大数据组件之HBase

文档中心

文章目录

前言
一、HBase
- 1、Region
- 2、RegionServer
- 3、Master
- 4、Zookeeper
二、HBases的Standalone安装
- 1、解压配置环境变量
- - 1.下载
  - 2.解压
  - 3.配置环境变量
- 2、修改配置文件信息
- - 1.hbase-env.sh
  - 2.hbase-site.xml
  - 3.启动HBase
  - 4.验证启动是否成功
三、HBase完全分布式搭建
四、HBase常见shell指令
- 1、基本指令
- - 1.打开HBase shell
  - 2. 获取帮助
  - 3. 查看服务器状态
  - 4.查看版本信息
  - 5.创建命名空间
  - 6.描述命名空间
  - 7.删除namespace
- 2、表操作
- - 1. 查看所有表
  - 2.创建表
  - 3.查看表的基本信息
  - 4.表的启用/禁用
  - 5.检查表是否存在
  - 6.删除表
- 3、增删改
- - 1.添加列族
  - 2.删除列族
  - 3.更改列族存储版本的限制
  - 4.插入数据
  - 5.获取指定行、指定行中的列族、列的信息
  - 6.删除指定行、指定行中的列
- 4、查询
- - 1.Get查询
  - 2.查询整表数据
  - 3.查询指定列簇的数据
  - 4.条件查询
  - 5. 条件过滤
五、Java API
- 1、pom.xml
- 2、HBaseClient
- 3、创建表
- 4、添加行列数据数据
- 5、添加行列数据数据
- 6、删除行
- 7、查询所有数据
- 8、根据rowId查询
- 9、根据列条件查询
- 10、多条件查询
- 11、删除表

前言

HBase作为一个列式存储的数据存储框架，其广泛应用于OLAP。前面介绍了大数据组件之HIve，其访问量很高，因此本文主要介绍HBase的shell命令和java操作，希望对于学习大数据或者从事大数据的你有些帮助。

一、HBase

HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

HBase只有新增操作，通过操作类型和时间戳建立版本管理，按照时间的先后顺序0,1,2,…

可以通过切换版本追踪历史数据

可以设置最大的保留实例记录数

基于列式存储模型，对于数据实现了高度压缩，节省存储成本
采用 LSM 机制而不是B(+)树，这使得HBase非常适合海量数据实时写入的场景
高可靠，一个数据会包含多个副本(默认是3副本)，这得益于HDFS的复制能力，由RegionServer提供自动故障转移的功能
高扩展，支持分片扩展能力(基于Region)，可实现自动、数据均衡
强一致性读写，数据的读写都针对主Region上进行，属于CP型的系统
易操作，HBase提供了Java API、RestAPI/Thrift API等接口
查询优化，采用Block Cache 和布隆过滤器来支持海量数据的快速查找

1、Region

Region就是一段数据的集合。HBase中的表一般拥有一个到多个Region。Region具有以下特性：

1. Region不能跨服务器，一个RegionServer上有一个或者多个 Region。2. 数据量小的时候，一个Region足以存储所有数据；但是，当数据 量大的时候，HBase会拆分Region。3. 当HBase在进行负载均衡的时候，也有可能会从一台 RegionServer上把Region移动到另一台RegionServer上。4. Region是基于HDFS的，它的所有数据存取操作都是调用了HDFS的 客户端接口来实现的。

2、RegionServer

RegionServer就是存放Region的容器，直观上说就是服务器上的一个服务。当客户端从ZooKeeper获取RegionServer的地址后，它会直接从 RegionServer获取数据。

3、Master

Master只负责各种协调工作，比如建表、删表、移动Region、合并等操作。

4、Zookeeper

Zookeeper 对于 HBase的作用是至关重要的。

Zookeeper 提供了 HBase Master 的高可用实现，并保证同一时刻有且仅有一个主 Master 可用。
Zookeeper 保存了 Region 和 Region Server 的关联信息(提供寻址入口)，并保存了集群的元数据(Schema/Table)。
Zookeeper 实时监控Region server的上线和下线信息，并实时通知Master。

