Hadoop-Hbase

1. Hbase安装

1.1  安装zookeeper、 hbase 解压至/opt/soft，并分别改名 配置环境变量并source生效 #ZK export ZOOKEEPER_HOME=/opt/soft/zk345 export PATH=$ZOOKEEPER_HOME/bin:$PATH #HBASE_HOME export HBASE_HOME=/opt/soft/hbase235 export PATH=$HBASE_HOME/bin:$PATH hbase235/conf目录下的 编辑hbase-env.sh：[root@kb129 conf]# vim ./hbase-env.sh export JAVA_HOME=/opt/soft/jdk180 编辑hbase-site.xml [root@kb129 conf]# vim ./hbase-site.xml hbase.rootdir hdfs://192.168.142.129:9000/hbase hbase.cluster.distributed true hbase.zookeeper.property.dataDir /opt/soft/zk345/zkdata hbase.zookeeper.property.clientPort 2181 拷贝配置文件准备配置zookeeper [root@kb129 conf]# pwd /opt/soft/zk345/conf [root@kb129 conf]# cp zoo_sample.cfg zoo.cfg 创建目录 [root@kb129 conf]# mkdir /opt/soft/zk345/logs [root@kb129 conf]# mkdir /opt/soft/zk345/zkdata 编辑配置文件，增加目录指向 [root@kb129 conf]# vim  ./zoo.cfg dataDir=/opt/soft/zk345/zkdata dataLogDir=/opt/soft/zk345/logs server.0=192.168.142.129:2287:3387 追加节点id [root@kb129 conf]# cd ../zkdata/ [root@kb129 zkdata]# echo "0">myid 启动zookeeper [root@kb129 zkdata]# zkServer.sh start 启动hbase （启动前解决Hbase和hadoop中log4j的jar包冲突报错问题：将Hbase中的jar包改名就不会读取，解决掉冲突报错：mv /opt/soft/hbase235/lib/client-facing-thirdparty/slf4j-log4j12-1.7.30.jar /opt/soft/hbase235/lib/client-facing-thirdparty/slf4j-log4j12-1.7.30.jar.bak） [root@kb129 zkdata]# start-hbase.sh 网页访问http://kb129:16010/

2.Hbase shell相关操作

[root@kb129 conf]# hbase shell 创建命名空间 hbase(main):001:0> create_namespace 'kb23' 查看命名空间 hbase(main):001:0>list _namespace   创建表 hbase(main):007:0> create 'bigdata:student','baseinfo','schoolinfo' 查看表 hbase(main):008:0> list_namespace_tables 'bigdata' 查看描述 hbase(main):009:0> desc 'bigdata:student' 删除表之前先禁用表 禁用表 hbase(main):011:0> disable 'bigdata:student' 查看是否禁用/启用 hbase(main):011:0> is_disabled/is_enabled 'bigdata:student' 启用表 hbase(main):011:0> enable 'bigdata:student' 插入数据（原有数据的话会覆盖） hbase(main):006:0> put 'bigdata:student','rowkey1','baseinfo:name','tom' 查看指定rowkey的所有数据 hbase(main):008:0> get 'bigdata:student','rowkey1' COLUMN                        CELL                                                                                 baseinfo:age                 timestamp=2023-09-13T14:21:26.095, value=30                                          baseinfo:name                timestamp=2023-09-13T14:21:22.385, value=tom     查看指定列族数据 hbase(main):011:0> get 'bigdata:student','rowkey1','baseinfo' COLUMN                        CELL                                                                                 baseinfo:age                 timestamp=2023-09-13T14:21:26.095, value=30                                          baseinfo:name                timestamp=2023-09-13T14:21:22.385, value=tom    查看指定列族中某列数据 hbase(main):012:0> get 'bigdata:student','rowkey1','baseinfo:name' COLUMN                        CELL                                                                                 baseinfo:name                timestamp=2023-09-13T14:21:22.385, value=tom 添加列族 hbase(main):021:0> alter 'kb23:student','teacherinfo' 删除列族 hbase(main):023:0> alter 'kb23:student',{NAME=>'teacherinfo',METHOD=>'delete'} 更改版本个数（VERSIONS默认为1） hbase(main):026:0> alter 'kb23:student',{NAME=>'baseinfo',VERSIONS=>3} 全表扫描 hbase(main):027:0> scan 'kb23:student' 删除指定列族中的列 hbase(main):055:0> delete 'kb23:student','rowkey2','baseinfo:name' 删除所有rowkey2信息 hbase(main):060:0> deleteall 'kb23:student','rowkey2' 查看不同版本信息 hbase(main):070:0> get 'kb23:student','rowkey1',COLUMN=>'baseinfo:name',VERSIONS=>3 查看范围内rowkey的数据（左闭右开） hbase(main):094:0> scan 'kb23:student', {COLUMNS => 'baseinfo:name', STARTROW => 'rowkey',STOPROW=> 'rowkey3'} 查看时使用limit hbase(main):096:0> scan 'kb23:student', {COLUMNS => 'baseinfo:name', STARTROW => 'rowkey',STOPROW=> 'rowkey3', VERSIONS=> 3, LIMIT=> 1} 过滤查找value包含11开头的信息（可查到多个版本） hbase(main):099:0> scan 'kb23:student',FILTER=>"ValueFilter(=,'binary:11')" 过滤查找value包含andemen开头的信息（可查到多个版本） hbase(main):102:0> scan 'kb23:student',FILTER=>"ValueFilter(=,'substring:andemen')" 过滤查找列名birth开头的信息（可查到多个版本） hbase(main):104:0> scan 'kb23:student',FILTER=>"ColumnPrefixFilter('birth')" 多条件AND查询 hbase(main):110:0> scan 'kb23:student',FILTER=>"ColumnPrefixFilter('birth') AND ValueFilter(=,'substring:200')" AND或OR查询 hbase(main):005:0>scan 'kb23:student',FILTER=>"ColumnPrefixFilter('birth') AND (ValueFilter(=,'substring:200')) OR ValueFilter(=,'substring:20')"

