HBase基础知识分享(一)

写在前面

今天来学习Hbase部分的知识!

Zookeeper的ZAB协议

ZAB（Zookeeper Atomic Broadcast）协议是Zookeeper的核心协议之一，用于保证集群中数据的一致性、顺序性和容错性。它包括以下几个关键阶段：

Leader选举：选举出一个Leader节点来协调集群内的操作。
事务提案：客户端提交的事务会被提案并传播到集群中。
投票与提交：集群中的所有节点投票确认事务，然后提交。

ZAB协议的设计灵感来自于Paxos协议，但简化了许多步骤，使其更加适合Zookeeper这种主要用作协调服务的分布式系统。

ZAB协议的特点

保证数据一致性。
通过Leader节点保证顺序性。
容错性强，能应对节点故障或网络分区。
为分布式系统提供强一致性，确保高可用性和稳定性。

HBase的特点

大规模：支持百万级别的列和行，适合存储海量数据。
面向列族：数据存储按列族进行分组，提供灵活的存储和权限控制。
稀疏：只对有数据的列分配存储空间，节省存储。
无模式（No Schema）：每行可以有不同的列，不强制列的定义。
数据多版本：支持多版本数据，每个单元格有多个版本，可以根据时间戳查询不同版本。
数据单一类型：所有数据都以字节数组存储，无类型区分。

HBase的三维有序结构

HBase的数据按 行键、列族和时间戳 三个维度进行排序：

行键（Row Key）：数据按行键的字典顺序排序，行键是HBase存储的基本粒度。
列族（Column Family）：数据按列族进行分组，同一个列族内的数据按列名排序。
时间戳（Timestamp）：同一个单元格内的数据可以有多个版本，按时间戳的顺序排序，支持多版本数据。

这个设计使得HBase在处理大数据时具有高效的查询、存储和写入能力。

如何定位到 HBase 的 Cell

行键（Row Key）：HBase中的数据按行键顺序存储，因此要查询某个 Cell，需要知道它的行键。通过查询行键，可以定位到包含该行数据的 RegionServer。
列族（Column Family）和列名（Column Qualifier）：一旦确定了目标行，下一步是确定目标列。HBase按列族存储数据，每个列族包含多个列，查询时需要指定列族和列名。
时间戳（Timestamp）：HBase中的每个单元格按时间戳版本排序。每次写入时，HBase会自动为每个单元格分配一个时间戳。如果没有显式指定时间戳，默认使用当前时间戳。

通过 行键、列族、列名和时间戳，可以精确地查询到一个 Cell。

什么是 Region？通过 RK 定位到 Region

Region 是HBase存储数据的最小单元，负责存储一个连续范围的行数据。
Region 根据行键范围划分，HBase会根据行键自动将数据划分到不同的 Region。
通过 行键（Row Key），HBase可以定位到某个 Region。每个 Region 都有一个行键范围，当查询时，HBase会根据行键判断它所属的Region。
HBase通过 Zookeeper 或 Master节点 来管理Region和RegionServer的分配。查询时，客户端通过行键查询Zookeeper或Master，获得对应的Region和RegionServer信息。

HBase的数据模型

RowKey：用于唯一标识一行数据，是HBase查询数据的主键。
- 支持通过单个RowKey、RowKey范围或正则表达式等方式查询。
- RowKey按字典顺序存储，最大长度64KB，通常应用中为10~100字节。
列簇（Column Family）：
- 列簇是表的结构部分，表创建时必须指定至少一个列簇。
- 列簇内的数据按列名排序。
- HBase中的数据存储、权限控制和版本控制都是按列簇进行的。
时间戳：
- 每条数据都会记录时间戳，支持多版本数据存储。
- 按时间戳倒序存储，获取数据时默认返回最新版本。
- 设置TTL（Time to Live）时，HBase会根据时间戳自动删除过期数据。
Cell：
- 由 RowKey、Column（列簇+列名） 和 Version（时间戳） 唯一标识。
- HBase中的数据都以字节数组形式存储。

HBase的架构及读写流程

HBase的架构主要包括以下组件：

Client：提交读写请求。
HMaster：负责管理Region和RegionServer的分配。
RegionServer：负责存储和处理Region数据。
Zookeeper：协调HBase集群中的节点，维护元数据。