二、HBases的Standalone安装

1、解压配置环境变量

1.下载

HBase的下载地址

#利用wget进行HBase安装包下载wget https://hbase.apache.org/downloads.html

2.解压

#tar解压tar -zxvf hbase-2.1.4-bin.tar.gz -C /opt/software

3.配置环境变量

#编辑环境变量vim /etc/profile.d/my.sh#-------------------------------------export HBASE_HOME=/opt/software-2.1.4export PATH=$HBASE_HOME/bin:$PATH#-------------------------------------# 生效环境变量source /etc/profile

2、修改配置文件信息

1.hbase-env.sh

#打开文件vim /opt/software-2.1.4/conf/hbase-env.sh#-----------------------------------------export JAVA_HOME=/opt/software/jdk1.8.0_201#-----------------------------------------

2.hbase-site.xml

#打开编辑文件,新增以下内容vim /opt/software-2.1.4/conf/hbase-site.xml

新增以下内容：

<configuration> <property>    <name>hbase.rootdir</name>    <value>file:///home/hbase/rootdir</value>  </property>  <property>    <name>hbase.zookeeper.property.dataDir</name>    <value>/home/zookeeper/dataDir</value>  </property>  <property>    <name>hbase.unsafe.stream.capability.enforce</name>    <value>false</value>  </property></configuration>

配置信息介绍：

hbase.rootdir: 配置 hbase 数据的存储路径；
hbase.zookeeper.property.dataDir: 配置 zookeeper 数据的存储路径；
hbase.unsafe.stream.capability.enforce: 使用本地文件系统存储，不使用 HDFS 的情况下需要禁用此配置，设置为 false。

3.启动HBase

由于已经将 HBase 的 bin 目录配置到环境变量，直接使用以下命令启动：

#启动HBasestart-hbase.sh

4.验证启动是否成功

验证方式一：使用 jps 命令查看 HMaster 进程是否启动。

[root@hadoop001 hbase-2.1.4]# jps16336 Jps15500 HMaster

验证方式二：访问 HBaseWeb UI 页面，默认端口为 16010 。

三、HBase完全分布式搭建

#默认无，必须手动创建vim conf/backup-masters #---------#backup状态master02#--------start-hbase.sh HMaster

溢写64MB

#DDLlistlist_namespacecreate_namespace 'kb16nb'list_namespace_tables 'kb16nb'#create 'kb16nb:student','base','score'describe 'kb16nb:student'#----------------------------------------------------------------------------------------Table kb16nb:student is ENABLED kb16nb:student    COLUMN FAMILIES DESCRIPTION     {NAME => 'base', BLOOMFILTER => 'ROW', IN_MEMORY => 'false', VERSIONS => '1', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', COMPRESSION => 'NONE', TTL => 'FOREVER', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}    {NAME => 'score', BLOOMFILTER => 'ROW', IN_MEMORY => 'false', VERSIONS => '1', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', COMPRESSION => 'NONE', TTL => 'FOREVER', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'} #----------------------------------------------------------------------------------------#DMLis_enabled 'kb16nb:student' #查看表是否可用is_disabled 'kb16nb:student' #查看表示是否禁用drop 'kb16nb:student' #删除表，删除前需要禁用enable 'kb16nb:student' #启用表disable 'kb16nb:student'  #禁用表truncate 'kb16nb:student' #删除数据delete 'kb16nb:student','rowkey','columnfamily:colname' #删除某行某列(最新的版本)deleteall 'kb16nb:student','rowkey' #删除某行(删除所有版本)put 'kb16nb:student','1','base:name','zhangsan' #插入数据scan 'kb16nb:student' #查看全表#----------------------------------------------------------------------------------------hbase(main):014:0> scan 'kb16nb:student'ROWCOLUMN+CELL     1 column=base:name, timestamp=2022-01-28T10:23:06.333, value=zhang   san#----------------------------------------------------------------------------------------get 'kb16nb:student','2','base:name'scan 'kb16nb:student',{COLUMN=>'base'} #查询列簇scan 'kb16nb:student',{COLUMN=>'base:name'} #查询指定列scan 'kb16nb:student',{COLUMN=>'base:name'，LIMIT=>2}scan 'kb16nb:student',{COLUMN=>'base:name',LIMIT=>2,STARTKEY=>'2'} #开始下标(包含)scan 'kb16nb:student',{COLUMN=>'base:name',LIMIT=>2,STARTKEY=>'2',STARTROW=>'2'} #Row下标不包含#BLOCKCACHE的页面置换算法是最近最少使用LRUcreate 'kb16nb:'#shell执行HBase命令echo "shell指令"|hbase shell -necho "list_namespace_tables 'kb16nb'"|hbase shell -n#布隆过滤器出现误码后怎么处理#预分区create_namespace 'kb16'create 'kb16:pre_split_n1','cf',SPLITS=>['10','20','30']hbase org.apache.hadoop.hbase.util.RegionSplitter kb16:pre_split_hsp1 HexStringSplit -c 3 -f base,scorescreate 'kb16:pre_split_pdp','base',{NUMREGIONS=>4,SPLITALGO=>'DecimalStringSplit'}

