概念
hbase是一个分布式的、面向列式存储的、高可扩展高性能的非关系型数据库，其技术是仿照了Google的文件系统Bigtable,是建立在hadoop集群的基础之上并利用hdfs实现了分布式存储，基于hadoop的hdfs进行存储的同时也利用了hdfs的容错实现了高容错性，hbase具有对数据进行实时的读写的能力，内部使用哈希表存储索引，所以可以在hdfs中快速查找数据。
场景
Hadoop 只能执行批量处理，并且只以顺序方式访问数据。这意味着必须搜索整个数据集， 即使是最简单的搜索工作。 当处理结果在另一个庞大的数据集，也是按顺序处理一个巨大的数据集。在这一点上，一个 新的解决方案，需要访问数据中的任何点（随机访问）单元
hbase可以作为Hadoop的随机存取数据库，适用于非结构化数据的存储，不适用于存储关系复杂的数据模型，是建立在 HDFS 之上，被设计用来提供高可靠性、高性能、列存储、可伸缩、多版本的 NoSQL 的分布式数据存储系统，实现对大型数据的实时、随机的读写访问
HBase 中的表特点
1、大表：一个表可以有上十亿行，上百万列
2、面向列：面向列(族)的存储和权限控制。
3、稀疏：对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。
4、无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一 张表中不同的行可以有截然不同的列
Rowkey的概念
由于Hbase只支持3中查询方式：
1、基于Rowkey的单行查询
2、基于Rowkey的范围扫描
3、全表扫描
因此，Rowkey对Hbase的性能影响非常大，Rowkey的设计就显得尤为的重要。设计的时候要兼顾基于Rowkey的单行查询也要键入Rowkey的范围扫描。具体Rowkey要如何设计后续会整理相关的文章做进一步的描述。这里大家只要有一个概念就是Rowkey的设计极为重要。
rowkey 行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，最好是 16。在 HBase 内部，rowkey 保存为字节数组。HBase 会对表中的数据按照 rowkey 排序 (字典顺序)
Column的概念
列，可理解成MySQL列。
ColumnFamily的概念
列族, HBase引入的概念。
Hbase通过列族划分数据的存储，列族下面可以包含任意多的列，实现灵活的数据存取。就像是家族的概念，我们知道一个家族是由于很多个的家庭组成的。列族也类似，列族是由一个一个的列组成（任意多）。
Hbase表的创建的时候就必须指定列族。就像关系型数据库创建的时候必须指定具体的列是一样的。
Hbase的列族不是越多越好，官方推荐的是列族最好小于或者等于3。我们使用的场景一般是1个列族。
TimeStamp的概念
TimeStamp对Hbase来说至关重要，因为它是实现Hbase多版本的关键。在Hbase中使用不同的timestame来标识相同rowkey行对应的不通版本的数据。
HBase 中通过 rowkey 和 columns 确定的为一个存储单元称为 cell。每个 cell 都保存着同一份 数据的多个版本。版本通过时间戳来索引。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。 每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase 提供了两种数据版 本回收方式：
- 保存数据的最后 n 个版本
- 保存最近一段时间内的版本（设置数据的生命周期 TTL）。
用户可以针对每个列簇进行设置。
单元格（Cell）
由{rowkey, column( = + ), 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。
-
HBASE具体的表结构
根据hbase的结构，我们可以简单的列出几个增删改的语句
创建表
# 语法：create <table>, {NAME => <family>, VERSIONS => <VERSIONS>}
# 例如：创建表t1，有两个family name：f1，f2，且版本数均为2
hbase(main)> create 't1',{NAME => 'f1', VERSIONS => 2},{NAME => 'f2', VERSIONS => 2}
添加数据
# 语法：put <table>,<rowkey>,<family:column>,<value>,<timestamp>
# 例如：给表t1的添加一行记录：rowkey是rowkey001，family name：f1，column name：col1，value：value01，timestamp：系统默认
hbase(main)> put 't1','rowkey001','f1:col1','value01'
