Hbase

java客户端

导入maven依赖

XML             org.apache.zookeeper         zookeeper         3.4.6                 org.apache.hbase         hbase-client         2.2.5                 org.apache.hadoop         hadoop-client         3.2.1                 org.apache.hadoop         hadoop-common         3.2.1                 org.apache.hbase         hbase-server         2.2.5                     org.apache.hbase         hbase-mapreduce         2.2.5                 com.google.code.gson         gson         2.8.5                     org.apache.phoenix         phoenix-core         5.0.0-HBase-2.0                 org.apache.hadoop         hadoop-auth         3.1.2                             org.apache.maven.plugins             maven-compiler-plugin             3.5.1                             1.8                 1.8                                         org.apache.maven.plugins             maven-assembly-plugin             2.6                                                 jar-with-dependencies                                                                             make-assembly                                         package                                             single

获取hbase的连接，list出所有的表

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.Admin; import org.apache.hadoop.hbase.client.Connection; import org.apache.hadoop.hbase.client.ConnectionFactory; import java.io.IOException; /**  * Hbase的java客户端连接hbase的时候，只需要连接zookeeper的集群  * 就可以找到你Hbase集群的位置  * 核心的对象：  * Configuration：HbaseConfiguration.create();  * Connection:ConnectionFactory.createConnection(conf);  * table:conn.getTable(TableName.valueOf("tb_b")); 对表进行操作 DML  * Admin：conn.getAdmin();操作Hbase系统DDL，对名称空间等进行操作  */ public class ConnectionDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         //获取到操作hbase的对象         Admin admin = conn.getAdmin();         //调用api获取到所有的表         TableName[] tableNames = admin.listTableNames();         //获取到哪个命名空间下的所有的表         TableName[] doits = admin.listTableNamesByNamespace("doit");         for (TableName tableName : doits) {             byte[] name = tableName.getName();             System.out.println(new String(name));         }         conn.close();     } }

获取到所有的命名空间

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.NamespaceDescriptor; import org.apache.hadoop.hbase.client.Admin; import org.apache.hadoop.hbase.client.Connection; import org.apache.hadoop.hbase.client.ConnectionFactory; /**  * Hbase的java客户端连接hbase的时候，只需要连接zookeeper的集群  * 就可以找到你Hbase集群的位置  * 核心的对象：  * Configuration：HbaseConfiguration.create();  * Connection:ConnectionFactory.createConnection(conf);  * Admin：conn.getAdmin();操作Hbase系统DDL，对名称空间等进行操作  */ public class NameSpaceDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         //获取到操作hbase的对象         Admin admin = conn.getAdmin();         //获取到命名空间的描述器         NamespaceDescriptor[] namespaceDescriptors = admin.listNamespaceDescriptors();         for (NamespaceDescriptor namespaceDescriptor : namespaceDescriptors) {             //针对描述器获取到命名空间的名称             String name = namespaceDescriptor.getName();             System.out.println(name);         }         conn.close();     } }

创建一个命名空间

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.NamespaceDescriptor; import org.apache.hadoop.hbase.client.Admin; import org.apache.hadoop.hbase.client.Connection; import org.apache.hadoop.hbase.client.ConnectionFactory; import org.apache.hadoop.hbase.protobuf.generated.HBaseProtos; import java.util.Properties; /**  * Hbase的java客户端连接hbase的时候，只需要连接zookeeper的集群  * 就可以找到你Hbase集群的位置  * 核心的对象：  * Configuration：HbaseConfiguration.create();  * Connection:ConnectionFactory.createConnection(conf);  * Admin：conn.getAdmin();操作Hbase系统DDL，对名称空间等进行操作  */ public class CreateNameSpaceDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         //获取到操作hbase的对象         Admin admin = conn.getAdmin();         //获取到命名空间描述器的构建器         NamespaceDescriptor.Builder spaceFromJava = NamespaceDescriptor.create("spaceFromJava");         //当然还可以给命名空间设置属性         spaceFromJava.addConfiguration("author","robot_jiang");         spaceFromJava.addConfiguration("desc","this is my first java namespace...");         //拿着构建器构建命名空间的描述器         NamespaceDescriptor build = spaceFromJava.build();         //创建命名空间         admin.createNamespace(build);         conn.close();     } }

