HBase海量数据存储
1.简介
转存失败重新上传取消
HBase是一个基于HDFS的、分布式的、面向列的非关系型数据库。
HBase的特点
1.海量数据存储,HBase表中的数据能够容纳上百亿行*上百万列。
2.面向列的存储,数据在表中是按照列进行存储的,能够动态的增加列并对列进行各种操作。
3.准实时查询,HBase在海量的数据量下能够接近准实时的查询(百毫秒以内)
4.多版本,HBase中每一列的数据都可以有多个版本。
5.可靠性,HBase中的数据存储于HDFS中且依赖于Zookeeper进行Master和RegionServer的协调管理。
HBase与关系型数据库的区别
1.HBase中的数据类型只有String,而关系型数据库中有char、varchar、int等。
2.HBase中只有普通的增删改查操作,没有表与表之间的连接、子查询等,若想要在HBase中进行复杂的操作则应该使用Phoenix。
3.HBase是基于列进行存储的,因此在查询指定列的数据时效率会很高,而关系型数据库是基于行存储,每次查询都要查询整行。
4.HBase适合海量数据存储,而关系型数据库一般一张表不超过500M,否则就要考虑分表操作。
5.HBase中为空的列不占用存储空间,表的设计可以非常稀疏,而关系型数据库中表的设计较谨密。
6.HBase不支持事务,而非关系型数据库支持事务。
7.HBase区分大小写,而SQL不区分大小写。
2.HBase的表结构
*HBase中的表由RowKey、ColumnFamily、Column、Timestamp组成。
RowKey
记录的唯一标识,相当于关系型数据库中的主键。
*RowKey最大长度为64KB且按字典顺序进行排序存储。
*HBase会自动为RowKey加上索引,当按RowKey查询时速度很快。
ColumnFamily
列簇相当于特定的一个类别,每个列簇下可以有任意数量个列,并且列是动态进行添加的,只在插入数据后存在,HBase在创建表时只需要指定表名和列簇即可。
*一个列簇下的成员有着相同的前缀,使用冒号来对列簇和列名进行分隔。
*一张表中的列簇最好不超过5个。
Column
列只有在插入数据后才存在,且列在列簇中是有序的。
*每个列簇下的列数没有限制。
Timestamp
HBase中的每个键值对都有一个时间戳,在进行插入时由HBase进行自动赋值。
3.HBase的物理模型
转存失败重新上传取消
Master
1.处理对表的添加、删除、查询等操作。
2.进行RegionServer的负载均衡(Region与RegionServer的分配)
3.在RegionServer宕机后负责RegionServer上的Region转移(通过WAL日志)
*Master失效仅会导致meta数据和表无法被修改,表中的数据仍然可以进行读取和写入。
RegionServer
1.处理对表中数据的添加、删除、修改、查询等操作。
2.维护Region并将Region中StoreFile写入到HDFS中。
3.当Region中的数据达到一定大小时进行Region的切分。
Region
1.表中的数据存储在Region中,每个Region都由RegionServer进行管理。
2.每个Region都包含MemoryStore和StoreFile,MemoryStore中的数据位于内存,每当MemoryStore中的数据达到128M时将会生成一个StoreFile并写入到HDFS中。
3.Region中每个列簇对应一个MemoryStore,可以有多个StoreFile,当StoreFile的数量超过一定时,会进行StoreFile的合并,将多个StoreFile文件合并成一个StoreFile,当StoreFile文件的大小超过一定阀值时,会进行Region的切分,由Master将新Region分配到相应的RegionServer中,实现负载均衡。
Zookeeper在HBase中的作用
1.保证Master的高可用性,当状态为Active的Master无法提供服务时,会立刻将状态为StandBy的Master切换为Active状态。
2.实时监控RegionServer集群,当某个RegionServer节点无法提供服务时将会通知Master,由Master进行RegionServer上的Region转移以及重新进行负载均衡。
3.当HBase集群启动后,Master和RegionServer会分别向Zookeeper进行注册,会在Zookeeper中存放HBase的meta表数据,Region与RegionServer的关系、以及RegionServer的访问地址等信息。
*meta表中维护着TableName、RowKey和Region的关联关系。
HBase处理读取和写入请求的流程
HBase处理读取请求的过程
1.客户端连接Zookeeper,根据TableName和RowKey从Meta表中计算出该Row对应的Region。
2.获取该Region所关联的RegionServer,并获取RegionServer的访问地址。
3.访问RegionServer,找到对应的Region。
4.如果Region的MemoryStore中有该Row则直接进行获取,否则从StoreFile中进行查询。
HBase处理写入请求的过程
1.客户端连接Zookeeper,根据TableName找到其Region列表。
2.通过一定算法计算出要写入的Region。
3.获取该Region所关联的RegionServer并进行连接。
4.把数据分别写到HLog和MemoryStore中。
5.每当MemoryStore中的大小达到128M时,会生成一个StoreFile。
6.当StoreFile的数量超过一定时,会进行StoreFile的合并,将多个StoreFile文件合并成一个StoreFile,当StoreFile的文件大小超过一定阈值时,会进行Region的切分,由Master将新Region分配到相应的RegionServer中,实现负载均衡。
*在第一次读取或写入时才需要连接Zookeeper,会将Zookeeper中的相关数据缓存到本地,往后直接从本地进行读取,当Zookeeper中的信息发生变化时,再通过通知机制通知客户端进行更新。