四、HBase常见shell指令

HBase为什么这么快

1、基本指令

1.打开HBase shell

#进入HBase的命令hbase shell

2. 获取帮助

# 获取帮助help# 获取命令的详细信息help 'status'

3. 查看服务器状态

#查看服务器状态status

4.查看版本信息

#查看HBase版本信息version

5.创建命名空间

#创建命名空间create_namespace '命名空间'create_namespace 'ns1'

6.描述命名空间

#描述命名空间describe_namespace '命名空间'describe_namespace 'ns1'

7.删除namespace

#删除namespacedrop_namespace 'ns1'

2、表操作

1. 查看所有表

#查看HBase的所有表list

2.创建表

命令格式： create ‘表名称’, ‘列族名称 1’,‘列族名称 2’,‘列名称 N’

# 创建一张名为Student的表,包含基本信息（baseInfo）、学校信息（schoolInfo）两个列族create 'ns1:t1',{NAME => 'f1',VERSION => 5},{NAME => 'f2'}create 'Student','baseInfo','schoolInfo'

3.查看表的基本信息

命令格式：desc ‘表名’

#查看表的基本信息describe 'Student'

4.表的启用/禁用

enable 和 disable 可以启用/禁用这个表,is_enabled 和 is_disabled 来检查表是否被禁用

# 禁用表disable 'Student'# 检查表是否被禁用is_disabled 'Student'# 启用表enable 'Student'# 检查表是否被启用is_enabled 'Student'

5.检查表是否存在

指令格式： exits ‘表名’

#检查表是否存在exists 'Student'

6.删除表

删除表前需要先禁用表

# 删除表前需要先禁用表disable 'Student'# 删除表drop 'Student'

3、增删改

1.添加列族

命令格式： alter ‘表名’, ‘列族名’

alter 'Student', 'teacherInfo'

2.删除列族

命令格式：alter ‘表名’, {NAME => ‘列族名’, METHOD => ‘delete’}

alter 'Student', {NAME => 'teacherInfo', METHOD => 'delete'}

3.更改列族存储版本的限制

默认情况下，列族只存储一个版本的数据，如果需要存储多个版本的数据，则需要修改列族的属性。修改后可通过 desc 命令查看。

alter 'Student',{NAME=>'baseInfo',VERSIONS=>3}

4.插入数据

命令格式：put ‘表名’, ‘行键’,‘列族:列’,‘值’