HBase读写流程：

写入流程：客户端请求写入数据，HBase首先将数据写入 MemStore，然后异步刷写到HFile中。当数据达到阈值时，会触发Region的分裂。
读取流程：客户端请求读取数据，HBase根据行键定位到对应的RegionServer，并从MemStore或HFile中读取数据。

常用的HBase比较器与过滤器

比较器（Comparator）

BinaryComparator：按字节索引顺序比较字节数组。
BinaryPrefixComparator：比较字节数组的前缀是否匹配。
RegexStringComparator：使用正则表达式比较字符串。
SubstringComparator：判断一个子串是否存在于目标字符串中。

HBase有哪些常用的过滤器？

单列值过滤器：SingleColumnValueFilter
SingleColumnValueFilter会返回满足条件的cell所在行的所有cell的值（即会返回一行数据）
通过SingleColumnValueFilter与查询文科班所有学生信息

    @Test
    // 通过SingleColumnValueFilter与查询文科班所有学生信息
    public void RegexStringComparatorFilter() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        SingleColumnValueFilter singleColumnValueFilter = new SingleColumnValueFilter(
                "info".getBytes(),
                "clazz".getBytes(),
                CompareFilter.CompareOp.EQUAL,
                new RegexStringComparator("^文科.*")
        );

        Scan scan = new Scan();
        scan.setFilter(singleColumnValueFilter);
        ResultScanner scanner = students.getScanner(scan);

        Result rs = scanner.next();
        while (rs != null) {
            String id = Bytes.toString(rs.getRow());
            String name = Bytes.toString(rs.getValue("info".getBytes(), "name".getBytes()));
            int age = Bytes.toInt(rs.getValue("info".getBytes(), "age".getBytes()));
            String gender = Bytes.toString(rs.getValue("info".getBytes(), "gender".getBytes()));
            String clazz = Bytes.toString(rs.getValue("info".getBytes(), "clazz".getBytes()));

            System.out.println(id + "\t" + name + "\t" + age + "\t" + gender + "\t" + clazz + "\t");

            rs = scanner.next();
        }

    }

列值排除过滤器：SingleColumnValueExcludeFilter
与SingleColumnValueFilter相反，会排除掉指定的列，其他的列全部返回
通过SingleColumnValueExcludeFilter与BinaryComparator查询文科一班所有学生信息，最终不返回clazz列

    @Test
    // 通过SingleColumnValueExcludeFilter与BinaryComparator查询文科一班所有学生信息，最终不返回clazz列
    public void RegexStringComparatorExcludeFilter() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        SingleColumnValueExcludeFilter singleColumnValueExcludeFilter = new SingleColumnValueExcludeFilter(
                "info".getBytes(),
                "clazz".getBytes(),
                CompareFilter.CompareOp.EQUAL,
                new BinaryComparator("文科一班".getBytes())
        );

        Scan scan = new Scan();
        scan.setFilter(singleColumnValueExcludeFilter);
        ResultScanner scanner = students.getScanner(scan);

        Result rs = scanner.next();
        while (rs != null) {
            String id = Bytes.toString(rs.getRow());
            String name = Bytes.toString(rs.getValue("info".getBytes(), "name".getBytes()));
            int age = Bytes.toInt(rs.getValue("info".getBytes(), "age".getBytes()));
            String gender = Bytes.toString(rs.getValue("info".getBytes(), "gender".getBytes()));
            // clazz列为空
            String clazz = Bytes.toString(rs.getValue("info".getBytes(), "clazz".getBytes()));

            System.out.println(id + "\t" + name + "\t" + age + "\t" + gender + "\t" + clazz + "\t");

            rs = scanner.next();
        }

    }

rowkey前缀过滤器：PrefixFilter
通过PrefixFilter查询以150010008开头的所有前缀的rowkey

    @Test
    // 通过PrefixFilter查询以150010008开头的所有前缀的rowkey
    public void PrefixFilterFilter() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        PrefixFilter prefixFilter = new PrefixFilter("150010008".getBytes());
        Scan scan = new Scan();
        scan.setFilter(prefixFilter);
        ResultScanner scanner = students.getScanner(scan);
        Result rs = scanner.next();
        while (rs != null) {
            String id = Bytes.toString(rs.getRow());
            String name = Bytes.toString(rs.getValue("info".getBytes(), "name".getBytes()));
            int age = Bytes.toInt(rs.getValue("info".getBytes(), "age".getBytes()));
            String gender = Bytes.toString(rs.getValue("info".getBytes(), "gender".getBytes()));
            // clazz列为空
            String clazz = Bytes.toString(rs.getValue("info".getBytes(), "clazz".getBytes()));

