Hadoop分布系统入门：HBase篇

HBase简述

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HBase 技术可在廉价 PC Server 上搭建起大规模结构化存储集群。

HBase适用场景：

• 大数据量存储，大数据量高并发操作

• 需要对数据随机读写操作

• 读写访问均是非常简单的操作
  
  HDFS：

• 分布式存储提供文件系统

• 优化存储大尺寸的文件，不对文件进行随机读写

• 直接使用文件

• 数据模型不灵活

• 优化一次写入，多次读取的方式

• 使用文件系统和处理框架

• 使用文件系统和处理框架

HBase：

• 优化了多次读，以及多次写
• 使用表状存储，支持mr，依赖HDFS
• 提供灵活的数据模型
• 使用key-value操作数据
• 针对表状数据的随机读写进行优化
• 提供表状的面向列的数据存储

HBase数据模型

行键	时间戳	列族 contents	列族 anchor	列族 mime
“com.cnn.www”	T9	Contents:html = “…”	Anchor.cnnsi.com = “CNN”	Mime.type = “text/html”

行键：

• 行键是字节数组、任何字符串都可以作为行键
• 表中的行根据行键进行排序，数据按照Row key的字节库（byte order）排序存储
• 所有对表的访问都要通过行键（单个RowKey访问，或RowKey范围访问，或者全表扫描）

列族（ColumnFamily）：

• CF必须在表定义时候给出
• 每个CF可以有一个或多个列成员，列成员不需要再表定义时给出，新的列族成员可以随后按需、动态的加入
• 数据按CF分开存储，HBase所谓的列式存储就是根据CF分开存储（每个CF对应一个Store），这种设计非常适合数据分析的情形。

时间戳（TimeStamp）： 每个Cell可能有多个版本，他们之间用时间戳区分

单元格（Cell）：

• Cell 由行键，列簇：限定符，时间戳唯一决定
• Cell中的数据是没有类型的，全部以字节码的形式储存

区域（Region）：

• HBase 自动把表水平（按 Row）划分成多个区域(region)，每个region 会保存一个表里面某段连续的数据；
• 每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，region 就会等分会两个新的region；
• 当 table 中的行不断增多，就会有越来越多的 region。这样一张完整的表被保存在多个Region 上。
• Region 虽然是分布式存储的最小单元，但并不是存储的最小单元。Region由一个或者多个 Store 组成，每个 store 保存一个 columns family；每个Strore又由一个memStore和0至多个StoreFile组成， StoreFile包含HFile；memStore存储在内存中，StoreFile 存储在HDFS上。

HBase架构及基本组件

Client： 包含访问HBase的接口
Master：

• 为Region server 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
• 管理用户对table的增删改查操作

Region Server：

• Regionserver维护 region，处理对这些 region的 IO请求
• Regionserver负责切分在运行过程中变得过大的 region

Zookeeper作用：

• 通过选举，保证任何时候，集群中只有一个Master， Master与RegionServers启动时会向ZooKeeper 注册
• 存储所有 Region 的寻址入口
• 实时监控 Region server 的上线和下线信息，并实时通知给Master
• 存储 HBase 的schema 和table 元数据
• 默认情况下，HBase 管理 ZooKeeper 实例，比如， 启动或者停止ZooKeeper
• Zookeeper的引入使得Master 不再是单点故障

HBase基础操作

list：查看有哪些表
create：创建表
disable：删除表
describe：查看表的结构
enable：启用表
alter：修改表结构
grant：分配权限
user_permission：查看权限
revoke：收回权限
put：添加数据
get：查询数据——查询某行记录
scan：查询数据——扫描表
count：查询表中的数据行数
delete：删除行中的某个列值
deleteall：删除行
truncate：删除表中所有数据
move：移动Region
balance_swithch：开启/关闭Region

$HBASE_HOME/bin/hbase shell # 进入hbase shell console

####################表的管理####################
list # 查看有哪些表
# 创建表的语法如下：
create <table>, {NAME => <family>, VERSIONS => <VERSIONS>}
# 例子 创建表t1，有两个family name：f1，f2，且版本数均为2 
create 't1',{NAME => 'f1', VERSIONS => 2},{NAME => 'f2', VERSIONS => 2}

