一、初识 HBase

一、初识 HBase

1、HBase 简介

HBase 基于 Google的BigTable论文而来，是一个分布式海量列式非关系型数据库系统，可以提供超大规模数据集的实时随机读写

HBase 特点
海量存储：底层基于HDFS存储海量数据
列式存储：HBase表的数据是基于列族进行存储的，一个列族包含若干列
极易扩展：底层依赖HDFS，当磁盘空间不足的时候，只需要动态增加DataNode服务节点就可以
高并发：支持高并发的读写请求
稀疏：稀疏主要是针对HBase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。
数据的多版本：HBase表中的数据可以有多个版本值，默认情况下是根据版本号去区分，版本号就是插入数据的时间戳
数据类型单一：所有的数据在HBase中是以字节数组进行存储

应用

交通方面：船舶GPS信息，每天有上千万左右的数据存储。
金融方面：消费信息、贷款信息、信用卡还款信息等
电商方面：电商网站的交易信息、物流信息、游览信息等
电信方面：通话信息

总结：HBase适合海量明细数据的存储，并且后期需要有**很好的查询性能**（单表超千万、上亿，且并发要求高）

2、HBase 数据模型

HBase的数据也是以表（有行有列）的形式存储
HBase 逻辑架构

HBase 物理存储

概念	描述
NameSpace（数据库）	命名空间，类似于关系型数据库的database概念，每个命名空间下有多个表。HBase两个自带的命名空间，分别是hbas和default，hbase中存放的是HBase内置的表，default表是用户默认使用的命名空间。一个表可以自由选择是否有命名空间，如果创建表的时候加上了命名空间后，这个表名字以 `:` 作为区分！
Table	类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，数据属性，比如超时时间（TTL），压缩算法（COMPRESSION）等，都在列族的定义中定义，不需要声明具体的列。
Row（一行逻辑数据）	HBase表中的每行数据都由一个RowKey和多个Column（列）组成。一个行包含了多个列，这些列通过列族来分类，行中的数据所属列族只能从该表所定义的列族中选取，不能定义这个表中不存在的列族，否则NoSuchColumnFamilyException
RowKey（每行数据主键）	Rowkey由用户指定的一串不重复的字符串定义，是一行的唯一标识！数据是按照RowKey的字典顺序存储的，并且查询数据时只能根据RowKey进行检索，所以RowKey的设计十分重要。如果使用了之前已经定义的RowKey，那么会将之前的数据更新掉！
Column Family（列族）	列族是多个列的集合。一个列族可以动态地灵活定义多个列。表的相关属性大部分都定义在列族上，同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性。列族存在的意义是HBase会把相同列族的列尽量放在同一台机器上，所以说，如果想让某几个列被放到一起，你就给他们定义相同的列族。
Column Qualifier（列）	Hbase中的列是可以随意定义的，一个行中的列不限名字、不限数量，只限定列族。因此列必须依赖于列族存在！列的名称前必须带着其所属的列族！例如info：name，info：age
TimeStamp （时间戳 —> 版本）	用于标识数据的不同版本（version）。时间戳默认由系统指定，也可以由用户显式指定。在读取单元格的数据时，版本号可以省略，如果不指定，在读取数据时Hbase默认会获取最后一个版本的数据返回
Cell	一个列中可以存储多个版本的数据。而每个版本就称为一个单元格（Cell）
Region（表的分区）	Region由一个表的若干行组成！在Region中行的排序按照行键（rowkey）字典排序。Region不能跨RegionSever，且当数据量大的时候，HBase会拆分Region

3、HBase 整体架构

| |
- Zookeeper
- 实现了HMaster的高可用
- 保存了HBase的元数据信息，是所有HBase表的寻址入口
- 对HMaster和HRegionServer实现了监控

- HMaster（Master）
- 为HRegionServer分配Region
- 维护整个集群的负载均衡
- 维护集群的元数据信息
- 发现失效的Region，并将失效的Region分配到正常的HRegionServer上