创建带有多列族的表

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.NamespaceDescriptor; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.*; import org.apache.hadoop.hbase.protobuf.generated.TableProtos; import java.nio.charset.StandardCharsets; import java.util.ArrayList; import java.util.Map; import java.util.Set; /**  * Hbase的java客户端连接hbase的时候，只需要连接zookeeper的集群  * 就可以找到你Hbase集群的位置  * 核心的对象：  * Configuration：HbaseConfiguration.create();  * Connection:ConnectionFactory.createConnection(conf);  * Admin：conn.getAdmin();操作Hbase系统DDL，对名称空间等进行操作  */ public class CreateTableDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         Admin admin = conn.getAdmin();         //获取到操作hbase操作表的对象         TableDescriptorBuilder java = TableDescriptorBuilder.newBuilder(TableName.valueOf("java"));         //表添加列族需要集合的方式         ArrayList list = new ArrayList<>();         //构建一个列族的构造器         ColumnFamilyDescriptorBuilder col1 = ColumnFamilyDescriptorBuilder.newBuilder("f1".getBytes(StandardCharsets.UTF_8));         ColumnFamilyDescriptorBuilder col2 = ColumnFamilyDescriptorBuilder.newBuilder("f2".getBytes(StandardCharsets.UTF_8));         ColumnFamilyDescriptorBuilder col3 = ColumnFamilyDescriptorBuilder.newBuilder("f3".getBytes(StandardCharsets.UTF_8));         //构建列族         ColumnFamilyDescriptor build1 = col1.build();         ColumnFamilyDescriptor build2 = col2.build();         ColumnFamilyDescriptor build3 = col3.build();         //将列族添加到集合中去         list.add(build1);         list.add(build2);         list.add(build3);         //给表设置列族         java.setColumnFamilies(list);         //构建表的描述器         TableDescriptor build = java.build();         //创建表         admin.createTable(build);         conn.close();     } }

向表中添加数据

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.*; import java.nio.charset.StandardCharsets; import java.util.ArrayList; import java.util.Arrays; /**  * 注意：put数据需要指定往哪个命名空间的哪个表的哪个rowKey的哪个列族的哪个列中put数据，put的值是什么  */ public class PutDataDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         Admin admin = conn.getAdmin();         //指定往哪一张表中put数据         Table java = conn.getTable(TableName.valueOf("java"));         //创建put对象，设置rowKey         Put put = new Put("rowkey_001".getBytes(StandardCharsets.UTF_8));         put.addColumn("f1".getBytes(StandardCharsets.UTF_8),"name".getBytes(StandardCharsets.UTF_8),"xiaotao".getBytes(StandardCharsets.UTF_8));         put.addColumn("f1".getBytes(StandardCharsets.UTF_8),"age".getBytes(StandardCharsets.UTF_8),"42".getBytes(StandardCharsets.UTF_8));         Put put1 = new Put("rowkey_002".getBytes(StandardCharsets.UTF_8));         put1.addColumn("f1".getBytes(StandardCharsets.UTF_8),"name".getBytes(StandardCharsets.UTF_8),"xiaotao".getBytes(StandardCharsets.UTF_8));         put1.addColumn("f1".getBytes(StandardCharsets.UTF_8),"age".getBytes(StandardCharsets.UTF_8),"42".getBytes(StandardCharsets.UTF_8));         Put put2 = new Put("rowkey_003".getBytes(StandardCharsets.UTF_8));         put2.addColumn("f1".getBytes(StandardCharsets.UTF_8),"name".getBytes(StandardCharsets.UTF_8),"xiaotao".getBytes(StandardCharsets.UTF_8));         put2.addColumn("f1".getBytes(StandardCharsets.UTF_8),"age".getBytes(StandardCharsets.UTF_8),"42".getBytes(StandardCharsets.UTF_8));         java.put(Arrays.asList(put,put1,put2));         conn.close();     } }

get表中的数据

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.Cell; import org.apache.hadoop.hbase.CellUtil; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.*; import java.nio.charset.StandardCharsets; /**  * 注意：put数据需要指定往哪个命名空间的哪个表的哪个rowKey的哪个列族的哪个列中put数据，put的值是什么  */ public class GetDataDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         //指定往哪一张表中put数据         Table java = conn.getTable(TableName.valueOf("java"));         Get get = new Get("rowkey_001".getBytes(StandardCharsets.UTF_8)); //        get.addFamily("f1".getBytes(StandardCharsets.UTF_8));         get.addColumn("f1".getBytes(StandardCharsets.UTF_8),"name".getBytes(StandardCharsets.UTF_8));         Result result = java.get(get);         boolean advance = result.advance();         if(advance){             Cell current = result.current();             String family = new String(CellUtil.cloneFamily(current));             String qualifier = new String(CellUtil.cloneQualifier(current));             String row = new String(CellUtil.cloneRow(current));             String value = new String(CellUtil.cloneValue(current));             System.out.println(row+","+family+","+qualifier+","+value);         }         conn.close();     } }