注意：如果新增数据的行键值、列族名、列名与原有数据完全相同，则相当于更新操作

put 'Student', 'rowkey1','baseInfo:name','tom'put 'Student', 'rowkey1','baseInfo:birthday','1990-01-09'put 'Student', 'rowkey1','baseInfo:age','29'put 'Student', 'rowkey1','schoolInfo:name','Havard'put 'Student', 'rowkey1','schoolInfo:localtion','Boston'put 'Student', 'rowkey2','baseInfo:name','jack'put 'Student', 'rowkey2','baseInfo:birthday','1998-08-22'put 'Student', 'rowkey2','baseInfo:age','21'put 'Student', 'rowkey2','schoolInfo:name','yale'put 'Student', 'rowkey2','schoolInfo:localtion','New Haven'put 'Student', 'rowkey3','baseInfo:name','maike'put 'Student', 'rowkey3','baseInfo:birthday','1995-01-22'put 'Student', 'rowkey3','baseInfo:age','24'put 'Student', 'rowkey3','schoolInfo:name','yale'put 'Student', 'rowkey3','schoolInfo:localtion','New Haven'put 'Student', 'wrowkey4','baseInfo:name','maike-jack'

5.获取指定行、指定行中的列族、列的信息

# 获取指定行中所有列的数据信息get 'Student','rowkey3'# 获取指定行中指定列族下所有列的数据信息get 'Student','rowkey3','baseInfo'# 获取指定行中指定列的数据信息get 'Student','rowkey3','baseInfo:name'

6.删除指定行、指定行中的列

# 删除指定行delete 'Student','rowkey3'# 删除指定行中指定列的数据delete 'Student','rowkey3','baseInfo:name'

4、查询

hbase 中访问数据有两种基本的方式：

按指定 rowkey 获取数据：get 方法；
按指定条件获取数据：scan 方法。

scan 可以设置 begin 和 end 参数来访问一个范围内所有的数据。get 本质上就是 begin 和 end 相等的一种特殊的 scan。

1.Get查询

# 获取指定行中所有列的数据信息get 'Student','rowkey3'# 获取指定行中指定列族下所有列的数据信息get 'Student','rowkey3','baseInfo'# 获取指定行中指定列的数据信息get 'Student','rowkey3','baseInfo:name'

2.查询整表数据

指令格式： scan ‘表名’

#查询整表数据scan 'Student'

3.查询指定列簇的数据

#查看指定列簇数据scan 'Student', {COLUMN=>'baseInfo'}

4.条件查询

# 查询指定列的数据scan 'Student', {COLUMNS=> 'baseInfo:birthday'}

除了列 （COLUMNS） 修饰词外，HBase 还支持 Limit（限制查询结果行数），STARTROW（ROWKEY 起始行，会先根据这个 key 定位到 region，再向后扫描）、STOPROW(结束行)、TIMERANGE（限定时间戳范围）、VERSIONS（版本数）、和 FILTER（按条件过滤行）等。

如下代表从 rowkey2 这个 rowkey 开始，查找下两个行的最新 3 个版本的 name 列的数据：

scan 'Student', {COLUMNS=> 'baseInfo:name',STARTROW => 'rowkey2',STOPROW => 'wrowkey4',LIMIT=>2, VERSIONS=>3}

5. 条件过滤

Filter 可以设定一系列条件来进行过滤。如我们要查询值等于 24 的所有数据：

scan 'Student', FILTER=>"ValueFilter(=,'binary:24')"

值包含 yale 的所有数据：

scan 'Student', FILTER=>"ValueFilter(=,'substring:yale')"

列名中的前缀为 birth 的：

scan 'Student', FILTER=>"ColumnPrefixFilter('birth')"

FILTER 中支持多个过滤条件通过括号、AND 和 OR 进行组合：

# 列名中的前缀为birth且列值中包含1998的数据scan 'Student', FILTER=>"ColumnPrefixFilter('birth') AND ValueFilter ValueFilter(=,'substring:1998')"