- HRegionServer（RegionServer）
- 负责管理Region
- 接受客户端的读写数据请求
- 切分在运行过程中变大的Region

- Region
- 每个HRegion由多个Store构成，
- 每个Store保存一个列族（Columns Family），表有几个列族，则有几个Store，
- 每个Store由一个MemStore和多个StoreFile组成，MemStore是Store在内存中的内容，写到文件后就是StoreFile。StoreFile底层是以HFile的格式保存。
| | —- | —- |

4、HBase 集群安装部署

（1）下载安装包

http://archive.apache.org/dist/hbase/1.3.1/
hbase-1.3.1-bin.tar.gz

（2）规划安装目录

/opt/lagou/servers/

（3）上传安装包到 linux121 服务器 /opt/lagou/software/
（4）解压安装包到指定的规划目录

tar -zxvf hbase-1.3.1-bin.tar.gz -C /opt/lagou/servers

（5）修改配置文件
① 需要把 hadoop 中的配置 core-site.xml 、hdfs-site.xml 拷贝到hbase安装目录下的 conf 文件夹中【或者软链接】

ln -s /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/core-site.xml /opt/lagou/servers/hbase-1.3.1/conf/core-site.xml
ln -s /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/hdfs-site.xml /opt/lagou/servers/hbase-1.3.1/conf/hdfs-site.xml

② 修改conf目录下的配置文件

修改 hbase-env.sh

#添加java环境变量
export JAVA_HOME=/usr/java/jdk1.8.0_231
#指定使用外部的zk集群【即禁用HBase自带的zk】
export HBASE_MANAGES_ZK=FALSE