scan表中的数据

Java package com.doit.day01; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.*; import org.apache.hadoop.hbase.client.*; import java.nio.charset.StandardCharsets; import java.util.Arrays; import java.util.Iterator; /**  * 注意：put数据需要指定往哪个命名空间的哪个表的哪个rowKey的哪个列族的哪个列中put数据，put的值是什么  */ public class ScanDataDemo {     public static void main(String[] args) throws Exception {         //获取到hbase的配置文件对象         Configuration conf = HBaseConfiguration.create();         //针对配置文件设置zk的集群地址         conf.set("hbase.zookeeper.quorum","linux01:2181,linux02:2181,linux03:2181");         //创建hbase的连接对象         Connection conn = ConnectionFactory.createConnection(conf);         //指定往哪一张表中put数据         Table java = conn.getTable(TableName.valueOf("java"));         Scan scan = new Scan();         scan.withStartRow("rowkey_001".getBytes(StandardCharsets.UTF_8));         scan.withStopRow("rowkey_004".getBytes(StandardCharsets.UTF_8));         ResultScanner scanner = java.getScanner(scan);         Iterator iterator = scanner.iterator();         while (iterator.hasNext()){             Result next = iterator.next();             while (next.advance()){                 Cell current = next.current();                 String family = new String(CellUtil.cloneFamily(current));                 String row = new String(CellUtil.cloneRow(current));                 String qualifier = new String(CellUtil.cloneQualifier(current));                 String value = new String(CellUtil.cloneValue(current));                 System.out.println(row+","+family+","+qualifier+","+value);             }         }         conn.close();     } }

删除一行数据

Java package com.doit.day02; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.*; import java.io.IOException; import java.nio.charset.StandardCharsets; public class _12_删除一行数据 {     public static void main(String[] args) throws IOException {         Configuration conf = HBaseConfiguration.create();         conf.set("hbase.zookeeper.quorum","linux01");         Connection conn = ConnectionFactory.createConnection(conf);         Table java = conn.getTable(TableName.valueOf("java"));         Delete delete = new Delete("rowkey_001".getBytes(StandardCharsets.UTF_8));         java.delete(delete);     } }

原理加强

数据存储

行式存储

传统的行式数据库将一个个完整的数据行存储在数据页中

列式存储

列式数据库是将同一个数据列的各个值存放在一起

传统行式数据库的特性如下：  ①数据是按行存储的。  ②没有索引的查询使用大量I/O。比如一般的数据库表都会建立索引，通过索引加快查询效率。  ③建立索引和物化视图需要花费大量的时间和资源。  ④面对查询需求，数据库必须被大量膨胀才能满足需求。 列式数据库的特性如下：  ①数据按列存储，即每一列单独存放。  ②数据即索引。  ③只访问查询涉及的列，可以大量降低系统I/O。  ④每一列由一个线程来处理，即查询的并发处理性能高。  ⑤数据类型一致，数据特征相似，可以高效压缩。比如有增量压缩、前缀压缩算法都是基于列存储的类型定制的，所以可以大幅度提高压缩比，有利于存储和网络输出数据带宽的消耗。

列族式存储

列族式存储是一种非关系型数据库存储方式，按列而非行组织数据。它的数据模型是面向列的，即把数据按照列族的方式组织，将属于同一列族的数据存储在一起。每个列族都有一个唯一的标识符，一般通过列族名称来表示。它具有高效的写入和查询性能，能够支持极大规模的数据

• 如果一个表有多个列族, 每个列族下只有一列, 那么就等同于列式存储。

• 如果一个表只有一个列族, 该列族下有多个列, 那么就等同于行式存储.