查询数据
a）查询某行记录
# 语法：get <table>,<rowkey>,[<family:column>,....]
# 例如：查询表t1，rowkey001中的f1下的col1的值
hbase(main)> get 't1','rowkey001', 'f1:col1'
# 或者：
hbase(main)> get 't1','rowkey001', {COLUMN=>'f1:col1'}
# 查询表t1，rowke002中的f1下的所有列值
hbase(main)> get 't1','rowkey001'
b）扫描表
# 语法：scan <table>, {COLUMNS => [ <family:column>,.... ], LIMIT => num}
# 另外，还可以添加STARTROW、TIMERANGE和FITLER等高级功能
# 例如：扫描表t1的前5条数据
hbase(main)> scan 't1',{LIMIT=>5}
c）查询表中的数据行数
# 语法：count <table>, {INTERVAL => intervalNum, CACHE => cacheNum}
# INTERVAL设置多少行显示一次及对应的rowkey，默认1000；CACHE每次去取的缓存区大小，默认是10，调整该参数可提高查询速度
# 例如，查询表t1中的行数，每100条显示一次，缓存区为500
hbase(main)> count 't1', {INTERVAL => 100, CACHE => 500}
删除数据
a )删除行中的某个列值
# 语法：delete <table>, <rowkey>, <family:column> , <timestamp>,必须指定列名
# 例如：删除表t1，rowkey001中的f1:col1的数据
hbase(main)> delete 't1','rowkey001','f1:col1'
注：将删除改行f1:col1列所有版本的数据
b )删除行
# 语法：deleteall <table>, <rowkey>, <family:column> , <timestamp>，可以不指定列名，删除整行数据
# 例如：删除表t1，rowk001的数据
hbase(main)> deleteall 't1','rowkey001'
c）删除表中的所有数据
# 语法： truncate <table>
# 其具体过程是：disable table -> drop table -> create table
# 例如：删除表t1的所有数据
hbase(main)> truncate 't1'
表的管理
1）查看有哪些表
hbase(main)> list
2）创建表
# 语法：create <table>, {NAME => <family>, VERSIONS => <VERSIONS>}
# 例如：创建表t1，有两个family name：f1，f2，且版本数均为2
hbase(main)> create 't1',{NAME => 'f1', VERSIONS => 2},{NAME => 'f2', VERSIONS => 2}
3）删除表
分两步：首先disable，然后drop
例如：删除表t1
hbase(main)> disable 't1'
hbase(main)> drop 't1'
4）查看表的结构
# 语法：describe <table>
# 例如：查看表t1的结构
hbase(main)> describe 't1'
5）修改表结构
修改表结构必须先disable
# 语法：alter 't1', {NAME => 'f1'}, {NAME => 'f2', METHOD => 'delete'}
# 例如：修改表test1的cf的TTL为180天
hbase(main)> disable 'test1'
hbase(main)> alter 'test1',{NAME=>'body',TTL=>'15552000'},{NAME=>'meta', TTL=>'15552000'}
hbase(main)> enable 'test1'
hbase架构
HBase 依赖于 HDFS 做底层的数据存储，HBase 依赖于 MapReduce 做数据计算，HBase 依赖于 ZooKeeper 做服务协调
hbases是java编写的,通过java api实现了提供内部的各个功能,hbases架构是一个典型的M-Z-S（Master-Zookeeper-Slaves）体系架构，主要进行存储工作的还是hdfs，所以说hbase的存储是基于hdfs实现的,写入到hbase的数据最终是会落地到hdfs中
-
Zookeeper:集群协调器，在hbase集群启动时HMaster会向zookeeper提供集群的加载表，其中包括了region、HMaster、RegionServer的等信息，zookeeper实际调度着region该到哪个HRegionServer进行读写
Zookeeper记录HMaster地址，避免HMaster单点问题HRegionServer把自己的信息注册到Zookeeper中，HMaster随时感知各个HRegionServer的健康状况 -
HRegion：HRegion是HBase中分布式存储和负载均衡的最小单元，即不同的HRegion可以分别在不同的HRegionServer上，但同一个Region是不会拆分到多个server上。
HRegion按大小分隔，每个表一般是只有一个HRegion。随着数据不断插入表，HRegion不断增大，当HRegion的某个列族达到一个阀值（默认256M）时就会分成两个新的HRegion。- table和region的关系：
table默认最初只有一个region，随着记录数的不断增加而变大，起初的region会逐渐分裂成多个region，一个region有【startKey, endKey】表示，不同的region会被master分配给相应的regionserver管理。region是hbase分布式存储和负载均衡的最小单元，不同的region分不到不同的regionServer。region虽然是分布式存储的最小单元，但并不是存储的最小单元。region是由一个或者多个store组成的，每个store就是一个column family。每个store又由memStore和1至多个store file 组成(memstore到一个阀值会刷新，写入到storefile，有hlog来保证数据的安全性，一个regionServer有且只有一个hlog)