修改 hbase-site.xml ```xml
hbase.rootdir hdfs://linux121:9000/hbase

hbase.cluster.distributed true

hbase.zookeeper.quorum linux121:2181,linux122:2181,linux123:2181


   - _修改 regionservers 文件_
      - 指定regionserver节点
```xml
linux121
linux122
linux123

hbase的 conf 目录下创建文件 **_backup-masters_** (Standby Master)，内容为：
```
linux122
```
（6）配置 hbase 的环境变量
export HBASE_HOME=/opt/lagou/servers/hbase-1.3.1
export PATH=$PATH:$HBASE_HOME/bin

（7）分发hbase目录到其他节点，并分别在每个节点分别设置环境变量

rsync-script hbase-1.3.1

注：不能使用分发 rsync-script /etc/profile 的方式来给每个节点设置环境变量，因为：如果节点间的配置有差异的话，分发后，每个节点原先的配置会全部被覆盖掉！！！
（8）让所有节点的hbase环境变量生效

在所有节点执行 source /etc/profile

HBase 集群的启动和停止

前提条件：先启动 hadoop集群【包括hdfs 和 yarn】和 zk集群
最好在master上启动【linux121】
- 启动HBase：./bin/start-hbase.sh
- 停止HBase：./bin/``stop-hbase.sh

HBase集群的web管理界面

启动好HBase集群之后，可以访问地址：HMaster的主机名:16010，如：linux121:16010

5、HBase shell 基本操作

命令行输入，想删除输入的字符时，ctrl + 退格键

1、进入Hbase客户端命令操作界面

hbase shell
ctrl+C：退出

2、查看帮助命令

help

3、查看当前数据库中有哪些表

list

4、创建一张 lagou表，包含base_info、extra_info两个列族【**Hbase建表必须指定列族信息**】

create 'lagou', 'base_info', 'extra_info'
或者：create 'lagou', {NAME => 'base_info', VERSIONS => '3'},{NAME => 'extra_info',VERSIONS => '3'}
- VERSIONS 是指此单元格内的数据可以保留最近的 3 个版本

5、添加数据操作

向lagou表中插入信息，row key为 rk1，列族base_info中添加name列标示符，值为wang
- put 'lagou', 'rk1', 'base_info:name', 'wang'
向lagou表中插入信息，row key为rk1，列族base_info中添加age列标示符，值为30
- put 'lagou', 'rk1', 'base_info:age', 30
向lagou表中插入信息，row key为rk1，列族extra_info中添加address列标示符，值为shanghai
- put 'lagou', 'rk1', 'extra_info:address', 'shanghai'

6、查询数据
6.1 通过rowkey进行查询

获取表中row key为rk1的所有信息
get 'lagou', 'rk1'

6.2 查看rowkey下面的某个列族的信息

获取lagou表中row key为rk1，base_info列族的所有信息
get 'lagou', 'rk1', 'base_info'

6.3 查看rowkey指定列族指定字段的值

获取表中row key为rk1，base_info列族的name、age列标示符的信息
get 'lagou', 'rk1', 'base_info:name', 'base_info:age'

6.4 查看rowkey指定多个列族的信息

获取lagou表中row key为rk1，base_info、extra_info列族的信息
get 'lagou', 'rk1', 'base_info', 'extra_info'
或者：get 'lagou', 'rk1', {COLUMN => ['base_info', 'extra_info']}
或者：get 'lagou', 'rk1', {COLUMN => ['base_info:name', 'extra_info:address']}

6.5 指定rowkey与列值查询

获取表中row key为rk1，cell的值为wang的信息
get 'lagou', 'rk1', {FILTER => "ValueFilter(=, 'binary:wang')"}

6.6 指定rowkey与列值模糊查询

获取表中row key为rk1，列标示符中含有a的信息
get 'lagou', 'rk1', {FILTER => "(QualifierFilter(=,'substring:a'))"}

6.7 查询所有数据【慎用】

查询lagou表中的所有信息
scan 'lagou'

6.8 列族查询

查询表中列族为 base_info 的信息
- scan 'lagou', {COLUMNS => 'base_info'}
查询lagou表中列族为 base_info 和 extra_info且列标示符中含有a字符的信息
- scan 'lagou', {COLUMNS => 'base_info', RAW => true, VERSIONS => 3}
  - Scan时可以设置是否开启Raw模式,开启Raw模式会返回包括已添加删除标记但是未实际删除的数据
  - VERSIONS指定查询的最大版本数

6.9 指定多个列族与按照数据值模糊查询

scan 'lagou', {COLUMNS => ['base_info', 'extra_info'], FILTER => "(QualifierFilter(=,'substring:a'))"}

6.10 rowkey的范围值查询【非常重要】

查询lagou表中列族为base_info，rk范围是[rk1, rk3)的数据（rowkey底层存储是字典序）
按rowkey顺序存储
- scan 'lagou', {COLUMNS => 'base_info', STARTROW => 'rk1', ENDROW => 'rk3'}

6.11 指定rowkey模糊查询

查询lagou表中row key以rk字符开头的
- scan 'lagou',{FILTER=>"PrefixFilter('rk')"}

7、更新数据

更新操作同插入操作一模一样，只不过有数据就更新，没数据就添加

7.1 更新数据值

把lagou表中rowkey为rk1的base_info列族下的列name修改为liang
- put 'lagou', 'rk1', 'base_info:name', 'liang'

8、删除数据和表
8.1 指定rowkey以及列名进行删除

删除lagou表row key为rk1，列标示符为 base_info:name 的数据
- delete 'lagou', 'rk1', 'base_info:name'

8.2 指定rowkey，列名以及时间戳信息进行删除

删除lagou表row key为rk1，列标示符为base_info:name的数据
- 如：delete 'lagou', 'rk1', 'base_info:name',1600660619655

8.3 删除列族

删除 base_info 列族
- alter 'lagou', 'delete' => 'base_info'

8.4 清空表数据

删除lagou表数据
- truncate 'lagou'

8.5 删除表

删除lagou表
- disable 'lagou'
- drop 'lagou'
注：如果不进行disable，直接drop会报错
- ERROR: Table user is enabled. Disable it first.

初识 HBase