HBase在HDFS中的目录
1.tmp目录:当对HBase的表进行创建和删除时,会将表移动到该目录中进行操作。
2.MasterProcWALs目录:预写日志目录,主要用于存储Master的操作日志。
3.WALs目录:预写日志目录,主要用于存储RegionServer的操作日志。
4.data目录:存储Region中的StoreFile。
5.hbase.id文件:HBase集群的唯一标识。
6.hbase.version文件:HBase集群的版本号。
7.oldWALs目录:当WALs目录下的日志文件超过一定时间后,会将其移动到oldWALs目录中,Master会定期进行清理。
4.HBase集群的搭建
1.安装JDK和Hadoop
由于HBase是通过JAVA语言编写的,且HBase是基于HDFS的,因此需要安装JDK和Hadoop,并配置好JAVA_HOME环境变量。
由于HDFS一般都以集群的方式运行,因此需要搭建HDFS集群。
转存失败重新上传取消
*在搭建HDFS集群时,需要相互配置SSH使之互相信任并且开放防火墙相应的端口,或者直接关闭防火墙。
2.安装Zookeeper并进行集群的搭建
由于HDFS HA依赖于Zookeeper,且HBase也依赖于Zookeeper,因此需要安装Zookeeper并进行集群的搭建。
转存失败重新上传取消
3.安装HBase
1.从CDH中下载HBase并进行解压:http://archive.cloudera.com/cdh5/cdh/5/
2.修改hbase-env.sh配置文件
#设置JDK的安装目录 export JAVA_HOME=/usr/jdk8/jdk1.8.0_161#true则使用hbase自带的zk服务,false则使用外部的zk服务. export HBASE_MANAGES_ZK=flase
3.修改hbase-site.xml配置文件
<!-- 指定HBase日志的存放目录 --> <property> <name>hbase.tmp.dir</name> <value>/usr/hbase/hbase-1.2.8/logs</value> </property> <!-- 指定HBase中的数据存储在HDFS中的目录 --> <property> <name>hbase.rootdir</name> <value>hdfs://nameservice:8020/hbase</value> </property> <!-- 设置是否是分布式 --> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!-- 指定HBase使用的ZK地址 --> <property> <name>hbase.zookeeper.quorum</name> <value>192.168.1.80:2181,192.168.1.81:2181,192.168.1.82:2181</value> </property>
4.修改regionservers文件,配置充当RegionServer的节点
*值可以是主机名或者IP地址
*如果Hadoop配置了HDFS HA高可用集群,那么就会有两个NameNode和一个NameService,此时就需要将HDFS的core-site.xml和hdfs-site.xml配置文件复制到HBase的conf目录下,且hbase-site.xml配置文件中的hbase.rootdir配置项的HDFS地址指向NameService的名称。
5.NTP时间同步
NTP是一个时间服务器,作用是使集群中的各个节点的时间都保持一致。
由于在HBase集群中,Zookeeper与HBase对时间的要求较高,如果两个节点之间的时间相差过大时,那么整个集群就会崩溃,因此需要使各个节点的时间都保持一致。
#查看是否安装了NTP服务 rpm -qa|grep ntp#安装NTP服务 yum install ntp -y#从NTP服务器中获取时间并同步本地 ntpdate 192.168.1.80
*在实际的应用场景中,可以自己搭建NTP服务器,也可以使用第三方开源的NTP服务器,如阿里等。
使用 “ntpdate NTP服务器地址” 命令从NTP服务器中获取时间并同步本地,一般配合Linux的crontab使用,每隔5分钟进行一次时间的同步。
4.启动集群
使用bin目录下的start-hbase.sh命令启动集群,那么会在当前节点中启动一个Master和RegionSever进程,并通过SSH访问其它节点,启动RegionServer进程。
由于HBase的Master HA集群是通过Zookeeper进行协调的,需要手动在其他节点中启动Master,Zookeeper能保证当前HBase集群中有且只有一个Master处于Active状态,当状态为Active的Master无法正常提供服务时,会将处于StandBy的Master的状态修改为Active。
*当HBase集群启动后,可以访问http:/localhost:16030,进入HBase的Web监控页面。
5.使用Shell操作HBase
使用bin/hbase shell命令进行HBase的Shell操作
#创建表 create 'tableName' , 'columnFamily' , 'columnFamily...'#添加记录 put 'tableName' , 'rowkey' , 'columnFamily:column' , 'value'#查询记录 get 'tableName' , 'rowkey'#统计表的记录数 count 'tableName'#删除记录 deleteall 'tableName' , 'rowkey'#删除记录的某一列 delete 'tableName' , 'rowkey' ,'columnFamily:column'#禁用表 disable 'tableName'#启动表 enable 'tableName'#查看表是否被禁用 is_disabled 'tableName'#删除表 drop 'tableName'#查看表中的所有记录 scan 'tableName'#查看表中指定列的所有记录 scan 'tableName' , {COLUMNS=>'columnFamily:column'}#检查表是否存在 exists 'tableName'#查看当前HBase中的表 list