hbase的存储路径：

在conf目录下的hbase-site.xml文件中配置了数据存储的路径在hdfs上

XML hbase.rootdir hdfs://linux01:8020/hbase

region

Region是HBase数据管理的基本单位,region有一点像关系型数据的分区。
Region中存储这用户的真实数据，而为了管理这些数据，HBase使用了RegionSever来管理region。

region的分配

一个表中可以包含一个或多个Region。

每个Region只能被一个RS（RegionServer）提供服务，RS可以同时服务多个Region，来自不同RS上的Region组合成表格的整体逻辑视图。

regionServer其实是hbase的服务，部署在一台物理服务器上，region有一点像关系型数据的分区，数据存放在region中，当然region下面还有很多结构，确切来说数据存放在memstore和hfile中。我们访问hbase的时候，先去hbase 系统表查找定位这条记录属于哪个region，然后定位到这个region属于哪个服务器，然后就到哪个服务器里面查找对应region中的数据

Memstore Flush流程

flus流程分为三个阶段：

1. prepare阶段：遍历当前 Region中所有的 MemStore ，将 MemStore 中当前数据集 CellSkpiListSet 做一个快照 snapshot；然后再新建一个 CellSkipListSet。后期写入的数据都会写入新的 CellSkipListSet 中。prepare 阶段需要加一把 updataLock 对写请求阻塞，结束之后会释放该锁。因为此阶段没有任何费时操作，因此锁持有时间很短

1. flush阶段：遍历所有 MemStore，将 prepare 阶段生成的snapshot 持久化为临时文件，临时文件会统一放到目录.tmp下。这个过程因为涉及到磁盘 IO 操作，因此相对耗时

1. commit阶段：遍历所有 MemStore，将flush阶段生成的临时文件移动到指定的 ColumnFamily 目录下，针对 HFile生成对应的 StoreFile 和 Reader，把 StoreFile 添加到 HStore 的 storefiles 列表中，最后再清空 prepare 阶段生成的 snapshot快照

Compact 合并机制

hbase中的合并机制分为自动合并和手动合并

自动合并：

• minor compaction 小合并

• major compacton 大合并

minor compaction（小合并）

将 Store 中多个 HFile 合并为一个相对较大的 HFile 过程中会选取一些小的、相邻的 StoreFile 将他们合并成一个更大的 StoreFile，对于超过 TTL 的数据、更新的数据、删除的数据仅仅只是做了标记，并没有进行物理删除。一次 minor compaction 过后，storeFile会变得更少并且更大，这种合并的触发频率很高

小合并的触发方式：

memstore flush会产生HFile文件，文件越来越多就需要compact.每次执行完Flush操作之后，都会对当前Store中的文件数进行判断，一旦文件数大于配置3，就会触发compaction。compaction都是以Store为单位进行的，而在Flush触发条件下，整个Region的所有Store都会执行compact

后台线程周期性检查

检查周期可配置：

hbase.server.thread.wakefrequency/默认10000毫秒)*hbase.server.compactchecker.interval.multiplier/默认1000

CompactionChecker大概是2hrs 46mins 40sec 执行一次

XML         hbase.hstore.compactionThreshold         3         hbase.hstore.compaction.max         10         hbase.hstore.compaction.min.size         134217728         hbase.hstore.compaction.max.size         9223372036854775807

major compaction（大合并）

合并 Store 中所有的 HFile 为一个 HFile，将所有的 StoreFile 合并成为一个 StoreFile，这个过程中还会清理三类无意义数据：被删除的数据、TTL过期数据、版本号超过设定版本号的数据。合并频率比较低，默认7天执行一次，并且性能消耗非常大，建议生产关闭（设置为0），在应用空间时间手动触发。一般是可以手动控制进行合并，防止出现在业务高峰期。

XML 线程先检查小文件数是否大于配置3，一旦大于就会触发compaction。 大文件周期性合并成Major Compaction 如果不满足，它会接着检查是否满足major compaction条件 如果当前store中hfile的最早更新时间早于某个值mcTime就会触发major compaction (默认7天触发一次，可配置手动触发)         hbase.hregion.majorcompaction         604800000

手动合并

一般来讲，手动触发compaction通常是为了执行major compaction，一般有这些情况需要手动触发合并是因为很多业务担心自动maior compaction影响读写性能，因此会选择低峰期手动触发也有可能是用户在执行完alter操作之后希望立刻生效，执行手动触发maiorcompaction:

