NoSQL综述及HBase基础

一.NoSQL

1.什么是NoSQL

NoSQL：not only SQL，非关系型数据库
NoSQL是一个通用术语

• 指不遵循传统RDBMS模型的数据库
• 数据是非关系的，且不使用SQL作为主要查询语言
• 解决数据库的可伸缩性和可用性问题
• 不针对原子性或一致性问题

2.NoSQL和关系型数据库对比如下表

对比	NoSQL	关系型数据库
常用数据库	HBase、MongoDB、Redis	Oracle、DB2、MySQL
存储格式	文档、键值对、图结构	表格式，行和列
存储规范	鼓励冗余	规范性，避免重复
存储扩展	横向扩展，分布式	纵向扩展（横向扩展有限）
查询方式	结构化查询语言SQL	非结构化查询
事务	不支持事务一致性	支持事务
性能	读写性能高	读写性能差
成本	简单易部署，开源，成本低	成本高

3.NoSQL和BI、大数据的关系

BI（Business Intelligence）：商务智能

• 它是一套完整的解决方案
• BI应用涉及模型，模型依赖于模式
• BI主要支持标准SQL，对NoSQL支持弱于关系型数据库

NoSQL和大数据相关性较高，但是NoSQL != 大数据

• NoSQL产品是为了帮助解决大数据存储问题，但是大数据不仅仅包含数据存储的问题
• 通常大数据场景采用列存储数据库,如：HBase

二.Hbase

1.概述

HBase是一个领先的NoSQL数据库

• 是一个面向列存储的NoSQL数据库
• 是一个分布式Hash Map，底层数据是Key-Value格式
• 基于Google Big Table论文
• 使用HDFS作为存储并利用其可靠性
  HBase特点
• 数据访问速度快，响应时间约2-20毫秒
• 支持随机读写，每个节点20k~100k+ ops/s
• 可扩展性，可扩展到20,000+节点
• 高并发

2.HBase发展历史

时间	事件
2006年	Google发表了关于Big Table论文
2007年	第一个版本的HBase和Hadoop0.15.0一起发布
2008年	HBase成为Hadoop的子项目
2010年	HBase成为Apache顶级项目
2011年	Cloudera基于HBase0.90.1推出CDH3
2012年	HBase发布了0.94版本
2013-2014	HBase先后发布了0.96版本/0.98版本
2015-2016	HBase先后发布了1.0版本、1.1版本和1.2.4版本
2017年	HBase发布1.3版本
2018年	HBase先后发布了1.4版本和2.0版本

3.应用场景

3.1.增量数据-时间序列数据

• 高容量，高速写入
• HBase之上有OpenTSDB模块，可以满足时序类场景，比如传感器，系统监控，股票行情监控等
  

3.2.信息交换-消息传递

• 高容量，高速读写
• 通信、消息同步的应用构建在HBase之上，比如email，FaceBook等
  

3.3.内容服务-Web后端应用程序

• 高容量，高速读写
• 头条类、新闻类的的新闻、网页、图片存储在HBase中
  

3.4.HBase应用场景示例

Facebook

• 9000 memcached instances，4000 shards mysql
• 2011全部迁移到HBase

Alibaba

• 自2010年以来，HBase一直为阿里搜索系统的核心存储
• 当前规模
• 3 个集群，每个有1000+ nodes
• 在Yarn上与Flink共享
• 每天提供超过10M+ ops/s 的服务

4.Apache HBase生态圈

HBase生态圈技术

• Lily – 基于HBase的CRM
• OpenTSDB – HBase面向时间序列数据管理
• Kylin – HBase上的OLAP
• Phoenix – SQL操作HBase工具
• Splice Machine – 基于HBase的OLTP
• Apache Tephra – HBase事务支持
• TiDB – 分布式SQL DB
• Apache Omid - 优化事务管理
• Yarn application timeline server v.2 迁移到HBase
• Hive metadata存储可以迁移到HBase
• Ambari Metrics Server将使用HBase做数据存储

5.HBase分布式环境部署见如下链接

hbase安装

6.HBase架构

HBase采用Master/Slave架构

• HMaster
• RegionServer
• Zookeeper
• HBase Client
• Region

HMaster的作用

• 是HBase集群的主节点，可以配置多个，用来实现HA
• 处理元数据的变更
• 监控RegionServer
• 负责RegionServer的负载均衡
• 处理RegionServer故障转移
• 通过ZooKeeper发布自己的位置给客户端

RegionServer
负责管理维护Region,存储HBase实际数据

• 一个RegionServer包含一个WAL、一个BlockCache (读缓存)和多个Region
• 一个Region包含多个存储区，每个存储区对应一个列族
• 一个存储区由多个StoreFile和MemStore组成
• 一个StoreFile对应于一个HFile和一个列族
• HFile和WAL作为序列化文件保存在HDFS上
• Client与RegionServer交互

RegionServer功能

• 负责管理HBase的实际数据
• 处理分配给它的Region
• 刷新缓存到HDFS
• 维护HLog
• 执行Compaction
• 负责处理Region分片

Region和Table

• 单个Table（表）被分区成大小大致相同的Region
• Region是HBase集群分布数据的最小单位
• Region被分配给集群中的RegionServer
• 一个Region只能分配给一个RegionServer