*在删除表时需要禁用表,否则无法删除。
*使用put相同rowkey的一条数据来进行记录的更新,仅会更新列相同的值。
6.使用JAVA操作HBase
1.导入相关依赖
<dependency><groupId>org.apache.hbase</groupId><artifactId>hbase-client</artifactId><version>1.2.8</version> </dependency>
2.初始化配置
使用HBaseConfiguration的create()静态方法创建一个Configuration实例,用于封装环境配置信息。
Configuration config = HBaseConfiguration.create(); config.set("hbase.zookeeper.quorum","192.168.1.80,192.168.1.81,192.168.1.82"); config.set("hbase.zookeeper.property.clientPort","2181");
*此方法会默认加载classpath下的hbase-site.xml配置文件,如果没有此配置文件则需要手动进行环境的配置。
3.创建HBase连接对象
Connection conn = ConnectionFactory.createConnection(config);
4.进行表的管理
*使用Admin类进行HBase表的管理,通过Connection实例的getAdmin()静态方法返回一个Admin实例。
//判断表是否存在 boolean tableExists(TableName);//遍历HBase中的表定义 HTableDescriptor [] listTables();//遍历HBase中的表名称 TableName [] listTableNames();//根据表名获取表定义 HTableDescriptor getTableDescriptor(TableName);//创建表 void createTable(HTableDescriptor);//删除表 void deleteTable(TableName);//启用表 void enableTable(TableName);//禁用表 void disableTable(TableName);//判断表是否是启用状态 boolean isTableEnabled(TableName);//判断表是否是禁用状态 boolean isTableDisabled(TableName);//为表添加列簇 void addColumn(TableName,HColumnDescriptor);//删除表中的列簇 void deleteColumn(TableName,byte);//修改表中的列簇 void modifyColumn(TableName,HColumnDescriptor);
TableName实例用于封装表名称。
HTableDescriptor实例用于封装表定义,包括表的名称、表的列簇等。
HColumnDescriptor实例用于封装表的列簇。
5.对表中的数据进行增删改查
使用Table类进行表数据的增删改查,通过Connection的getTable(TableName)静态方法返回一个Table实例。
//判断指定RowKey的数据是否存在 boolean exists(Get get);//根据RowKey获取数据 Result get(Get get);//根据多个RowKey获取数据 Result [] get(List<Get>);//获取表的扫描器 ResultScanner getScanner(Scan);//添加数据 void put(Put);//批量添加数据 void put(List<Put>);//删除数据 void delete(Delete);//批量删除数据 void delete(List<Delete>)
使用Get实例封装查询参数,使用其构建方法设置RowKey。
使用Put实例封装新增和更新参数,使用其构建方法设置RowKey,使用其addColumn(byte[] family , byte[] qualifier , byte[] value)方法分别指定列簇、列名、列值。
使用Delete实例封装删除参数,使用其构建方法设置RowKey。
使用Scan实例封装扫描器的查询条件,使用其addFamily(byte[] family)方法设置扫描的列簇,使用其addColumn(byte[] family , byte[] qualifier)方法分别指定要扫描的列簇和列名。
*在进行表的增删改查时,方法参数大多都是字节数组类型,可以使用HBase Java提供的Bytes工具类进行字符串和字节数组之间的转换。
*在进行查询操作时,会返回Result实例,Result实例包含了一个RowKey的所有键值对(cell,不区分列簇),可以通过Result实例的listCells()方法获取其包含的所有cell,借助CellUtil工具类获取Cell实例中对应的RowKey、Family、Qualifier、Value等属性信息。
*在使用getScanner扫描时,返回的ResultScanner接口继承Iterable接口,其泛型是Result,因此可以理解成ResultScanner是Result的一个集合。
6.完整的HBaseUtil