造数据

Shell truncate 'doit:test'                                 put 'doit:test','001','f1:name','zss' put 'doit:test','002','f1:name','zss' put 'doit:test','003','f1:name','zss' put 'doit:test','004','f1:name','zss' flush 'doit:test'                    put 'doit:test','005','f1:name','zss' put 'doit:test','006','f1:name','zss' put 'doit:test','007','f1:name','zss' put 'doit:test','008','f1:name','zss' flush 'doit:test'                    put 'doit:test','009','f1:name','zss' put 'doit:test','010','f1:name','zss' put 'doit:test','011','f1:name','zss' put 'doit:test','012','f1:name','zss' flush 'doit:test' put 'doit:test','013','f1:name','zss' put 'doit:test','014','f1:name','zss' put 'doit:test','015','f1:name','zss' put 'doit:test','016','f1:name','zss' flush 'doit:test' put 'doit:test','017','f1:name','zss' put 'doit:test','018','f1:name','zss' put 'doit:test','019','f1:name','zss' put 'doit:test','020','f1:name','zss' flush 'doit:test' put 'doit:test','021','f1:name','zss' put 'doit:test','022','f1:name','zss' put 'doit:test','023','f1:name','zss' put 'doit:test','024','f1:name','zss' flush 'doit:test' put 'doit:test','025','f1:name','zss' put 'doit:test','026','f1:name','zss' put 'doit:test','027','f1:name','zss' put 'doit:test','028','f1:name','zss' flush 'doit:test' put 'doit:test','021','f1:name','zss' put 'doit:test','022','f1:name','zss' put 'doit:test','023','f1:name','zss' put 'doit:test','024','f1:name','zss' flush 'doit:test' put 'doit:test','021','f1:name','zss' put 'doit:test','022','f1:name','zss' put 'doit:test','023','f1:name','zss' put 'doit:test','024','f1:name','zss' flush 'doit:test' put 'doit:test','021','f1:name','zss' put 'doit:test','022','f1:name','zss' put 'doit:test','023','f1:name','zss' put 'doit:test','024','f1:name','zss' flush 'doit:test' put 'doit:test','021','f1:name','zss' put 'doit:test','022','f1:name','zss' put 'doit:test','023','f1:name','zss' put 'doit:test','024','f1:name','zss' flush 'doit:test' 每次flush一下都会在底层生成一个小文件

Shell ##使用major_compact命令 major_compact tableName major_compact 'doit:test'

region的拆分

region中存储的是一张表的数据，当region中的数据条数过多的时候，会直接影响查询效率。当region过大的时候，region会被拆分为两个region，HMaster会将分裂的region分配到不同的regionserver上，这样可以让请求分散到不同的RegionServer上，已达到负载均衡  , 这也是HBase的一个优点

1region的拆分策略

1. ConstantSizeRegionSplitPolicy：0.94版本前，HBase region的默认切分策略

当region中最大的store大小超过某个阈值(hbase.hregion.max.filesize=10G)之后就会触发切分，一个region等分为2个region。 但是在生产线上这种切分策略却有相当大的弊端（切分策略对于大表和小表没有明显的区分）： 阈值(hbase.hregion.max.filesize)设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下可能就1个，形成热点，这对业务来说并不是什么好事。 如果设置较小则对小表友好，但一个大表就会在整个集群产生大量的region，这对于集群的管理、资源使用、failover来说都不是一件好事。

2. IncreasingToUpperBoundRegionSplitPolicy：0.94版本~2.0版本默认切分策略

总体看和ConstantSizeRegionSplitPolicy思路相同，一个region中最大的store大小大于设置阈值就会触发切分。 但是这个阈值并不像ConstantSizeRegionSplitPolicy是一个固定的值，而是会在一定条件下不断调整，调整规则和region所属表在当前regionserver上的region个数有关系. region split阈值的计算公式是： 设regioncount：是region所属表在当前regionserver上的region的个数 阈值 = regioncount^3 * 128M * 2，当然阈值并不会无限增长，最大不超过MaxRegionFileSize（10G),当region中最大的store的大小达到该阈值的时候进行region split 例如： 第一次split阈值 = 1^3 * 256 = 256MB 第二次split阈值 = 2^3 * 256 = 2048MB 第三次split阈值 = 3^3 * 256 = 6912MB 第四次split阈值 = 4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB 后面每次split的size都是10GB了 特点 相比ConstantSizeRegionSplitPolicy，可以自适应大表、小表； 在集群规模比较大的情况下，对大表的表现比较优秀 对小表不友好，小表可能产生大量的小region，分散在各regionserver上 小表达不到多次切分条件，导致每个split都很小，所以分散在各个regionServer上

