分布式存储系统-HBASE

转载请标明出处：
http://blog.csdn.net/zwto1/article/details/47066523；
本文出自:【zhang_way的博客专栏】

開始几天的HBase之旅！

简单介绍

HBase –Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBse技术可在便宜PC Server上搭建起大规模结构化存储集群。HBase利用Hadoop HDFS作为文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据。利用Zookeeper作为协调工具。

HBase(NoSQL)的数据模型

HBase 存储的站点页面数据演示样例

以下讲下关于HBase的相关名词和概念：
表(table)，是存储管理数据的。

行键(row key)。相似于MySQL中的主键。Mysql中的主键可有可无。

行键是HBase表天然自带的。
列族（colum family）,列的集合。
HBASE列族是须要在定义表时指定的。仅仅须要定义列族而不须要定义列。

列是在插入数据时动态添加的。
时间戳（timestamp），是64位长整形整数，在我们数据库里它是一种日期类型能够精确到毫秒级别。在HBASE。是列（也称作标签、修饰符）的一个属性。
行健和列确定的单元格，能够存储多个数据。每一个数据还有时间戳属性。数据具有版本号特性。
假设不指定时间戳或者版本号，默认取最新的数据。
HDFS中存储的数据都是字节数组。
HBASE中表中的数据是依照行健的顺序物理存储的。

MySQL中是依照插入的顺序存储的。行健是依照ASSIC码排序的。
HBASE 是面向列的数据库。依照列族进行存储。关系型数据库是依照行存储的。
列必须用族来定义，随意一列有例如以下形式：族：标签。

族和标签都能够是随意的字符串。

物理上将同族数据存储在一起。
数据可通过时间戳来区分版本号。

HBase(NoSQL)的物理模型

HBase架构图

Hbase适合海量数据（如20PB）的秒级简单查询的数据库。
Hbase 表中的记录依照行健拆分成一个一个的region。
Region 存储 region server（单独的物理机器）。这样，对表的操作转化为对多台region server 的并行查询。

Hbase的体系结构：
Hbase是主从式结构。HMaster、HRegionServer
Hmaster:
Hbase同意有多个HMaster.通过Zookeeper Election机制保证总有一个Master执行。
Master为regionserver分配region。负责region server的负载均衡，发现失效的region server 并又一次分配其上的region
HRegionServer:
Regionserver维护master分配给它的region,处理对这些region的IO请求，负责切分在执行过程中变得过大的region。
Zookeeper:
保证不论什么时候 。集群中仅仅有一个running master
存储全部 region的寻址入口
实时监控region server的状态，将region server的上线和下线信息，实时通知给master
存储 hbase的schema,包含哪些table每一个table有哪些column family

Client訪问hbase上数据的过程并不须要master參与，寻址訪问zookeeper 和 region server,数据读写訪问regionserver。HRegionServer主要负责响应用户I/O请求,向HDFS文件系统中读写数据，是HBase中最核心的模块。
Hbase中有两张特殊的Table,-ROOT-和.META.
.META.:记录了用户的region信息，.META .能够有多个region
-ROOT-:记录了.META.表的region信息，-ROOT-仅仅有一个region, Zookeeper中记录了-ROOT-表的location。

Client訪问用户数据之前须要首先訪问zookeeper,然后訪问-ROOT-表，接着訪问.META.表，最后才干找到用户数据的位置訪问。

HBase伪分布安装：

1. 解压缩、重命名、环境变量设置

2. 改动$HBASE_HOME/conf/hbase-env.sh，改动内容例如以下：

   export JAVA_HOME=/usr/local/jdk
   export HBASE_MANAGES_ZK=true

3. 改动$HBASE_HOME/conf/hbase-site.xml，改动内容例如以下：

   <property>
     <name>hbase.rootdir</name>
     <value>hdfs://hadoop:9000/hbase</value>
   </property>
   <property>
     <name>hbase.cluster.distributed</name>
     <value>true</value>
   </property>
   <property>
     <name>hbase.zookeeper.quorum</name>
     <value>hadoop</value>
   </property>
   <property>
     <name>dfs.replication</name>
     <value>1</value>
   </property>

4. (可选)文件regionservers的内容改为hadoop

5. 启动hbase。执行命令start-hbase.sh
   启动hbase之前，确保hadoop是执行正常的，而且能够写入文件

6. 验证：(1)执行jps。发现新添加了3个java进程，各自是HMaster、HRegionServer、HQuorumPeer，证明成功安装。
   (2)使用浏览器訪问http://hadoop:60010 查看webUI.

