HBase初入门
1. hbase简介
1.1 什么是hbase
HBASE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的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。
HBASE是Google Bigtable的开源实现，但是也有很多不同之处。比如：Google Bigtable利用GFS作为其文件存储系统，HBASE利用Hadoop HDFS作为其文件存储系统；Google运行MAPREDUCE来处理Bigtable中的海量数据，HBASE同样利用Hadoop MapReduce来处理HBASE中的海量数据；Google Bigtable利用Chubby作为协同服务，HBASE利用Zookeeper作为对应。
1.2. 与传统数据库的对比
1、传统数据库遇到的问题：
1）数据量很大的时候无法存储
2）没有很好的备份机制
3）数据达到一定数量开始缓慢，很大的话基本无法支撑
2、HBASE优势：
1）线性扩展，随着数据量增多可以通过节点扩展进行支撑
2）数据存储在hdfs上，备份机制健全
3）通过zookeeper协调查找数据，访问速度块。
1.3. hbase集群中的角色
1、一个或者多个主节点，Hmaster
2、多个从节点，HregionServer
2 hbase中的数据模型
- RowKey : 与nosql数据库们一样,row key是用来检索记录的主键。访问HBASE table中的行，只有三种方式：
- 1.通过单个row key访问
- 2.通过row key的range（正则）
- 3.全表扫描
Row key行键 (Row key)可以是任意字符串(最大长度 是 64KB，实际应用中长度一般为 10-100bytes)，在HBASE内部，row key保存为字节数组。存储时，数据按照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
- Columns Family : 列簇 ：HBASE表中的每个列，都归属于某个列族。列族是表的schema的一部 分(而列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如 courses:history，courses:math都属于courses 这个列族。
- Cell 由{row key, columnFamily, version} 唯一确定的单元。cell中 的数据是没有类型的，全部是字节码形式存贮。
关键字：无类型、字节码 - Time Stamp
HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由HBASE(在数据写入时自动 )赋值，此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段 时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。
3 、hbase shell的基本命令
- 启动HBase的shell命令行,退出命令行
// 启动
#$HBASE_HOME/bin/hbase shell
// 退出
quit
- 创建表,创建表时不需要指明列，在HBase中列族是表的schema的一部 分而列不是
create '表名', '列族名1','列族名2'......'列族名N'
如：
create 'user123','info1','info2','info3'
- 查看所有表
list
- 查看表结构
describe ‘表名’ 如 ： describe 'user123'
- 判断表是否存在
exists '表名' 如：exists 'user123'
- 是否禁用启用表
is_enabled '表名'
is_disabled ‘表名’
- 向表中添加记录
put ‘表名’, ‘rowKey’, ‘列族 : 列‘ , '值'
如：
put 'user123','123','info1:name','zhangsan'
- 查看记录rowkey下的所有数据
get '表名' , 'rowKey'
如 ： get 'user123','123'
- 查看表中总的记录数
count '表名'
- 获取某个列族的某个列的值
get '表名','rowkey','列族：列’ 如： get 'user123','123','info1:name'
- 删除某个列族的某个列
delete ‘表名’ ,‘行名’ , ‘列族：列' 如： delete 'user123','123','info1:name'
- 删除整个记录
deleteall '表名','rowkey'
- 删除表(drop)
先要屏蔽该表，才能对该表进行删除
第一步 disable ‘表名’ ，第二步 drop '表名'
- 清空表
truncate '表名'
- 查询所有记录
scan "表名"
4 、Java操作hbase的基本API
- 配置HBase
static Configuration config = null;
private Connection connection = null;
private Table table = null;
@Before
public void init() throws Exception{
config = HBaseConfiguration.create();
//配置zookeeper地址
config.set("hbase.zookeeper.quorum", "mini5,mini6,mini7");
//zookeeper端口
config.set("hbase.zookeeper.property.clientPort", "2181");
connection = ConnectionFactory.createConnection(config);
table = connection.getTable(TableName.valueOf("user"));
}
.....................