PrefixFilter 用于对 Rowkey 的前缀进行判断：

scan 'Student', FILTER=>"PrefixFilter('wr')"

五、Java API

1、pom.xml

<dependency>    <groupId>org.apache.hbase</groupId>    <artifactId>hbase-client</artifactId>    <version>2.0.0</version></dependency>

2、HBaseClient

import org.apache.hadoop.hbase.HBaseConfiguration;import org.apache.hadoop.hbase.client.Connection;import org.apache.hadoop.hbase.client.ConnectionFactory;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import java.io.IOException;import java.util.concurrent.locks.Lock;import java.util.concurrent.locks.ReentrantLock;public class HbaseClient {    // config zookeeper    static private org.apache.hadoop.conf.Configuration configuration = null;    static private Connection connection = null;    private static Logger logger = LoggerFactory.getLogger(HbaseClient.class);    static private Lock lock = new ReentrantLock();    static Connection getConnectionInstance() { if (null == connection) {     lock.lock();     try {  if (null == connection) {      configuration = HBaseConfiguration.create();      configuration.set("hbase.zookeeper.quorum", "zk1:2182,zk2:2182,zk3:2182");      configuration.set("hbase.client.keyvalue.maxsize", "100000000");      connection = ConnectionFactory.createConnection(configuration);  }     } catch (IOException e) {  logger.error("create hbase error ", e);     } finally {  lock.unlock();     } } return connection;    }}

3、创建表

/*** 创建表** @param tableName*/public static void createTable(String tableStr, String[] familyNames) {System.out.println("start create table ......");try {Admin admin = connection.getAdmin();TableName tableName = TableName.valueOf(tableStr);if (admin.tableExists(tableName)) {// 如果存在要创建的表，那么先删除，再创建admin.disableTable(tableName);admin.deleteTable(tableName);System.out.println(tableName + " is exist,detele....");} HTableDescriptor tableDescriptor = new HTableDescriptor(tableName); // 添加表列信息 if (familyNames != null && familyNames.length > 0) { for (String familyName : familyNames) {     tableDescriptor.addFamily(new HColumnDescriptor(familyName)); }}      admin.createTable(tableDescriptor);} catch (MasterNotRunningException e) {e.printStackTrace();} catch (ZooKeeperConnectionException e) {      e.printStackTrace();} catch (IOException e) {e.printStackTrace();}System.out.println("end create table ......");}

4、添加行列数据数据

/*** 添加行列数据数据** @param tableName* @throws Exception*/public static void insertData(String tableName, String rowId, String familyName,String qualifier, String value) throws Exception {System.out.println("start insert data ......");Table table = connection.getTable(TableName.valueOf(tableName));Put put = new Put(rowId.getBytes());// 一个PUT代表一行数据，再NEW一个PUT表示第二行数据,每行一个唯一的ROWKEY，此处rowkey为put构造方法中传入的值put.addColumn(familyName.getBytes(), qualifier.getBytes(), value.getBytes());// 本行数据的第一列try {table.put(put);} catch (IOException e) {e.printStackTrace();}    System.out.println("end insert data ......");}

5、添加行列数据数据

/*** 添加行列数据数据** @param tableName* @throws Exception*/public static void batchInsertData(String tableName, String rowId, List<String> familyNames,String qualifier, List<String> values) throws Exception {if (null == qualifier) qualifier = "tmp";Table table = connection.getTable(TableName.valueOf(tableName));Put put = new Put(rowId.getBytes());// 一个PUT代表一行数据，再NEW一个PUT表示第二行数据,每行一个唯一的ROWKEY，此处rowkey为put构造方法中传入的值for (int i = 0; i < familyNames.size(); ++i) {put.addColumn(familyNames.get(i).getBytes(),qualifier.getBytes(), values.get(i).getBytes());// 本行数据的第一列}try {table.put(put);} catch (IOException e) {e.printStackTrace();}}