3. SteppingSplitPolicy：2.0版本默认切分策略

相比 IncreasingToUpperBoundRegionSplitPolicy 简单了一些  region切分的阈值依然和待分裂region所属表在当前regionserver上的region个数有关系 如果region个数等于1，切分阈值为flush size 128M * 2 否则为MaxRegionFileSize。 这种切分策略对于大集群中的大表、小表会比 IncreasingToUpperBoundRegionSplitPolicy 更加友好，小表不会再产生大量的小region，而是适可而止。

4. KeyPrefixRegionSplitPolicy

根据rowKey的前缀对数据进行分区，这里是指定rowKey的前多少位作为前缀，比如rowKey都是16位的，指定前5位是前缀，那么前5位相同的rowKey在相同的region中

5. DelimitedKeyPrefixRegionSplitPolicy

保证相同前缀的数据在同一个region中，例如rowKey的格式为：userid_eventtype_eventid，指定的delimiter为 _ ，则split的的时候会确保userid相同的数据在同一个region中。 按照分隔符进行切分，而KeyPrefixRegionSplitPolicy是按照指定位数切分

6. BusyRegionSplitPolicy

按照一定的策略判断Region是不是Busy状态，如果是即进行切分 如果你的系统常常会出现热点Region，而你对性能有很高的追求，那么这种策略可能会比较适合你。它会通过拆分热点Region来缓解热点Region的压力，但是根据热点来拆分Region也会带来很多不确定性因素，因为你也不知道下一个被拆分的Region是哪个

7. DisabledRegionSplitPolicy：不启用自动拆分, 需要指定手动拆分

手动合并拆分egion

手动合并

Shell hbase(main):025:0> list_regions 'doit:test'                  SERVER_NAME |                                                          REGION_NAME |  START_KEY |    END_KEY |  SIZE |   REQ |   LOCALITY |  --------------------------- | -------------------------------------------------------------------- | ---------- | ---------- | ----- | ----- | ---------- |  linux03,16020,1684200651855 |           doit:test,,1684205468848.920ae3e043ad95890c4f5693cb663bc5. |            | rowkey_010 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_010,1684207066858.5e04eb75e5510ad65a0f3001de3c7aa0. | rowkey_010 | rowkey_015 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_015,1684207066858.ed1b328ca4c485d4fa429922f6c18f0b. | rowkey_015 | rowkey_020 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_020,1684205468848.25d62e8cc2fdaecec87234b8d28f0827. | rowkey_020 | rowkey_030 |     0 |     0 |        0.0 |  linux03,16020,1684200651855 | doit:test,rowkey_030,1684205468848.2b0468e6643b95159fa6e210fa093e66. | rowkey_030 | rowkey_040 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_040,1684205468848.fb12c09c7c73cfeff0bf79b5dda076cb. | rowkey_040 |            |     0 |     0 |        0.0 |  6 rows Took 0.0299 seconds                                                                                                                                                    hbase(main):026:0> merge_region 'doit:test,,1684205468848.920ae3e043ad95890c4f5693cb663bc5.','doit:test,rowkey_010,1684207066858.5e04eb75e5510ad65a0f3001de3c7aa0.' Took 1.2638 seconds                                                                                                                                                    hbase(main):027:0> list_regions 'doit:test'                  SERVER_NAME |                                                          REGION_NAME |  START_KEY |    END_KEY |  SIZE |   REQ |   LOCALITY |  --------------------------- | -------------------------------------------------------------------- | ---------- | ---------- | ----- | ----- | ---------- |  linux03,16020,1684200651855 |           doit:test,,1684207066859.cdc1226d634c0cf16f58832637f485b6. |            | rowkey_015 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_015,1684207066858.ed1b328ca4c485d4fa429922f6c18f0b. | rowkey_015 | rowkey_020 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_020,1684205468848.25d62e8cc2fdaecec87234b8d28f0827. | rowkey_020 | rowkey_030 |     0 |     0 |        0.0 |  linux03,16020,1684200651855 | doit:test,rowkey_030,1684205468848.2b0468e6643b95159fa6e210fa093e66. | rowkey_030 | rowkey_040 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_040,1684205468848.fb12c09c7c73cfeff0bf79b5dda076cb. | rowkey_040 |            |     0 |     0 |        0.0 |  5 rows Took 0.0271 seconds