3.Hbase运行原理

3.1  HBase物理架构 1）StoreFile 保存实际数据的物理文件，StoreFile以Hfile的形式存储在HDFS上。每个Store会有一个或多个StoreFile（HFile），数据在每个StoreFile中都是有序的。 2）MemStore 写缓存，由于HFile中的数据要求是有序的，所以数据是先存储在MemStore中，排好序后，等到达刷写时机才会刷写到HFile，每次刷写都会形成一个新的HFile。 3）WAL 由于数据要经MemStore排序后才能刷写到HFile，但把数据保存在内存中会有很高的概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入MemStore中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。 4）BlockCache 读缓存，每次查询出的数据会缓存在BlockCache中，方便下次查询。

3.2  写流程 1）Client先访问zookeeper，获取hbase:meta表位于哪个Region Server。 2）访问对应的Region Server，获取hbase:meta表，根据写请求的namespace:table/rowkey，查询出目标数据位于哪个Region Server中的哪个Region中。并将该table的region信息以及meta表的位置信息缓存在客户端的meta cache，方便下次访问。 3）与目标Region Server进行通讯； 4）将数据顺序写入（追加）到WAL； 5）将数据写入对应的MemStore，数据会在MemStore进行排序； 6）向客户端发送ack； 7）等达到MemStore的刷写时机后，将数据刷写到HFile。

3.3  MemStore Flush MemStore刷写时机： 1.当某个memstroe的大小达到了hbase.hregion.memstore.flush.size（默认值128M），其所在region的所有memstore都会刷写。 当memstore的大小达到了 hbase.hregion.memstore.flush.size（默认值128M）* hbase.hregion.memstore.block.multiplier（默认值4）时，会阻止继续往该memstore写数据。 2.当region server中memstore的总大小达到 java_heapsize*hbase.regionserver.global.memstore.size（默认值0.4）*hbase.regionserver.global.memstore.size.lower.limit（默认值0.95）， region会按照其所有memstore的大小顺序（由大到小）依次进行刷写。直到region server中所有memstore的总大小减小到上述值以下。 当region server中memstore的总大小达到 java_heapsize*hbase.regionserver.global.memstore.size（默认值0.4）时，会阻止继续往所有的memstore写数据。 3. 到达自动刷写的时间，也会触发memstore flush。自动刷新的时间间隔由该属性进行配置hbase.regionserver.optionalcacheflushinterval（默认1小时）。 4.当WAL文件的数量超过hbase.regionserver.max.logs，region会按照时间顺序依次进行刷写，直到WAL文件数量减小到hbase.regionserver.max.log以下（该属性名已经废弃，现无需手动设置，最大值为32）。