@After
public void close() throws IOException{
table.close();
connection.close();
}
- 创建HBase表
@Test
public void createTable() throws Exception{
//创建表管理类
HBaseAdmin admin = new HBaseAdmin(config);
//创建表描述类 表的名称
TableName tableName = TableName.valueOf("test2");
HTableDescriptor desc = new HTableDescriptor(tableName);
//创建列族的描述类 列族
HColumnDescriptor family = new HColumnDescriptor("info");
//将列族添加到表中
desc.addFamily(family);
//列族描述类
HColumnDescriptor family2 = new HColumnDescriptor("info2");
//将列族添加到表中
desc.addFamily(family2);
//创建表
admin.createTable(desc);
}
- 删除HBase表（相当于drop）
@Test
public void deleteDate() throws IOException{
//创建要删除的rowkey
Delete delete = new Delete(Bytes.toBytes("Potter Zha1"));
//设置要删除的列族
//delete.addFamily(Bytes.toBytes("info2"));
//设置要删除的具体列
delete.addColumn(Bytes.toBytes("info1"), Bytes.toBytes("age"));
//删除操作
table.delete(delete);
}
- 向HBase表中插入数据
@Test
public void insertDate() throws IOException{
//创建数据封装类
Put put = new Put(Bytes.toBytes("Potter Zha1"));
put.add(Bytes.toBytes("info1"),Bytes.toBytes("name"),Bytes.toBytes("zhangsan"));
put.add(Bytes.toBytes("info1"),Bytes.toBytes("age"),Bytes.toBytes(23));
put.add(Bytes.toBytes("info1"), Bytes.toBytes("sex"), Bytes.toBytes(0));
put.add(Bytes.toBytes("info1"), Bytes.toBytes("address"), Bytes.toBytes("NewYork"));
put.add(Bytes.toBytes("info2"),Bytes.toBytes("occupation"),Bytes.toBytes("software engineer"));
put.add(Bytes.toBytes("info2"),Bytes.toBytes("hobbit"),Bytes.toBytes("money"));
//添加数据
table.put(put);
}
- 修改HBase表中数据
@Test
public void updateDate() throws IOException{
//HBase表中通过rowkey判别是是否为同一条记录，同一条记录再次插入即为修改
//创建数据封装类
Put put = new Put(Bytes.toBytes("Potter Zha"));
put.add(Bytes.toBytes("info1"),Bytes.toBytes("name"),Bytes.toBytes("lisi"));
put.add(Bytes.toBytes("info1"),Bytes.toBytes("age"),Bytes.toBytes("30"));
put.add(Bytes.toBytes("info1"), Bytes.toBytes("sex"), Bytes.toBytes("1"));
put.add(Bytes.toBytes("info1"), Bytes.toBytes("address"), Bytes.toBytes("Japan"));
//添加数据
table.put(put);
}
- 删除HBase表中的数据
@Test
public void deleteDate() throws IOException{
//创建要删除的rowkey
Delete delete = new Delete(Bytes.toBytes("Potter Zha1"));
//设置要删除的列族
//delete.addFamily(Bytes.toBytes("info2"));
//设置要删除的具体列
delete.addColumn(Bytes.toBytes("info1"), Bytes.toBytes("age"));
//删除操作
table.delete(delete);
}
- 查询单条HBase表的记录
@Test
public void queryData() throws IOException{
//创建封装查询条件的类
Get get = new Get(Bytes.toBytes("Potter Zha1"));
//设置具体查询某列
//get.addColumn(Bytes.toBytes("info1"),Bytes.toBytes("name"));
Result result = table.get(get);
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(name));
System.out.println(Bytes.toInt(sex));
System.out.println(Bytes.toInt(age));
System.out.println(Bytes.toString(address));
}
- 全表扫描查询
@Test
public void scanData() throws IOException{
//设置全表扫描封装类
Scan scan = new Scan();
//设置查询起始的rowkey
scan.setStartRow(Bytes.toBytes("B"));
scan.setStopRow(Bytes.toBytes("Potter Zha3"));
//设置单独查询某一行
// scan.addColumn(Bytes.toBytes("info1"), Bytes.toBytes("name"));
//扫描
ResultScanner scanner = table.getScanner(scan);
for(Result result:scanner){
byte[] rowkey = result.getRow();
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(rowkey)+":"+Bytes.toString(name)+":"+Bytes.toInt(sex)+":"+Bytes.toString(address)+":"+Bytes.toInt(age));
}
}
- 带有全表扫描列值过滤器的查询
//在info1列族中查询name列值为“wangxiaoer”的记录
@Test
public void scanDataByFilter1() throws IOException{
//创建全表扫描scan
Scan scan = new Scan();
//列值过滤器
SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("info1"),
Bytes.toBytes("name"), CompareOp.EQUAL, Bytes.toBytes("wangxiaoer"));