/*** @Auther: ZHUANGHAOTANG* @Date: 2018/11/26 11:40* @Description:*/ public class HBaseUtils {private static final Logger logger = LoggerFactory.getLogger(HBaseUtils.class);/*** ZK集群地址*/private static final String ZK_CLUSTER_HOSTS = "192.168.1.80,192.168.1.81,192.168.1.82";/*** ZK端口*/private static final String ZK_CLUSTER_PORT = "2181";/*** HBase全局连接*/private static Connection connection;static {//默认加载classpath下hbase-site.xml文件Configuration configuration = HBaseConfiguration.create();configuration.set("hbase.zookeeper.quorum", ZK_CLUSTER_HOSTS);configuration.set("hbase.zookeeper.property.clientPort", ZK_CLUSTER_PORT);try {connection = ConnectionFactory.createConnection(configuration);} catch (Exception e) {logger.info("初始化HBase连接失败:", e);}}/*** 返回连接*/public static Connection getConnection() {return connection;}/*** 创建表*/public static void createTable(String tableName, String... families) throws Exception {Admin admin = connection.getAdmin();if (admin.tableExists(TableName.valueOf(tableName))) {throw new UnsupportedOperationException("tableName " + tableName + " is already exists");}HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf(tableName));for (String family : families)descriptor.addFamily(new HColumnDescriptor(family));admin.createTable(descriptor);}/*** 删除表*/public static void deleteTable(String tableName) throws Exception {Admin admin = connection.getAdmin();if (admin.tableExists(TableName.valueOf(tableName))) {admin.disableTable(TableName.valueOf(tableName));admin.deleteTable(TableName.valueOf(tableName));}}/*** 获取所有表名称*/public static TableName[] getTableNameList() throws Exception {Admin admin = connection.getAdmin();return admin.listTableNames();}/*** 获取所有表定义*/public static HTableDescriptor[] getTableDescriptorList() throws Exception {Admin admin = connection.getAdmin();return admin.listTables();}/*** 为表添加列簇*/public static void addFamily(String tableName, String family) throws Exception {Admin admin = connection.getAdmin();if (!admin.tableExists(TableName.valueOf(tableName))) {throw new UnsupportedOperationException("tableName " + tableName + " is not exists");}admin.addColumn(TableName.valueOf(tableName), new HColumnDescriptor(family));}/*** 删除表中指定的列簇*/public static void deleteFamily(String tableName, String family) throws Exception {Admin admin = connection.getAdmin();admin.deleteColumn(TableName.valueOf(tableName), Bytes.toBytes(family));}/*** 为表添加一条数据*/public static void put(String tableName, String rowKey, String family, Map<String, String> values) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));Put put = new Put(Bytes.toBytes(rowKey));for (Map.Entry<String, String> entry : values.entrySet())put.addColumn(Bytes.toBytes(family), Bytes.toBytes(entry.getKey()), Bytes.toBytes(entry.getValue()));table.put(put);}/*** 批量为表添加数据*/public static void batchPut(String tableName, String family, Map<String, Map<String, String>> values) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));List<Put> puts = new ArrayList<>();for (Map.Entry<String, Map<String, String>> entry : values.entrySet()) {Put put = new Put(Bytes.toBytes(entry.getKey()));for (Map.Entry<String, String> subEntry : entry.getValue().entrySet())put.addColumn(Bytes.toBytes(family), Bytes.toBytes(subEntry.getKey()), Bytes.toBytes(subEntry.getValue()));puts.add(put);}table.put(puts);}/*** 删除RowKey中的某列*/public static void deleteColumn(String tableName, String rowKey, String family, String qualifier) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));Delete delete = new Delete(Bytes.toBytes(rowKey));delete.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));table.delete(delete);}/*** 删除RowKey*/public static void delete(String tableName, String rowKey) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));table.delete(new Delete(Bytes.toBytes(rowKey)));}/*** 批量删除RowKey*/public static void batchDelete(String tableName, String... rowKeys) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));List<Delete> deletes = new ArrayList<>();for (String rowKey : rowKeys)deletes.add(new Delete(Bytes.toBytes(rowKey)));table.delete(deletes);}/*** 根据RowKey获取数据*/public static Map<String, String> get(String tableName, String rowKey) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));Result result = table.get(new Get(Bytes.toBytes(rowKey)));List<Cell> cells = result.listCells();Map<String, String> cellsMap = new HashMap<>();for (Cell cell : cells) {cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));}return cellsMap;}/*** 获取全表数据*/public static Map<String, Map<String, String>> scan(String tableName) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));ResultScanner resultScanner = table.getScanner(new Scan());return getResult(resultScanner);}/*** 获取某列数据*/public static Map<String, Map<String, String>> scan(String tableName, String family, String qualifier) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));Scan scan = new Scan();scan.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));ResultScanner resultScanner = table.getScanner(scan);return getResult(resultScanner);}private static Map<String, Map<String, String>> getResult(ResultScanner resultScanner) {Map<String, Map<String, String>> resultMap = new HashMap<>();for (Result result : resultScanner) {List<Cell> cells = result.listCells();Map<String, String> cellsMap = new HashMap<>();for (Cell cell : cells)cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));resultMap.put(Bytes.toString(result.getRow()), cellsMap);}return resultMap;}}
HBase海量数据存储相关推荐
- BigData NoSQL —— ApsaraDB HBase数据存储与分析平台概览
一.引言 时间到了2019年,数据库也发展到了一个新的拐点,有三个明显的趋势: 越来越多的数据库会做云原生(CloudNative),会不断利用新的硬件及云本身的优势打造CloudNative数据库, ...