手动拆分

Shell hbase(main):029:0> list_regions 'doit:test'                  SERVER_NAME |                                                          REGION_NAME |  START_KEY |    END_KEY |  SIZE |   REQ |   LOCALITY |  --------------------------- | -------------------------------------------------------------------- | ---------- | ---------- | ----- | ----- | ---------- |  linux03,16020,1684200651855 |           doit:test,,1684207066860.8ebf4555c58bd0e5fedae5d4efbe4235. |            | rowkey_030 |     0 |     0 |        0.0 |  linux03,16020,1684200651855 | doit:test,rowkey_030,1684205468848.2b0468e6643b95159fa6e210fa093e66. | rowkey_030 | rowkey_040 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_040,1684205468848.fb12c09c7c73cfeff0bf79b5dda076cb. | rowkey_040 |            |     0 |     0 |        0.0 |  3 rows Took 0.0329 seconds                                                                                                                                                    hbase(main):030:0> split 'doit:test,,1684207066860.8ebf4555c58bd0e5fedae5d4efbe4235.','rowkey_025' Took 0.1179 seconds                                                                                                                                                    hbase(main):031:0> list_regions 'doit:test'                  SERVER_NAME |                                                          REGION_NAME |  START_KEY |    END_KEY |  SIZE |   REQ |   LOCALITY |  --------------------------- | -------------------------------------------------------------------- | ---------- | ---------- | ----- | ----- | ---------- |  linux02,16020,1684200651886 |           doit:test,,1684207502853.af0819bd7f6daa9db2a8f994fb41682d. |            | rowkey_025 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_025,1684207502853.80d7feace447978ffe4a54418a20afd0. | rowkey_025 | rowkey_030 |     0 |     0 |        0.0 |  linux03,16020,1684200651855 | doit:test,rowkey_030,1684205468848.2b0468e6643b95159fa6e210fa093e66. | rowkey_030 | rowkey_040 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_040,1684205468848.fb12c09c7c73cfeff0bf79b5dda076cb. | rowkey_040 |            |     0 |     0 |        0.0 |  4 rows Took 0.0179 seconds                                                                                                                                                     hbase(main):032:0> split 'doit:test,,1684207502853.af0819bd7f6daa9db2a8f994fb41682d.','rowkey_015' Took 0.1262 seconds                                                                                                                                                     hbase(main):033:0> list_regions 'doit:test'                  SERVER_NAME |                                                          REGION_NAME |  START_KEY |    END_KEY |  SIZE |   REQ |   LOCALITY |  --------------------------- | -------------------------------------------------------------------- | ---------- | ---------- | ----- | ----- | ---------- |  linux02,16020,1684200651886 |           doit:test,,1684207546572.0f550ec8fa1af0ab9e73032d224d9f00. |            | rowkey_015 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_015,1684207546572.09a2022c54dfef68866ac73e3f78bc70. | rowkey_015 | rowkey_025 |     0 |     0 |        0.0 |  linux02,16020,1684200651886 | doit:test,rowkey_025,1684207502853.80d7feace447978ffe4a54418a20afd0. | rowkey_025 | rowkey_030 |     0 |     0 |        0.0 |  linux03,16020,1684200651855 | doit:test,rowkey_030,1684205468848.2b0468e6643b95159fa6e210fa093e66. | rowkey_030 | rowkey_040 |     0 |     0 |        0.0 |  linux01,16020,1684205091382 | doit:test,rowkey_040,1684205468848.fb12c09c7c73cfeff0bf79b5dda076cb. | rowkey_040 |            |     0 |     0 |        0.0 |  5 rows Took 0.0241 seconds

bulkLoad实现批量导入

bulkloader ： 一个用于批量快速导入数据到hbase的工具/方法

用于已经存在一批巨量静态数据的情况！如果不用bulkloader工具，则只能用rpc请求，一条一条地通过rpc提交给regionserver去插入，效率极其低下

相比较于直接写HBase，BulkLoad主要是绕过了写WAL日志这一步，还有写Memstore和Flush到磁盘，从理论上来分析性能会比Put快！

BulkLoad实战示例1：importTsv工具

原理：

Importtsv是hbase自带的一个 csv文件--》HFile文件 的工具，它能将csv文件转成HFile文件，并发送给regionserver。它的本质，是内置的一个将csv文件转成hfile文件的mr程序！