//设置过滤器
scan.setFilter(filter);
//全表扫描
ResultScanner scanner = table.getScanner(scan);
for(Result result:scanner){
byte[] rowkey = result.getRow();
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(rowkey)+":"+Bytes.toString(name)+":"+Bytes.toInt(sex)+":"+Bytes.toString(address)+":"+Bytes.toInt(age));
}
}
- 带有列名前缀过滤器的查询
//查找列名以name_a开头的记录
public void scanDataByFilter2() throws IOException{
//创建过滤器
ColumnPrefixFilter columnPrefixFilter = new ColumnPrefixFilter(Bytes.toBytes("name_a"));
Scan scan = new Scan();
scan.setFilter(columnPrefixFilter);
//全表扫描
ResultScanner scanner = table.getScanner(scan);
for(Result result:scanner){
byte[] rowkey = result.getRow();
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name_a"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(rowkey)+":"+Bytes.toString(name)+Bytes.toString(address));
}
}
- 带有rowkey过滤器的查询
public void scanDataByFilter3() throws IOException{
//设置rowkey过滤器 匹配以 Potter开头的rowkey
Filter f = new RowFilter(CompareOp.EQUAL,new RegexStringComparator("^Potter"));
Scan scan = new Scan();
scan.setFilter(f);
//全表扫描
ResultScanner scanner = table.getScanner(scan);
for(Result result:scanner){
byte[] rowkey = result.getRow();
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name_a"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(rowkey)+":"+Bytes.toString(name)+":"+Bytes.toString(address));
}
}
- 带有多值过滤器的查询
//查询以Potter开头的rowkey中info1列族中name列值为zhangsan的记录
public void scanByDataFilter4() throws IOException{
FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ALL);
Filter f = new RowFilter(CompareOp.EQUAL,new RegexStringComparator("^Potter"));
SingleColumnValueFilter filter = new SingleColumnValueFilter(Bytes.toBytes("info1"),
Bytes.toBytes("name"), CompareOp.EQUAL, Bytes.toBytes("zhangsan"));
filterList.addFilter(filter);
filterList.addFilter(f);
Scan scan = new Scan();
scan.setFilter(filterList);
//全表扫描
ResultScanner scanner = table.getScanner(scan);
for(Result result:scanner){
byte[] rowkey = result.getRow();
byte[] name = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("name_a"));
byte[] sex = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("sex"));
byte[] address = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("address"));
byte[] age = result.getValue(Bytes.toBytes("info1"), Bytes.toBytes("age"));
System.out.println(Bytes.toString(rowkey)+":"+Bytes.toString(name)+":"+Bytes.toString(address));
}
}
5、MapReduce操作Hbase
需求 ：
1、建立数据来源表‘word’，包含一个列族‘content’向表中添加数据，在列族中放入列‘info’，并将短文数据放入该列中，如此插入多行，行键为不同的数据即可
2、建立输出表‘stat’，包含一个列族‘content’
3、通过Mr操作Hbase的‘word’表，对‘content：info’中的短文做词频统计，并将统计结果写入‘stat’表的‘content：info中’，行键为单词
5.1实现方法
Hbase对MapReduce提供支持，它实现了TableMapper类和TableReducer类，我们只需要继承这两个类即可。
- 1、写个mapper继承TableMapper
参数：Text：mapper的输出key类型； IntWritable：mapper的输出value类型。
其中的map方法如下：
map(ImmutableBytesWritable key, Result value,Context context)
参数：key：rowKey；value： Result ，一行数据； context上下文 - 2、写个reduce继承TableReducer
参数：Text:reducer的输入key； IntWritable：reduce的输入value；
ImmutableBytesWritable：reduce输出到hbase中的rowKey类型。
其中的reduce方法如下：
reduce(Text key, Iterable values,Context context)
参数： key：reduce的输入key；values：reduce的输入value；
5.2 具体实现
- 配置hbase
/**
* 创建HBase配置
*/
static Configuration config = null;
static {
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "mini5,mini6,mini7");
config.set("hbase.zookeeper.property.clientPort", "2181");
}
public static final String tableName = "word";//表名1
public static final String colf = "content";//列族
public static final String col = "info";//列
public static final String tableName2 = "stat";//表名2
