HBase详解

一、简介

  • HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库

  • 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务

  • 主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）

二、数据模型

  • ROW KEY

    • 决定一行数据

    • – 按照字典顺序排序的。

    • – Row key只能存储64k的字节数据

  •  Column Family列族 & qualifier列

    • HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’；

    • 列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入；

    • 权限控制、存储以及调优都是在列族层面进行的；

    • HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

  • Timestamp时间戳

    • 在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。

    • 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

  • Cell单元格

    • 由行和列的坐标交叉决定；

    • 单元格是有版本的；

    • 单元格的内容是未解析的字节数组；
      • 由 {row key， column( =<family> +<qualifier>)， 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。

  • HLog(WAL log)

    • HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是”写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。

    • HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue。

  • Client

    • 包含访问HBase的接口并维护cache来加快对HBase的访问

  • Zookeeper

    • 保证任何时候，集群中只有一个master

    • 存贮所有Region的寻址入口。

    • 实时监控Region server的上线和下线信息。并实时通知Master

    • 存储HBase的schema和table元数据

  • Master为Region server分配region

    • 负责Region server的负载均衡

    • 发现失效的Region server并重新分配其上的region

    • 管理用户对table的增删改操作

  • RegionServer

    • Region server维护region，处理对这些region的IO请求

    • Region server负责切分在运行过程中变得过大的region

  • Region

    • HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据；每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region（裂变）；

    • 当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver 上。

  • Memstore 与 storefile

    • 一个region由多个store组成，一个store对应一个CF（列族）

    • store包括位于内存中的memstore和位于磁盘的storefile写操作先写入memstore，当memstore中的数据达到某个阈值，hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile

    • 当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major compaction），在合并过程中会进行版本合并和删除工作（majar），形成更大的storefile

    • 当一个region所有storefile的大小和数量超过一定阈值后，会把当前的region分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载均衡

    • 客户端检索数据，先在memstore找，找不到再找storefile

　　　　

　　HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion可以分布在不同的 HRegion server上。
　　HRegion由一个或者 多个Store组成，每个store保存一个columns family。
　　每个Strore又由一个memStore和0至多个StoreFile组成。如图：StoreFile以HFile格式保存在HDFS上。

三、HBase集群安装

　　前提：Hadoop集群要启动正常，Zookeeper集群启动正常

  • 配置regionservers ，主机名
  • 配置backup-masters
  • 配置hbase-env.sh
    • 配置JAVA_HOME
    • 配置HBASE_MANAGERS_ZK=false
  • 配置hbase-site.xml
    • Hbase.rootdir
    • Zookeeper集群主机
    • 启用hbase集群：true
    • 把hdfs-site.xml (or hadoop-site.xml) 拷贝到${HBASE_HOME}/conf下
  • 启动hbase 
    <configuration>
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://namenode.example.org:8020/hbase</value>
  </property>
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>node-a.example.com,node-b.example.com,node-c.example.com</value>
  </property>
</configuration>
    hbase-site.xml示例

四、HBase Shell

  • create 建立一个表   create 'scores','grade', 'course'
  • list  查看当前HBase中具有哪些表
  • describe 查看表的构造 describe 'scores'

　　

五、Hbase表结构设计

根据新浪微博系统：请建立微博系统的表。

  • 用户表不需要创建，假设用户已经存在，在DBMS中。
  • 所有用户可以发微博
  • 所有用户可以添加关注用户和取消关注用户
  • 所有用户可以查看粉丝列表
  • 用户首页，用户所关注的其他用户最新发布的微博列表。

　　用户表

rowkey cf1（关注列表） cf2（粉丝列表）
uid uid=uname uid=uname

　　微博表

rowkey cf1
uid_LONG.MAX-time content=微博内容

　　收微博表（主页用）

rowkey cf1
uid id=uid_LONG.MAX-time　　version=1000

六、protocal buffer

　　Protocol Buffers 是一种轻便高效的结构化数据存储格式，可以用于结构化数据串行化，或者说序列化。它很适合做数据存储或 RPC 数据交换格式。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。目前提供了 C++、Java、Python 三种语言的 API。

　　目的：每个cell都含有rowkey、列族、列、版本等，存的值都很短，大部分存储空间被浪费，把多列或多条数据合并成一个cell，节省storefile空间，提高存储空间使用率。

　　 ./configure –prefix=/usr/protobuffer

　　make&&make install

　　写好xx.proto文件，protoc --java_out=/app/  xx.proto 

　　就生成了xx.java类，按照定义把属性封装好了，而且实现了序列化的方法。

七、MapReduce操作HBase

　　官网示例：http://hbase.apache.org/book.html#mapreduce.example

  • 通过TableMapReduceUtil初始化job
  • Mapclass需要实现TableMap
  • reducerclass需要实现TableReducer
Configuration config = HBaseConfiguration.create();
Job job = new Job(config,"ExampleSummary");
job.setJarByClass(MySummaryJob.class);     // class that contains mapper and reducer

Scan scan = new Scan();
scan.setCaching(500);        // 1 is the default in Scan, which will be bad for MapReduce jobs
scan.setCacheBlocks(false);  // don't set to true for MR jobs
// set other scan attrs

TableMapReduceUtil.initTableMapperJob(
  sourceTable,        // input table
  scan,               // Scan instance to control CF and attribute selection
  MyMapper.class,     // mapper class
  Text.class,         // mapper output key
  IntWritable.class,  // mapper output value
  job);
TableMapReduceUtil.initTableReducerJob(
  targetTable,        // output table
  MyTableReducer.class,    // reducer class
  job);
job.setNumReduceTasks(1);   // at least one, adjust as required

boolean b = job.waitForCompletion(true);
if (!b) {
  throw new IOException("error with job!");
}
public static class MyMapper extends TableMapper<Text, IntWritable>  {
  public static final byte[] CF = "cf".getBytes();
  public static final byte[] ATTR1 = "attr1".getBytes();

  private final IntWritable ONE = new IntWritable(1);
  private Text text = new Text();

  public void map(ImmutableBytesWritable row, Result value, Context context) throws IOException, InterruptedException {
    String val = new String(value.getValue(CF, ATTR1));
    text.set(val);     // we can only emit Writables...
    context.write(text, ONE);
  }
}
public static class MyTableReducer extends TableReducer<Text, IntWritable, ImmutableBytesWritable>  {
  public static final byte[] CF = "cf".getBytes();
  public static final byte[] COUNT = "count".getBytes();

  public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
    int i = 0;
    for (IntWritable val : values) {
      i += val.get();
    }
    Put put = new Put(Bytes.toBytes(key.toString()));
    put.add(CF, COUNT, Bytes.toBytes(i));

    context.write(null, put);
  }
}

八、HBase调优

　　https://www.cnblogs.com/erbing/p/9869730.html

【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/erbing/p/9871233.html