- 浅析MongoDB数据库的海量数据存储应用
[摘要]当今已进入大数据时代,特别是大规模互联网web2.0应用不断发展及云计算所需要的海量存储和海量计算发展,传统的关系型数据库已无法满足这方面的需求.随着NoSQL数据库的不断发展和成熟,可以较好 ...
- [转载] 新兵训练营系列课程——海量数据存储基础
原文: http://weibo.com/p/1001643874615465508614 微博平台研发作为微博的底层数据及业务支撑部门,已经经历了5年的发展历程.伴随着从数据及业务暴发式增长,我们在 ...
- 分布式列数据库--理解hbase列存储机制、架构、表结构设计、命令操作
1. HBase简介 HBase是Hadoop Database的简称,是建立在Hadoop文件系统之上的分布式面向列的数据库. HBase和HDFS HDFS适用于存储大容量文件的分布式文件系统,不 ...
- 翻开工具箱,海量数据存储处理之各种黑科技
文章目录 一.前言 二.Hadoop 2.1 Hadoop概要 2.2 第一组件:HDFS 2.3 第二组件:MapReduce 2.4 Hadoop MapReduce作业的生命周期 2.5 YAR ...
- 大数据,轻松应对海量数据存储与分析所带来的挑战
文章目录 一.前言 二.Spark 2.1 Spark架构 2.2 Spark核心组件 2.3 Spark编程模型 2.4 Spark计算模型 2.5 Spark运行流程 2.6 Spark RDD流 ...
- 一起进阶学习JAVA:MySQL海量数据存储与优化
一起进阶学习JAVA:MySQL海量数据存储与优化 第一部分 分库分表实战及中间件 1.1 背景介绍 1.1.1 背景描述 刚开始我们的系统只用了 单机数据库 随着用户的不断增多,考虑到系统的高可用和 ...
- 新兵训练营系列课程——海量数据存储基础
2019独角兽企业重金招聘Python工程师标准>>> 新兵训练营系列课程--海量数据存储基础 2015年8月12日 09:24 阅读 16831 微博平台研发作为微博的底层数据及业 ...
- 如何解决HBase海量数据高效入仓的问题?
如何解决HBase海量数据高效入仓的问题?数据仓库的数据来源于各方业务系统,高效准确的将业务系统的数据同步到数仓是数仓建设的根本.部分业务数据存储在HBase中,这部分数据体量较大达到数十亿.大数据需 ...
最新文章
- mac mysql的安装
- SOA标准发展混乱 国内业务缺少经验
- DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution--阅读笔记
- 织梦添加搜索框里的提示消息
- node异步非阻塞的杂谈
- FlashCache初体验
- SQL Server 2008 R2 安装时提示“Reporting Services目录数据库文件存在”
- 第一百一十二期:96秒100亿!如何抗住双11高并发流量?
- 7 个有用的 PyTorch 技巧
- java break递归_【Java】递归总结
- Java垃圾回收器的工作原理
- 《深度学习Python实践》第18章——持久化加载模型
- java读取redis数据_Java连接redis操作数据
- 计算机专业老师新学期工作计划,2020教师新学期工作计划5篇
- uni-app 小程序后端返回二进制流图片显示
- 下载 沙耶之歌Android_沙耶之歌安卓版
- 海滩xxxx_人工智能处理海洋垃圾:借助数据清理世界各地的海滩
- 系统是综合应用最新多媒体计算机技术,RM-6280C多道生理信号采集处理系统
- NFS配置(RHCE考试题)
- Ubuntu常见命令