            System.out.println(id + "\t" + name + "\t" + age + "\t" + gender + "\t" + clazz + "\t");

            rs = scanner.next();
        }
    }

分页过滤器PageFilter

通过PageFilter查询第三页的数据，每页10条
使用PageFilter分页效率比较低，每次都需要扫描前面的数据，直到扫描到所需要查的数据
可设计一个合理的rowkey来实现分页需求

    @Test
    // 通过PageFilter查询第三页的数据，每页10条
    public void PageFilter() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        int PageNum = 3;
        int PageSize = 10;
        Scan scan = new Scan();
        if (PageNum == 1) {
            scan.withStartRow("".getBytes());
            //使用分页过滤器，实现数据的分页
            PageFilter pageFilter = new PageFilter(PageSize);
            scan.setFilter(pageFilter);
            ResultScanner scanner = students.getScanner(scan);
            printRS(scanner);
        } else {
            String current_page_start_rows = "";
            int scanDatas = (PageNum - 1) * PageSize + 1;
            PageFilter pageFilter = new PageFilter(scanDatas);
            scan.setFilter(pageFilter);
            ResultScanner scanner = students.getScanner(scan);
            for (Result rs : scanner) {
                current_page_start_rows = Bytes.toString(rs.getRow());
            }
            scan.withStartRow(current_page_start_rows.getBytes());
            PageFilter pageFilter1 = new PageFilter(PageSize);
            scan.setFilter(pageFilter1);
            ResultScanner scanner1 = students.getScanner(scan);
            printRS(scanner1);

        }

    }

通过合理的设置rowkey来实现分页功能

    @Test
    // 通过合理的设置rowkey来实现分页功能，提高效率
    public void PageFilterTest2() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        int PageSize = 10;
        int PageNum = 3;

        int baseId = 1500100000;
        int start_row = baseId + (PageNum - 1) * PageSize + 1;
        int end_row = start_row + PageSize;
        Scan scan = new Scan();
        scan.withStartRow(String.valueOf(start_row).getBytes());
        scan.withStopRow(String.valueOf(end_row).getBytes());

        ResultScanner scanner = students.getScanner(scan);

        printRS(scanner);


    }

多过滤器综合查询

查询文科班中的学生中学号以150010008开头并且年龄小于23的学生信息

    @Test
    // 查询文科班中的学生中学号以150010008开头并且年龄小于23的学生信息
    public void FilterListFilter() throws IOException {
        Table students = conn.getTable(TableName.valueOf("students"));
        Scan scan = new Scan();
        SingleColumnValueFilter singleColumnValueFilter = new SingleColumnValueFilter(
                "info".getBytes()
                , "clazz".getBytes()
                , CompareFilter.CompareOp.EQUAL
                , new RegexStringComparator("^文科.*"));
        PrefixFilter prefixFilter = new PrefixFilter("150010008".getBytes());
        SingleColumnValueFilter singleColumnValueFilter1 = new SingleColumnValueFilter(
                "info".getBytes()
                , "age".getBytes()
                , CompareFilter.CompareOp.LESS
                , new BinaryComparator(Bytes.toBytes(23)));

        FilterList filterList = new FilterList();
        filterList.addFilter(singleColumnValueFilter);
        filterList.addFilter(prefixFilter);
        filterList.addFilter(singleColumnValueFilter1);
        scan.setFilter(filterList);
        ResultScanner scanner = students.getScanner(scan);
        printRS(scanner);

    }

今天的分享就到这了，之后会继续分享hbase相关的内容。

posted @ 2024-11-13 09:02 ikestu小猪阅读(6) 评论(0) 编辑收藏举报

刷新页面返回顶部

Bigdatablog