逻辑架构 - Row

• Rowkey（行键）是唯一的并已排序
• Schema可以定义何时插入记录
• 每个Row都可以定义自己的列，即使其他Row不使用,相关列定义为列族
• 使用唯一时间戳维护多个Row版本,在不同版本中值类型可以不同
• HBase数据全部以字节存储

HBase元数据管理

• 数据管理目录
• 系统目录表hbase:meta
• 存储元数据
• ZooKeeper存储hbase:meta表的位置信息
• HBase实际数据存储在HDFS上

7.HBase Shell

HBase Shell是一种操作HBase的交互模式,支持完整的HBase命令集

命令类别	命令
General	version, status, whoami, help
DDL	alter, create, describe, disable, drop, enable, exists, is_disabled, is_enabled, list
DML	count, delete, deleteall, get, get_counter, incr, put, scan, truncate
Tools	assign, balance_switch, balancer, close_region, compact, flush, major_compact, move, split, unassign, zk_dump
Replication	add_peer, disable_peer, enable_peer, remove_peer, start_replication, stop_replication

##通过hbase shell导入文档数据
hbase org.apache.hadoop.hbase.mapreduce.ImportTsv \
-Dimporttsv.separator=,  \
-Dimporttsv.columns="HBASE_ROW_KEY,order:numb,order:date" \
customer file:///home/vagrant/hbase_import_data.csv

8.使用Java API操作HBase

-1)创建Maven项目并添加依赖

    <dependency>
      <groupId>org.apache.hbasegroupId>
      <artifactId>hbase-clientartifactId>
      <version>1.2.0version>
    dependency>
    
    <dependency>
      <groupId>org.apache.hbasegroupId>
      <artifactId>hbase-commonartifactId>
      <version>1.2.0version>
    dependency>
    
    <dependency>
      <groupId>org.apache.hbasegroupId>
      <artifactId>hbase-serverartifactId>
      <version>1.2.0version>
    dependency>

• 2)具体代码如下:

package com.sunyong;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.*;
import org.apache.hadoop.hbase.client.*;
import org.apache.hadoop.hbase.util.Bytes;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;

/**
 * @author sunyong
 * @date 2020/07/20
 * @description
 */
public class HBaseClient {
    private Admin admin;
    private Connection conn;
    private Configuration conf;
    //初始化获取配置
    @Before
    public void init() throws IOException {
        //1.创建配置
        conf = HBaseConfiguration.create();
        //zookeeper集群
        conf.set("hbase.zookeeper.quorum", "192.168.56.120");
        //zookeeper端口
        conf.set("hbase.zookeeper.property.clientPort", "2181");
        //2.创建连接
         conn = ConnectionFactory.createConnection(conf);
        //3.创建admin
       admin = conn.getAdmin();
    }
    //结束释放资源
    @After
    public void end(){
        admin=null;
        conn=null;
        conf=null;
    }
    //建表操作
    @Test
    public void createTable() throws IOException {
        //4.创建表的描述信息 表名
        HTableDescriptor student = new HTableDescriptor(TableName.valueOf("student"));
        //5.添加列簇 列簇名
        //信息簇 列簇1
        student.addFamily(new HColumnDescriptor("info"));
        //成绩簇 列簇2
        student.addFamily(new HColumnDescriptor("score"));
        //6.调用API进行建表操作
        admin.createTable(student);
    }
    //判断表是否存在
    @Test
    public void isTableExists() throws IOException {
        System.out.println(admin.tableExists(TableName.valueOf("student")));;
    }
    //插入数据
    @Test
    public void putData2Table() throws IOException {
        //获取表
        Table student=conn.getTable(TableName.valueOf("student"));
        //创建put类
        Put put = new Put(Bytes.toBytes("1001"));
        //向put中添加 列簇 列名,值 需要转化成字节数组
        put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("name"),Bytes.toBytes("zhangsan"));
        put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("sex"),Bytes.toBytes("female"));
        put.addColumn(Bytes.toBytes("score"),Bytes.toBytes("course"),Bytes.toBytes("math"));
        put.addColumn(Bytes.toBytes("score"),Bytes.toBytes("score"),Bytes.toBytes("89"));
        //插入数据
        student.put(put);
    }
    //查看一条数据
    @Test
    public void getDataFromTable() throws IOException {
        //获取表
        Table student=conn.getTable(TableName.valueOf("student"));
        //创建Get
        Get get = new Get(Bytes.toBytes("1001"));
        //调用API获取数据
        Result result = student.get(get);
        //遍历输出
        Cell[] cells = result.rawCells(); //cells是单元格数组
        for (Cell cell : cells) {
            System.out.println("rowkey:"+Bytes.toString(CellUtil.cloneRow(cell)));
            System.out.println("列簇 :"+Bytes.toString(CellUtil.cloneFamily(cell)));
            System.out.println("列名 :"+Bytes.toString(CellUtil.cloneQualifier(cell)));
            System.out.println("值   :"+Bytes.toString(CellUtil.cloneValue(cell)));
            System.out.println("*****************");
        }
    }
    @Test
    //删除表操作
    public void dropTable() throws IOException {
        //禁用表
        admin.disableTable(TableName.valueOf("student"));
        //删除表
        admin.deleteTable(TableName.valueOf("student"));
    }
}