# 删除表要分两步，首先disable 然后drop
disable 't1'
drop 't1'

# 查看表的结构
describe 't1'

# 修改表的结构
# 修改表结构必须先disable
# 语法：alter 't1', {NAME => 'f1'}, {NAME => 'f2', METHOD => 'delete'}
# 一个例子：修改表test1的cf的TTL为180天
disable 'test1' 
alter 'test1',{NAME=>'body',TTL=>'15552000'},{NAME=>'meta', TTL=>'15552000'} 
enable 'test1'

#################权限管理###################
#分配权限
# 语法 : grant <user> <permissions> <table> <column family> <column qualifier> 参数 后面用逗号分隔 
# 权限用五个字母表示： "RWXCA". 
# READ('R'), WRITE('W'), EXEC('X'), CREATE('C'), ADMIN('A')
# 例如，给用户‘test'分配对表t1有读写的权限，
grant 'test','RW','t1'

# 查看权限
# 语法：user_permission <table>
# 例如，查看表t1的权限列表 
user_permission 't1'

# 收回权限
# 与分配权限类似，语法：revoke <user> <table> <column family> <column qualifier>
# 例如，收回test用户在表t1上的权限 
revoke 'test','t1'

###################表数据的增删改查#######################
# 添加数据
# 语法：put <table>,<rowkey>,<family:column>,<value>,<timestamp>
# 例如：给表t1的添加一行记录：rowkey是rowkey001，family name：f1，column name： col1，value：value01，timestamp：系统默认 
put 't1','rowkey001','f1:col1','value01'

# 查询数据——查询某行记录
# 语法：get <table>,<rowkey>,[<family:column>,....]
# 例如：查询表t1，rowkey001中的f1下的col1的值 
get 't1','rowkey001', 'f1:col1' 
# 或者： 
get 't1','rowkey001', {COLUMN=>'f1:col1'}
# 查询表t1，rowke002中的f1下的所有列值 
hbase(main)> get 't1','rowkey001'

# 查询数据扫描全表
# 语法：scan <table>, {COLUMNS => [ <family:column>,.... ], LIMIT => num} # 另外，还可以添加STARTROW、TIMERANGE和FITLER 等高级功能
# 例如：扫描表t1的前5条数据 
scan 't1',{LIMIT=>5}

# 查询表中的数据行数
# 语法：count <table>, {INTERVAL => intervalNum, CACHE => cacheNum} #INTERVAL设置多少行显示一次及对应的rowkey，默认1000； CACHE每次去取的缓存区大小， 默认是10，调整该参数可提高查询速度
# 例如，查询表t1中的行数，每100条显示一次，缓存区为500 
count 't1', {INTERVAL => 100, CACHE => 500}

# 删除数据——删除行中的某个列值
# 语法：delete <table>, <rowkey>, <family:column> , <timestamp>,必须指定列名
# 例如：删除表t1，rowkey001中的f1:col1的数据 
delete 't1','rowkey001','f1:col1'

# 删除数据——删除表中的所有数据
# 语法： truncate <table> # 其具体过程是：disable table -> drop table -> create table
# 例如：删除表t1的所有数据 
truncate 't1'

######################Region管理##########################
# 移动Region
# 语法：move 'encodeRegionName', 'ServerName' # encodeRegionName 指的 regioName 后面的编码，ServerName 指的是 master-status 的 Region Servers列表
# 示例 
move '4343995a58be8e5bbc739', 'db-41.xxx.xxx.org,60020,139'

# 开启/关闭 Region
# 语法：balance_switch true|false 
hbase(main)> balance_switch

# 手动split
# 语法：split 'regionName', 'splitKey'

参考文献

1. 《Hadoop大数据实战手册》.林中天
2. 《Hadoop技术内幕：深入解析Hadoop Common和HDFS架构设计与实现原理》.蔡斌、陆湘萍
3. 《Hadoop权威指南(第2版)》
4. 大数据工具hdfs和hbase的关系和对比

其他

Hadoop分布系统入门（一）：HDFS篇
Hadoop分布系统入门（二）：MapReduce篇
Hadoop分布系统入门（三）：Zookeeper篇

本文地址：https://blog.csdn.net/Kingsleyandher/article/details/107448701