- 初始化表的结构及其数据
/**
* 初始化表的结构及其数据
*/
public static void initTB(){
HTable table = null;
HBaseAdmin admin = null;
try{
admin = new HBaseAdmin(config);//创建表的管理
//如果表存在则删除
if(admin.tableExists(tableName) || admin.tableExists(tableName2)){
System.out.println("table is already exists!");
admin.disableTable(tableName);
admin.disableTable(tableName2);
admin.deleteTable(tableName);
admin.deleteTable(tableName2);
}
//创建表
HTableDescriptor desc = new HTableDescriptor(tableName);
HColumnDescriptor family = new HColumnDescriptor(colf);
desc.addFamily(family);
admin.createTable(desc);
HTableDescriptor desc2 = new HTableDescriptor(tableName2);
HColumnDescriptor family2 = new HColumnDescriptor(colf);
desc2.addFamily(family2);
admin.createTable(desc2);
table = new HTable(config,tableName);
table.setAutoFlush(false);
table.setWriteBufferSize(500);
List lp = new ArrayList();
Put p1 = new Put(Bytes.toBytes("1"));
p1.add(colf.getBytes(), col.getBytes(), ("The Apache Hadoop software library is a framework").getBytes());
lp.add(p1);
Put p2 = new Put(Bytes.toBytes("2"));
p2.add(colf.getBytes(), col.getBytes(), ("The common utilities that support the other Hadoop modules").getBytes());
lp.add(p2);
Put p3 = new Put("3".getBytes());
p3.add(colf.getBytes(),col.getBytes(),("Hadoop by reading the documentation").getBytes());
lp.add(p3);
Put put4 = new Put("4".getBytes());
put4.add(colf.getBytes(),col.getBytes(),("Hadoop from the release page").getBytes());
lp.add(put4);
Put put5 = new Put("5".getBytes());
put5.add(colf.getBytes(),col.getBytes(),("Hadoop on the mailing list").getBytes());
lp.add(put5);
table.put(lp);
table.flushCommits();
lp.clear();
}catch(Exception e){
e.printStackTrace();
}finally{
try{
if(table != null ){
table.close();
}
}catch(Exception e ){
e.printStackTrace();
}
}
}
- Mapper类
/**
* MyMapper继承TableMapper
* TableMapper
* Text:输出的key类型
* IntWritable:输出的value类型
* @author potter
*
*/
public static class MyMapper extends TableMapper{
private static IntWritable one = new IntWritable(1);
private static Text word = new Text();
//输出入的类型为key:rowkey;value:一行数据的结果集Result
protected void map(ImmutableBytesWritable key ,Result value,Context context) throws IOException, InterruptedException{
//一行只有一个列族可以从result中直接取值
String words = Bytes.toString(value.getValue(Bytes.toBytes(colf), Bytes.toBytes(col)));
String inr[] = words.toString().split(" ");
//循环输出word和1
for(int i = 0 ; i < inr.length ; i ++ ){
word.set(inr[i]);
context.write(word, one);
}
}
}
- Reducer类
public static class MyReducer extends TableReducer{
protected void reduce(Text key , Iterable values , Context context) throws IOException, InterruptedException{
int sum = 0 ;
for(IntWritable val : values ){
sum += val.get();
}
//创建put，设置rowkey为单词
Put put = new Put(Bytes.toBytes(key.toString()));
//封装数据
put.add(Bytes.toBytes(colf),Bytes.toBytes(col),Bytes.toBytes(String.valueOf(sum)));
//写到hbase，需要指定rowkey,put
context.write(new ImmutableBytesWritable(Bytes.toBytes(key.toString())), put);
}
}
- 提交任务的main方法
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
//初始化表
initTB();
//创建job
Job job = new Job(config,"HBaseMr");//job
job.setJarByClass(HBaseMR.class);
Scan scan = new Scan();
scan.addColumn(Bytes.toBytes(colf), Bytes.toBytes(col));
//创建查询hbase的mapper,设置表名、scan、mapper类，mapper的输出key、mapper的输出value
TableMapReduceUtil.initTableMapperJob(tableName, scan, MyMapper.class, Text.class, IntWritable.class, job);
TableMapReduceUtil.initTableReducerJob(tableName2, MyReducer.class, job);
System.exit(job.waitForCompletion(true) ? 0 : 1 );
}
- 通过 hbase shell的scan命令查看统计结果如下：