HBase集群搭建

1.hbase的集群搭建过程(在原来的hadoop上的hbase伪分布基础上进行搭建)
  1.1 集群结构，主节点(hmaster)是hadoop，从节点(region server)是hadoop1和hadoop2
   1.2 改动hadoop上的hbase的几个文件
   (1)改动hbase-env.sh的最后一行export HBASE_MANAGES_ZK=false

 (2)改动hbase-site.xml文件的hbase.zookeeper.quorum的值为hadoop0,hadoop1,hadoop2。

改动dfs.replicationg改为3，表示副本数为3。
  (3)改动regionservers文件(存放的region server的hostname)。内容改动为hadoop1、hadoop2
  1.3 复制hadoop中的hbase目录到hadoop1、hadoop2中
复制hadoop中的/etc/profile到hadoop1、hadoop2中，在hadoop1、hadoop2上执行source /etc/profile
  1.4 首先启动hadoop。然后启动zookeeper集群在各个节点上分别启动。
最后在hadoop上启动hbase集群。

出现的问题及解决的方法：

由于在搭建集群的时候。hbase在执行状态下，改动了配置造成：
1） hbase web 界面进不去
2） hbase shell 操作没有结果
3） 执行stop-hbase.sh 关闭不了
解决的方法：
1） 把全部节点关掉，再次启动
2） 另一个解决的方法：杀死hbase进程 kill -9 pid 用ps –ef | grep 查看hbase进程

以下我们学习下HBase下的shell操作。

HBase Shell

1. 进入hbase shell，终端：

   hbase shell

2. hbase shell操作：
   创建表： create ‘表名称’, ‘列族名称1’,’列族名称2’,’列族名称N’
   加入记录： put ‘表名称’, ‘行名称’, ‘列名称:’, ‘值’
   查看记录: get ‘表名称’, ‘行名称’
   查看表中的记录总数: count ‘表名称’
   删除一张表: 先要屏蔽该表。才干对该表进行删除。
   第一步 disable ‘表名称’ 第二步 drop ‘表名称’
   查看全部记录: scan “表名称”
   查看某个表某个列中全部数据: scan “表名称” {COLUMNS=>’列族名称:列名称’}
   更新记录: 就是重写一遍进行覆盖

eg:
表users,有三个列族user_id,address,info:
创建表:

create 'users','user_id','address','info'

列出全部表

 list

得到表的描写叙述

 describe 'users'

删除表：

disable  ‘user’
drop ‘user

加入记录：

put 'users','xiaoming','info:age','24'

获取一条记录
1.取得一个id的全部数据

get 'users','xiaoming'

2.获取一个id，一个列族的全部数据

get 'users','xiaoming','info' 

3.获取一个id，一个列族中一个列的 全部数据

get 'users','xiaoming','info:age'

更新记录

put 'users','xiaoming','info:age' ,'29' 

get 'users','xiaoming','info:age' 

put 'users','xiaoming','info:age' ,'30' 

get 'users','xiaoming','info:age' 

获取单元格数据的版本号数据

get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>1} 

get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>2} 

get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>3} 

获取单元格数据的某个版本号数据

get 'users','xiaoming',{COLUMN=>'info:age',TIMESTAMP=>1364874937056} 

全表扫描

scan 'users'

行数的推断是依据行健来推断的

HBase 中查找数据的方式：
1. get方式
2. scan方式

删除xiaoming值的’info:age’字段

delete 'users','xiaoming','info:age' 

get 'users','xiaoming' 

HBase列：put动态添加 delete动态降低
删除整行

deleteall 'users','xiaoming'

统计表的行数

 count 'users'

清空表

 truncate 'users' 

坚持下，以下我们看下关于Java针对HBase的操作，这个时候java程序猿应该兴奋才是！

！！

HBase的Java_API操作

package hbase;
import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.HBaseAdmin;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;

/*
 * 创建表、插入记录、查询一条记录、遍历全部记录、删除表
 * */
public class HBaseApp {
    private static final String TABLE_NAME = "table1";
    private static final String FAMILY_NAME = "family1";
    private static final String  ROW_KEY = "rowkey1";

    public static void main(String[] args) throws Exception {

    Configuration conf  = HBaseConfiguration.create();  
    conf.set("hbase.rootdir", "hdfs://hadoop:9000/hbase");
    //使用eclipse时必须加入这个，否则无法定位
    conf.set("hbase.zookeeper.quorum", "hadoop");
    //创建表、删除表使用HBaseAdmin
   final HBaseAdmin hBaseAdmin = new HBaseAdmin(conf);
   createTable(hBaseAdmin);
   //deleteTable(hBaseAdmin);