3.4  读流程 1）Client先访问zookeeper，获取hbase:meta表位于哪个Region Server。 2）访问对应的Region Server，获取hbase:meta表，根据读请求的namespace:table/rowkey，查询出目标数据位于哪个Region Server中的哪个Region中。并将该table的region信息以及meta表的位置信息缓存在客户端的meta cache，方便下次访问。 3）与目标Region Server进行通讯； 4）分别在MemStore和Store File（HFile）中查询目标数据，并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本（time stamp）或者不同的类型（Put/Delete）。 5）将查询到的新的数据块（Block，HFile数据存储单元，默认大小为64KB）缓存到Block Cache。 6）将合并后的最终结果返回给客户端。

3.5  StoreFile Compaction 由于memstore每次刷写都会生成一个新的HFile，且同一个字段的不同版本（timestamp）和不同类型（Put/Delete）有可能会分布在不同的HFile中，因此查询时需要遍历所有的HFile。为了减少HFile的个数，以及清理掉过期和删除的数据，会进行StoreFile Compaction。 Compaction分为两种，分别是Minor Compaction和Major Compaction。Minor Compaction会将临近的若干个较小的HFile合并成一个较大的HFile，并清理掉部分过期和删除的数据。Major Compaction会将一个Store下的所有的HFile合并成一个大HFile，并且会清理掉所有过期和删除的数据。

3.6  Region Split 默认情况下，每个Table起初只有一个Region，随着数据的不断写入，Region会自动进行拆分。刚拆分时，两个子Region都位于当前的Region Server，但处于负载均衡的考虑，HMaster有可能会将某个Region转移给其他的Region Server。 Region Split时机： 1.当1个region中的某个Store下所有StoreFile的总大小超过hbase.hregion.max.filesize （10G），该Region就会进行拆分（0.94版本之前）。 2.当1个region中的某个Store下所有StoreFile的总大小超过Min(initialSize*R^3 ,hbase.hregion.max.filesize")，该Region就会进行拆分。其中initialSize的默认值为2*hbase.hregion.memstore.flush.size，R为当前Region Server中属于该Table的Region个数（0.94版本之后）。 具体的切分策略为： 第一次split：1^3 * 256 = 256MB 第二次split：2^3 * 256 = 2048MB 第三次split：3^3 * 256 = 6912MB 第四次split：4^3 * 256 = 16384MB > 10GB，因此取较小的值10GB 后面每次split的size都是10GB了。 3.Hbase 2.0引入了新的split策略：如果当前RegionServer上该表只有一个Region，按照2 * hbase.hregion.memstore.flush.size分裂，否则按照hbase.hregion.max.filesize分裂。

4.hive映射hbase

hive中创建表格，关联hbase中的表 （1） create external table student( id string, stuname string, birthdate string, age int, schoolname string, location string ) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' with serdeproperties ('hbase.columns.mapping'=':key,baseinfo:name,baseinfo:birthday,baseinfo:age,schoolinfo:name,schoolinfo:location') tblproperties ('hbase.table.name'='kb23:student'); select * from student; （2）rowkey之间不同字段 create external table kb23factory( id string, usrname string, age string, gender string, email string, partname string, permission string ) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' with serdeproperties ('hbase.columns.mapping'=':key,usr:name,usr:age,usr:gender,usr:email,part:name,part:permission') tblproperties ('hbase.table.name'='kb23:kb23factory'); select * from kb23factory;

5.Hbase API

5.1   pom依赖 org.apache.hbase hbase-client 2.3.5 org.apache.hbase hbase-common 2.3.5