6、删除行

/*** 删除行** @param tablename* @param rowkey*/public static void deleteRow(String tablename, String rowkey) {try {Table table = connection.getTable(TableName.valueOf(tablename));Delete d1 = new Delete(rowkey.getBytes());table.delete(d1);//d1.addColumn(family, qualifier);d1.addFamily(family);System.out.println("删除行成功!");} catch (IOException e) {e.printStackTrace();}}

7、查询所有数据

/*** 查询所有数据** @param tableName* @throws Exception*/public static void queryAll(String tableName) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));try {ResultScanner rs = table.getScanner(new Scan());for (Result r : rs) {System.out.println("获得到rowkey:" + new String(r.getRow()));for (Cell keyValue : r.rawCells()) {System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.cloneValue(keyValue)));}}rs.close();} catch (IOException e) {e.printStackTrace();}}

8、根据rowId查询

/*** 根据rowId查询** @param tableName* @throws Exception*/public static void queryByRowId(String tableName, String rowId) throws Exception {Table table = connection.getTable(TableName.valueOf(tableName));try {Get scan = new Get(rowId.getBytes());// 根据rowkey查询Result r = table.get(scan);System.out.println("获得到rowkey:" + new String(r.getRow()));for (Cell keyValue : r.rawCells()) {System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.cloneValue(keyValue)));}} catch (IOException e) {e.printStackTrace();}}

9、根据列条件查询

/*** 根据列条件查询** @param tableName*/public static void queryByCondition(String tableName, String familyName,String qualifier,String value) {try {Table table = connection.getTable(TableName.valueOf(tableName));Filter filter = new SingleColumnValueFilter(Bytes.toBytes(familyName),Bytes.toBytes(qualifier), CompareOp.EQUAL, Bytes.toBytes(value)); // 当列familyName的值为value时进行查询Scan s = new Scan();s.setFilter(filter);ResultScanner rs = table.getScanner(s);for (Result r : rs) {System.out.println("获得到rowkey:" + new String(r.getRow()));for (Cell keyValue : r.rawCells()) {System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":"+new String(CellUtil.cloneQualifier(keyValue)) + "====值:" + new String(CellUtil.cloneValue(keyValue)));}}rs.close();} catch (Exception e) {e.printStackTrace();}}

10、多条件查询

/*** 多条件查询** @param tableName*/public static void queryByConditions(String tableName, String[] familyNames, String[] qualifiers,String[] values) {try {Table table = connection.getTable(TableName.valueOf(tableName));List<Filter> filters = new ArrayList<Filter>();if (familyNames != null && familyNames.length > 0) {int i = 0;for (String familyName : familyNames) {Filter filter = new SingleColumnValueFilter(Bytes.toBytes(familyName),Bytes.toBytes(qualifiers[i]), CompareOp.EQUAL,Bytes.toBytes(values[i]));filters.add(filter);i++;}}FilterList filterList = new FilterList(filters); Scan scan = new Scan(); scan.setFilter(filterList); ResultScanner rs = table.getScanner(scan); for (Result r : rs) {System.out.println("获得到rowkey:" + new String(r.getRow()));for (Cell keyValue : r.rawCells()) {System.out.println("列：" + new String(CellUtil.cloneFamily(keyValue))+":" +new String(CellUtil.cloneQualifier(keyValue)) +"====值:" + new String(CellUtil.cloneValue(keyValue)));}}  rs.close();} catch (Exception e) {e.printStackTrace();}}

11、删除表

// 懒加载单例模式static private Connection connection = HbaseClient.getConnectionInstance();/*** 删除表** @param tableName*/public static void dropTable(String tableStr) {try {Admin admin = connection.getAdmin();TableName tableName = TableName.valueOf(tableStr);admin.disableTable(tableName);admin.deleteTable(tableName);admin.close();} catch (MasterNotRunningException e) {e.printStackTrace();} catch (ZooKeeperConnectionException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();}}