    //插入记录、查询一条记录、遍历全部记录使用HTable 
     final HTable hTable = new HTable(conf, TABLE_NAME);
//     putRecord(hTable);
//     getRecord(hTable);

      scanTable(hTable);
    }

    private static void scanTable(final HTable hTable) throws IOException {
        Scan scan = new Scan();
         final ResultScanner scanner = hTable.getScanner(scan);

         for (Result result : scanner) {
             final byte[] value = result.getValue(FAMILY_NAME.getBytes(),"age".getBytes());
             System.out.println(result + "\t"+ new String(value));
        }
    }

    //查询全部记录


    //查询一条记录
    private static void getRecord(final HTable hTable) throws IOException {
         Get get = new Get(ROW_KEY.getBytes());
         final Result result = hTable.get(get);
         final byte[] value = result.getValue(FAMILY_NAME.getBytes(),"age".getBytes());

         System.out.println(result + "\t"+ new String(value));
    }

      //插入一条记录
    private static void putRecord(final HTable hTable) throws IOException {
        Put put = new Put(ROW_KEY.getBytes());
         put.add(FAMILY_NAME.getBytes(), "age".getBytes(), "25".getBytes());
         hTable.put(put);
         hTable.close();
    }


    //删除表
    private static void deleteTable(final HBaseAdmin hBaseAdmin)
            throws IOException {
          hBaseAdmin.disableTable(TABLE_NAME);
          hBaseAdmin.deleteTable(TABLE_NAME);
    }

    //创建表
    private static void createTable(final HBaseAdmin hBaseAdmin)
            throws IOException {
        if(!hBaseAdmin.tableExists(TABLE_NAME)){
//表名
HTableDescriptor descriptor = new HTableDescriptor(TABLE_NAME); 
//加入列族             
HColumnDescriptor family = new HColumnDescriptor(FAMILY_NAME);                           
descriptor.addFamily(family);
hBaseAdmin.createTable(descriptor);
           }
    }   
}

2>:
hdfs数据批量导入到hbase中

create 'wlan_log', 'cf' 
package hbase;

import java.text.SimpleDateFormat;
import java.util.Date;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.mapreduce.TableOutputFormat;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;


public class BatchImport {
    static class BatchImportMapper extends Mapper<LongWritable, Text, LongWritable, Text>{
        SimpleDateFormat dateformat1=new SimpleDateFormat("yyyyMMddHHmmss");
        Text v2 = new Text();

        protected void map(LongWritable key, Text value, Context context) throws java.io.IOException ,InterruptedException {
            final String[] splited = value.toString().split("\t");
            try {
                final Date date = new Date(Long.parseLong(splited[0].trim()));
                final String dateFormat = dateformat1.format(date);
                String rowKey = splited[1]+":"+dateFormat;
                v2.set(rowKey+"\t"+value.toString());
                context.write(key, v2);
            } catch (NumberFormatException e) {
                final Counter counter = context.getCounter("BatchImport", "ErrorFormat");
                counter.increment(1L);
                System.out.println("出错了"+splited[0]+" "+e.getMessage());
            }
        };
    }

    static class BatchImportReducer extends TableReducer<LongWritable, Text, NullWritable>{
        protected void reduce(LongWritable key, java.lang.Iterable<Text> values,    Context context) throws java.io.IOException ,InterruptedException {
            for (Text text : values) {
                final String[] splited = text.toString().split("\t");

                final Put put = new Put(Bytes.toBytes(splited[0]));
                put.add(Bytes.toBytes("cf"), Bytes.toBytes("date"), Bytes.toBytes(splited[1]));
                put.add(Bytes.toBytes("cf"), Bytes.toBytes("msisdn"), Bytes.toBytes(splited[2]));
                //省略其它字段。调用put.add(....)就可以
                context.write(NullWritable.get(), put);
            }
        };
    }


    public static void main(String[] args) throws Exception {
        final Configuration configuration = new Configuration();
        //设置zookeeper
        configuration.set("hbase.zookeeper.quorum", "hadoop");
        //设置hbase表名称
        configuration.set(TableOutputFormat.OUTPUT_TABLE, "wlan_log");
        //将该值改大，防止hbase超时退出
        configuration.set("dfs.socket.timeout", "180000");

        final Job job = new Job(configuration, "HBaseBatchImport");

        job.setMapperClass(BatchImportMapper.class);
        job.setReducerClass(BatchImportReducer.class);
        //设置map的输出。不设置reduce的输出类型
        job.setMapOutputKeyClass(LongWritable.class);
        job.setMapOutputValueClass(Text.class);

        job.setInputFormatClass(TextInputFormat.class);
        //不再设置输出路径，而是设置输出格式类型
        job.setOutputFormatClass(TableOutputFormat.class);

        FileInputFormat.setInputPaths(job, "hdfs://hadoop:9000/input");

        job.waitForCompletion(true);
    }

}