HBase海量数据存储

阅读量：4664 次

发布时间：2019-06-09

本文共 14104 字，大约阅读时间需要 47 分钟。

1.简介

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

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。

*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。

3.安装HBase

1.从CDH中下载HBase并进行解压：

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


         
          
      
       hbase.tmp.dir
            
      
       /usr/hbase/hbase-1.2.8/logs
         
         
         
          
      
       hbase.rootdir
            
      
       hdfs://nameservice:8020/hbase
         
         
         
          
      
       hbase.cluster.distributed
            
      
       true
         
         
         
          
      
       hbase.zookeeper.quorum
            
      
       192.168.1.80:2181,192.168.1.81:2181,192.168.1.82:2181

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，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


       
      
       org.apache.hbase
        
      
       hbase-client
        
      
       1.2.8

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
     
      );//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
      
       );//删除数据void delete(Delete);//批量删除数据void delete(List
       
        )

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
     
       values) throws Exception {        Table table = connection.getTable(TableName.valueOf(tableName));        Put put = new Put(Bytes.toBytes(rowKey));        for (Map.Entry
      
        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
       
        > values) throws Exception {        Table table = connection.getTable(TableName.valueOf(tableName));        List
        
          puts = new ArrayList<>();        for (Map.Entry
         
          > entry : values.entrySet()) {            Put put = new Put(Bytes.toBytes(entry.getKey()));            for (Map.Entry
          
            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
           
             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
            
              get(String tableName, String rowKey) throws Exception { Table table = connection.getTable(TableName.valueOf(tableName)); Result result = table.get(new Get(Bytes.toBytes(rowKey))); List
             
               cells = result.listCells(); Map
              
                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
               
                > 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
                
                 > 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
                 
                  > getResult(ResultScanner resultScanner) { Map
                  
                   > resultMap = new HashMap<>(); for (Result result : resultScanner) { List
                   
                     cells = result.listCells(); Map
                    
                      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; }}