案例演示：

Shell CSV转HFILE的命令示例如下： // 001,北戴河,河北省,河北省北戴河昌平区沙河镇赋腾国际创客中心A座4018室 hbase  org.apache.hadoop.hbase.mapreduce.ImportTsv \ -Dimporttsv.separator=, \ -Dimporttsv.columns='HBASE_ROW_KEY,f:city,f:province,x:address'  \ -Dimporttsv.bulk.output=/tsv/output \ user_info \ /tsv/input

ImportTsv命令的参数说明如下： -Dimporttsv.skip.bad.lines=false - 若遇到无效行则失败 -Dimporttsv.separator=, - 使用特定分隔符,默认是tab也就是\t -Dimporttsv.timestamp=currentTimeAsLong - 使用导入时的时间戳 -Dimporttsv.mapper.class=my.Mapper - 使用用户自定义Mapper类替换TsvImporterMapper -Dmapreduce.job.name=jobName - 对导入使用特定mapreduce作业名 -Dcreate.table=no - 避免创建表，注：如设为为no，目标表必须存在于HBase中 -Dno.strict=true - 忽略HBase表列族检查。默认为false -Dimporttsv.bulk.output=/user/yarn/output 作业的输出目录

示例演示：

Plain Text 创建一张表： hbase(main):005:0> create 'doit:user_info1','f1','f2' Created table doit:user_info1 Took 1.4252 seconds                                                                                                => Hbase::Table - doit:user_info1 hbase(main):006:0> 准备文件： rowkey_001,zss,18,male,chengxuyuan,beijing rowkey_002,lss,28,male,jinrongdalao,shanghai rowkey_003,liuyan,18,female,yanyuan,beijing rowkey_004,tanyang,38,female,yanyuan,shanghai 上传文件至hdfs上 [root@linux01 data]# hdfs dfs -mkdir -p /tsv/input [root@linux01 data]# hdfs dfs -put hbase.txt /tsv/input/ [root@linux01 data]# 使用importtsv将测试文件转为hfile hbase org.apache.hadoop.hbase.mapreduce.ImportTsv \ -Dimporttsv.separator=, \ -Dimporttsv.columns='HBASE_ROW_KEY,f1:name,f1:age,f1:gender,f2:job,f2:address' \ -Dimporttsv.bulk.output=/uu/output \ doit:user_info1 \ /tsv/input/hbase.txt 将hfile注入hbase hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles /uu/output/  doit:user_info1 查看表中的数据 hbase(main):067:0> scan 'doit:user_info1' ROW                           COLUMN+CELL                                                                            rowkey_001                   column=f1:age, timestamp=1684062601474, value=18                                      rowkey_001                   column=f1:gender, timestamp=1684062601474, value=male                                 rowkey_001                   column=f1:name, timestamp=1684062601474, value=zss                                    rowkey_001                   column=f2:address, timestamp=1684062601474, value=beijing                             rowkey_001                   column=f2:job, timestamp=1684062601474, value=chengxuyuan                             rowkey_002                   column=f1:age, timestamp=1684062601474, value=28                                      rowkey_002                   column=f1:gender, timestamp=1684062601474, value=male                                 rowkey_002                   column=f1:name, timestamp=1684062601474, value=lss                                    rowkey_002                   column=f2:address, timestamp=1684062601474, value=shanghai                            rowkey_002                   column=f2:job, timestamp=1684062601474, value=jinrongdalao                            rowkey_003                   column=f1:age, timestamp=1684062601474, value=18                                       rowkey_003                   column=f1:gender, timestamp=1684062601474, value=female                               rowkey_003                   column=f1:name, timestamp=1684062601474, value=liuyan                                 rowkey_003                   column=f2:address, timestamp=1684062601474, value=beijing                             rowkey_003                   column=f2:job, timestamp=1684062601474, value=yanyuan                                 rowkey_004                   column=f1:age, timestamp=1684062601474, value=38                                      rowkey_004                   column=f1:gender, timestamp=1684062601474, value=female                               rowkey_004                   column=f1:name, timestamp=1684062601474, value=tanyang                                rowkey_004                   column=f2:address, timestamp=1684062601474, value=shanghai                            rowkey_004                   column=f2:job, timestamp=1684062601474, value=yanyuan                                 4 row(s) Took 0.0587 seconds