5.2  增删改查等具体操作 import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.hadoop.hbase.HTableDescriptor; import org.apache.hadoop.hbase.TableName; import org.apache.hadoop.hbase.client.*; import org.apache.hadoop.hbase.filter.BinaryComparator; import org.apache.hadoop.hbase.filter.CompareFilter; import org.apache.hadoop.hbase.filter.FamilyFilter; import org.apache.hadoop.hbase.util.Bytes; import org.junit.After; import org.junit.Before; import org.junit.Test; import java.io.IOException; import java.util.ArrayList; /** * Unit test for simple App. */ public class AppTest { private Connection connection = null; // 获取配置类 private Configuration config = HBaseConfiguration.create(); //创建连接 @Before public void init() throws IOException { // 给配置类添加配置 config.set("hbase.zookeeper.quorum", "kb129"); config.set("hbase.zookeeper.property.clientPort", "2181"); // 获取连接 connection = ConnectionFactory.createConnection(config); } //打印连接，测试连接 @Test public void testConnection() throws IOException { System.out.println(connection); } //创建表 @Test public void createTable() throws IOException { // 获取admin Admin admin = connection.getAdmin(); TableName tableName = TableName.valueOf("kb23:test2"); /*HTableDescriptor desc = new HTableDescriptor(tableName); HColumnDescriptor family1 = new HColumnDescriptor("info"); HColumnDescriptor family2 = new HColumnDescriptor("info2"); desc.addFamily(family1); desc.addFamily(family2);*/ // 获取descriptor的builder TableDescriptorBuilder tableDescriptorBuilder = TableDescriptorBuilder.newBuilder(tableName); // 添加列族 ColumnFamilyDescriptor columnFamilyDescriptor1 = ColumnFamilyDescriptorBuilder.of("baseinfo"); ColumnFamilyDescriptor columnFamilyDescriptor2 = ColumnFamilyDescriptorBuilder.of("schoolinfo"); // 将单个列族的descriptor添加到builder中 tableDescriptorBuilder.setColumnFamily(columnFamilyDescriptor1); tableDescriptorBuilder.setColumnFamily(columnFamilyDescriptor2); TableDescriptor descriptor = tableDescriptorBuilder.build(); //创建表 admin.createTable(descriptor); } //插入数据 @Test public void putValue() throws IOException { // 1.获取table Table table = connection.getTable(TableName.valueOf("kb23:test1")); // 2.创建Put对象 Put put = new Put(Bytes.toBytes("liuxin")); // 3.添加put属性 put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("刘鑫")); put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Male")); put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("180")); // 4.put数据 table.put(put); // 5.关闭资源 table.close(); } //通过集合插入多条数据 @Test public void putValueList() throws IOException { // 1.获取table Table table = connection.getTable(TableName.valueOf("kb23:test1")); // 2.创建Put对象 Put zs = new Put(Bytes.toBytes("zhangsan")); // 3.添加put属性 zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("张三")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Female")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("160")); Put ls = new Put(Bytes.toBytes("lisi")); // 3.添加put属性 ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("李四")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Male")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("180")); // 4.put数据 ArrayList puts = new ArrayList(); puts.add(zs); puts.add(ls); table.put(puts); // 5.关闭资源 table.close(); } @Test public void putValueMutator() throws IOException { BufferedMutatorParams bufferedMutatorParams = new BufferedMutatorParams(TableName.valueOf("kb23:test1 ")); bufferedMutatorParams.setWriteBufferPeriodicFlushTimeoutMs(10000);//设置超时flush时间最大值 bufferedMutatorParams.writeBufferSize(10*1024*1024);//设置缓存大小flush BufferedMutator bufferedMutator = connection.getBufferedMutator(bufferedMutatorParams) ; /*// 3.添加put属性 Put zs = new Put(Bytes.toBytes("zhangsan")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("张三")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Female")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("160")); Put ls = new Put(Bytes.toBytes("lisi")); // 3.添加put属性 ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("李四")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Male")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("180"));*/ // 4.put数据 ArrayList puts = new ArrayList(); //puts.add(zs); //puts.add(ls); bufferedMutator.mutate(puts); } //删除数据 @Test public void delete() throws IOException { // 1.获取table Table table = connection.getTable(TableName.valueOf("kb23:test1")); //删除具体的列 /*Delete delname = new Delete(Bytes.toBytes("lisi")); delname.addColumn(Bytes.toBytes("info"),Bytes.toBytes("name")); table.delete(delname);*/ //通过rowkey整个删除 Delete lisi = new Delete(Bytes.toBytes("lisi")); table.delete(lisi); } //查询数据 @Test public void getValue() throws IOException { // 1.获取table Table table = connection.getTable(TableName.valueOf("kb23:test1")); // 2.获取Get对象 Get zhangsan = new Get(Bytes.toBytes("zhangsan")); // 3. 获取result Result result = table.get(zhangsan); byte[] name = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")); byte[] gender = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("gender")); byte[] height = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("height")); System.out.println(Bytes.toString(name) + Bytes.toString(gender) + Bytes.toString(height)); } //扫描数据 @Test public void scanValue() throws IOException { // 1.获取table Table table = connection.getTable(TableName.valueOf("kb23:test1")); // 2.创建Scan对象 Scan scan = new Scan(); // 3.扫描数据 scan.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name")); scan.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender")); scan.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height")); ResultScanner scanner = table.getScanner(scan); // 4.获取结果 for (Result result : scanner) { byte[] name = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")); byte[] gender = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("gender")); byte[] height = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("height")); System.out.println(Bytes.toString(name) + Bytes.toString(gender) + Bytes.toString(height)); } } //过滤器，查找数据 @Test public void getFilterRowKey() throws IOException { TableName tableName = TableName.valueOf("kb23:student"); Table table = connection.getTable(tableName); FamilyFilter familyFilter = new FamilyFilter(CompareFilter.CompareOp.EQUAL, new BinaryComparator(Bytes.toBytes("baseinfo"))); Scan scan = new Scan(); scan.setFilter(familyFilter); ResultScanner scanner = table.getScanner(scan); for (Result result : scanner) { byte[] name = result.getValue(Bytes.toBytes("baseinfo"), Bytes.toBytes("name")); byte[] age = result.getValue(Bytes.toBytes("baseinfo"), Bytes.toBytes("age")); byte[] birthday = result.getValue(Bytes.toBytes("baseinfo"), Bytes.toBytes("birthday")); System.out.println(Bytes.toString(name) + "\t" + Bytes.toString(age) + "\t" + Bytes.toString(birthday)); System.out.println("----------------------"); } } //关闭连接 @After public void closeConnection() throws IOException { if (connection != null) { // 关闭连接 connection.close(); } } }

