach(result -> {
            String name = new String(result.getValue("cf".getBytes(), "name".getBytes()));
            int age = Integer.valueOf(new String(result.getValue("cf".getBytes(), "age".getBytes())));
            String rowKey = new String(result.getRow());
            System.out.println(rowKey + "\t" + "cf:name-->" + name + ", cf:age-->" + age);
        });
        table.close();
    }
    @After
    public void cleanUp() throws IOException {
        admin.close();
        connection.close();
    }
}

HBase相關maven依賴

<properties>
  <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
  <hive-api.version>2.1.0</hive-api.version>
  <hadoop-api.version>2.6.4</hadoop-api.version>
  <hadoop-core.version>1.2.1</hadoop-core.version>
  <hbase-version>1.1.5</hbase-version>
</properties>

<dependencies>
  <dependency>
    <groupId>junit</groupId>
    <artifactId>junit</artifactId>
    <version>4.12</version>
  </dependency>
  <!-- HBase的maven依賴-->
  <dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>${hbase-version}</version>
  </dependency>
  <dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-server</artifactId>
    <version>${hbase-version}</version>
  </dependency>
  <dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-hbase-handler</artifactId>
    <version>${hive-api.version}</version>
  </dependency>
</dependencies>
<build>
  <plugins>
    <!-- compiler插件, 設定JDK版本 -->
    <plugin>
      <groupId>org.apache.maven.plugins</groupId>
      <artifactId>maven-compiler-plugin</artifactId>
      <version>2.3.2</version>
      <configuration>
        <encoding>UTF-8</encoding>
        <source>1.8</source>
        <target>1.8</target>
        <showWarnings>true</showWarnings>
      </configuration>
    </plugin>
    <plugin>
      <artifactId>maven-assembly-plugin</artifactId>
      <configuration>
        <descriptorRefs>
          <descriptorRef>jar-with-dependencies</descriptorRef>
        </descriptorRefs>
        <archive>
          <manifest>
            <mainClass>com.uplooking.bigdata.hbase.HBase2HDFSOps</mainClass>
          </manifest>
        </archive>
      </configuration>
      <executions>
        <execution>
          <id>make-assembly</id>
          <phase>package</phase>
          <goals>
            <goal>single</goal>
          </goals>
        </execution>
      </executions>
    </plugin>
  </plugins>
</build>