- table和region的关系：
-
HMaster：HMaster没有单点问题，HBase可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master在运行。
主要负责Table和Region的管理工作,在hbase架构中充当主节点，负责监控集群中从节点RegionServer的信息，包括健康状况信息，管理着哪些region的信息分布在哪些RegionServer，在RegionServer挂掉时HMaster会将挂掉的RegionServer中的region转移到其他的RegionServer中；
HMaster还负责管理用户对hbase表的增删改操作，维护和管理HBase表的结构、和各个Region的元数据信息，可以决定分配哪些region到哪个RegionServer节点，从而协调集群的负载达到负载均衡；
HMaster不会进行处理读写请求。hbase支持HA集群模式，所以hbase集群是有多个HMaster存在的，但是处于活跃状态的就只有一个，活跃的HMaster宕机时，会从其他备用的HMaster选举一个作为活跃的HMaster，实现了hbase的高可用。
-
主要作用如下：
- 管理用户对表的增删改查操作
- 管理HRegionServer的负载均衡，调整Region分布
- Region Split后，负责新Region的分布
-
在HRegionServer停机后，负责失效HRegionServer上Region迁移
HMaster实现的负载均衡
-
HRegionServer：HBase中最核心的模块，主要负责响应用户I/O请求，向HDFS文件系统中读写。
HRegionServer管理一些列HRegion对象，每个HRegion对应Table中一个Region，HRegion由多个HStore组成，每个HStore对应Table中一个Column Family的存储。
HRegionServer处理region的读写，region会随着插入的数据越来越多，会进行拆分，默认大小是10G一个，
-
HStore：HBase存储的核心。由MemStore和StoreFile组成。MemStore是Sorted Memory Buffer。用户写入数据的流程：
- Client通过Zookeeper的调度，向RegionServer发出写数据请求，在Region中写数据；
- 数据被写入Region的MemStore，知道MemStore达到预设阀值(即MemStore满)；
- MemStore中的数据被Flush成一个StoreFile；
- 随着StoreFile文件的不断增多，当其数量增长到一定阀值后，触发Compact合并操作，将多个StoreFile合并成一个StoreFile，同时进行版本合并和数据删除；
- StoreFiles通过不断的Compact合并操作，逐步形成越来越大的StoreFile；
- 单个StoreFile大小超过一定阀值后，触发Split操作，把当前Region Split成2个新的Region。父Region会下线，新Split出的2个子Region会被HMaster分配到相应的RegionServer上，使得原先1个Region的压力得以分流到2个Region上。
HBase中的所有数据文件都存储在Hadoop HDFS文件系统上，格式主要有两种：
- HFile，HBase中Key-Value数据的存储格式，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile。
- HLog File，HBase中WAL(Write Ahead Log)的存储格式，物理上是Hadoop的Sequence File
HFile
工作流程
写流程
客户端发向Zoopeeker发起写请求获取RegionServer的地址，客户端获取到RegionServer的地址后向地址的RegionServer发起写请求，RegionServer接收到写请求后先会检查本机的region的状态，检查完成后会就会对region中的memstore进行写入操作，这一过程是原子性的要全部失败要么全部成功，当memstore达到预期的大小后，就会进行Flush操作，将缓存中的数据写入文件形成一个个storeFile文件，当storeFile到达一定数量会进行合并(Compaction),Compaction将多个storeFile合并成一个大的storeFile，当storeFile文件大小超过预定值一般为10G，就会触发拆分(split),split操作会把一个region分为两份，HMaster会对这两份region分配给相应的RegionServer，在写操作完成后会将storeFile落地到hdfs中存储
读流程
客户端发向Zoopeeker发起读请求获取RegionServer的地址，客户端获取到RegionServer的地址后向地址的RegionServer发起读请求，RegionServer接收到读请求后先会扫描自身的memstore，在扫描blockcache,如果没有找到相应的数据就会到StoreFile读取数据返回给客户端
Hbase环境搭建
先装好hadoop和jdk，完事后进行安装hbase
编辑hbase安装目录的conf目录，编辑hbase-env.sh
image.png
注释掉jdk7的配置
image.png
使用hbase自带的zk
image.png
将hadoop的core-site.xml和hdfs-site.xml拷贝到安装目录的conf目录下
image.png
编辑hbase安装目录的conf文件中的hbase-site.xml,端口配置为装好的hadoop的端口
image.png
配置好后启动hbase，进入安装目录的bin文件夹 ./start-hbase.sh 启动，jps查看是否启动成功
image.png
输入ip:16010可以查看hbase的管理界面 例如：192.168.200.128:16010
image.png
启动完成后hbase会在hdfs中创建一个目录，查看hdfs中的目录
image.png
网友评论