5.3  写缓存  HBase客户端的批量写缓存BufferedMutator HBase的每一个put操作实际上是一个RPC操作，将客户端的数据传输到服务器再返回结果，这只适用于小数据量的操作，如果数据量多的话，每次put都需要建立一次RPC的连接（TCP连接），而建立连接传输数据是需要时间的，因此减少RPC的调用可以提高数据传输的效率，减少建立连接的时间和IO消耗。 HBase的客户端API提供了写缓存区，put的数据一开始放在缓存区内，当数量到达指定的容量或者用户强制提交是才将数据一次性提交到HBase的服务器。这个缓冲区可以通过调用 HTable.setAutoFlush(false) 来开启。而新版HBbase的API中使用了BufferedMutator替换了老版的缓冲区，通过BufferedMutator对象提交的数据自动存放在缓冲区中。 BufferedMutator 通过获取 BufferedMutator 对象，并调用 mutator.mutate(List mutations) 方法来进行批量插入数据。可以使用 Put 类型的对象列表作为 mutations 参数进行插入。BufferedMutator 提供了自动管理缓冲区和写入操作的功能，可以提高插入数据的性能。 @Test public void putValueMutator() throws IOException { BufferedMutatorParams bufferedMutatorParams = new BufferedMutatorParams(TableName.valueOf("kb23:test1 ")); bufferedMutatorParams.setWriteBufferPeriodicFlushTimeoutMs(10000);//设置超时flush时间最大值 bufferedMutatorParams.writeBufferSize(10*1024*1024);//设置缓存大小flush BufferedMutator bufferedMutator = connection.getBufferedMutator(bufferedMutatorParams) ; /*// 3.添加put属性 Put zs = new Put(Bytes.toBytes("zhangsan")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("张三")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Female")); zs.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("160")); Put ls = new Put(Bytes.toBytes("lisi")); // 3.添加put属性 ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("李四")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("gender"), Bytes.toBytes("Male")); ls.addColumn(Bytes.toBytes("info"), Bytes.toBytes("height"), Bytes.toBytes("180"));*/ // 4.put数据 ArrayList puts = new ArrayList(); //puts.add(zs); //puts.add(ls); bufferedMutator.mutate(puts); }