devbox
盐析白兔
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

HBase_hbase是一种什么数据库

作者：盐析白兔 | 2024-06-01 08:27:51

赞

踩

hbase是一种什么数据库

1.hbase的介绍

hbase的基本简介：hbase依赖于hdfs，hbase是一个nosql数据库，是一个非关系型数据库，支持读写查询操作

hbase当中所有的数据都是byte[]

HBase中的表有这样的特点：

  • 海量存储：一个表可以有上十亿行，上百万列
  • 面向列:面向列(族)的存储和权限控制，列(族)独立检索。
  • 易扩展：Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
  • 高并发：开发情况下，hbase单个io延迟下降不多。实现高并发，低延迟
  • 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。

2.hbase与hadoop的关系

1、HDFS

* 为分布式存储提供文件系统

* 针对存储大尺寸的文件进行优化，不需要对HDFS上的文件进行随机读写

* 直接使用文件

* 数据模型不灵活

* 使用文件系统和处理框架

* 优化一次写入，多次读取的方式

2、HBase

* 提供表状的面向列的数据存储

* 针对表状数据的随机读写进行优化

* 使用key-value操作数据

* 提供灵活的数据模型

* 使用表状存储，支持MapReduce，依赖HDFS

* 优化了多次读，以及多次写

hbase是基于hdfs的，hbase的数据都是存储在hdfs上的，hbase是一个数据库，支持随机读写

3.Hbase数据存储架构

主节点：HMaster

  • 用于监控regionServer的健康状态，
  • 处理regionServer的故障转移
  • 处理元数据变更
  • 处理region的分配或者移除
  • 空闲时间做数据的负载均衡

从节点：HRegionServer

  • 负责存储HBase的实际数据
  • 处理分配给他的region
  • 刷新缓存数据到HDFS上
  • 维护HLog
  • 负责处理region的切片

一个HRegionServer=1个HLog+很多个region

一个region=很多个store模块

一个store模块=1个memoryStore+很多个storeFile

组件：

Write-Ahead logs：Hbase读写数据的时候数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。

HFile：这是在磁盘中保存原始数据的事迹物理文件，是实际的存储文件

Store：HFile存储在Store中，一个Store对应Hbase表中的一个列族

MemStore：内存存储，位于内存中，用来保存当前数据操作，所有当数据保存在WAL中后，RegionServer会在内存中存储键值对

Region：Hbase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一高RegionServer中可以有多个不同的region

4.Hbase的集群环境搭建

注意事项：Hbase强依赖于HDFS以及zookeeper，所以安装Hbase之前一定要保证Hadoop和zookeeper正常启动

第一步：下载对应的HBase的安装包

下载Hbase的安装包，下载地址如下：

http://archive.apache.org/dist/hbase/2.0.0/hbase-2.0.0-bin.tar.gz

第二步：HBASE集群部署

  • 目标：实现Hbase分布式集群部署

  • 实施

    • 解压安装

      • 上传HBASE安装包到第一台机器的/export/software目录下

        cd /export/software/
rz

      • 解压安装

        tar -zxvf hbase-2.1.0.tar.gz -C /export/server/
cd /export/server/hbase-2.1.0/

        修改配置

      • 切换到配置文件目录下

        cd /export/server/hbase-2.1.0/conf/

      • 修改hbase-env.sh

        #28行
export JAVA_HOME=/export/server/jdk1.8.0_65
#125行
export HBASE_MANAGES_ZK=false

      • 修改hbase-site.xml

        cd /export/server/hbase-2.1.0/
mkdir datas
vim conf/hbase-site.xml
        1.   <property >
        2.     <name>hbase.tmp.dir</name>
        3.     <value>/export/server/hbase-2.1.0/datas</value>
        4.   </property>
        5.     <property >
        6.     <name>hbase.rootdir</name>
        7.     <value>hdfs://node1:8020/hbase</value>
        8.   </property>
        9.   <property >
        10.     <name>hbase.cluster.distributed</name>
        11.     <value>true</value>
        12.   </property>
        13.   <property>
        14.     <name>hbase.zookeeper.quorum</name>
        15.     <value>node1,node2,node3</value>
        16.   </property>
        17.   <property>
        18.     <name>hbase.unsafe.stream.capability.enforce</name>
        19.     <value>false</value>
        20.   </property>

      • 修改regionservers

        vim conf/regionservers
node1
node2
node3

      • 配置环境变量

        vim /etc/profile
#HBASE_HOME
export HBASE_HOME=/export/servers/hbase-2.1.0
export PATH=:$PATH:$HBASE_HOME/bin
source /etc/profile

      • 复制jar包

        cp lib/client-facing-thirdparty/htrace-core-3.1.0-incubating.jar lib/

    • 分发

      cd /export/server/
scp -r hbase-2.1.0 node2:$PWD
scp -r hbase-2.1.0 node3:$PWD

    • 服务端启动与关闭

      • step1：启动HDFS

      • step2：启动ZK

      • step3：启动Hbase

        start-hbase.sh

      • 关闭：先关闭Hbase再关闭zk

        stop-hbase.sh
stop-zk-all.sh
stop-dfs.sh

    • 测试

      • 访问Hbase Web UI

        node1:16010

Apache Hbase 1.x之前是60010，1.x开始更改为16010
CDH版本：一直使用60010
    • Web无法访问的几个问题及原因
      1.如果报错404，那么则是网页访问不了
      这个问题首先检查hbase-site.xml中的端口是否和自己的hdfs端口一至，我的就是这个问题连接不上
      1. <property>
      2.         <name>hbase.rootdir</name>
      3.         <value>hdfs://node01:9000/HBase</value>
      4. </property>


      其次更换版本
      我更换成了2.2.4版本
      首先：删除zookeeper的注册信息；删除hbase的数据目录
      报错：
      2.报错500连接不上hadoop102：16010的web页面情况2：org.apache.hadoop.hbase.PleaseHoldException: Master is initializing

      可能前面启动失败一次或者安装过其他版本导致，因为hbase基于zookeeper，所以在zookeeper上已经注册了之前的hbase信息，导致第二次启动失败，所以先在zookeeper中删除hbase的注册信息：
       

      1. # 切换到zookeeper的bin目录下
      2. cd zookeeper/bin
      3. 2
      4. # 然后执行 ./zkCli.sh 命令
      5. [XXhadoop102 bin]$ ./zkCli.sh
      6. # 输入 ls / 命令行查看所有的内容
      7. [zk: localhost:2181(CONNECTED) 0] ls /
      8. [hbase, kafka, servers, spark, zookeeper]
      9. # 使用 rmr /hbase 或者 deleteall /hbase 删除zookeeper中的所有 hbase的目录
      10. [zk: localhost:2181(CONNECTED) 3] rmr /hbase
      11. # 此时，可以看到Zookeeper中已经没有HBase了
      12. [zk: localhost:2181(CONNECTED) 5] ls /
      13. [kafka, servers, spark, zookeeper]

    • 搭建Hbase HA

      • 关闭Hbase所有节点

        stop-hbase.sh

      • 创建并编辑配置文件

        vim conf/backup-masters
        node2

      • 启动Hbase集群

    • 测试HA

      • 启动两个Master，强制关闭Active Master，观察StandBy的Master是否切换为Active状态

        hbase-daemon.sh stop master

      • 【测试完成以后，删除配置，只保留单个Master模式】

  • 小结

    • 实现Hbase分布式集群部署

  1. node01
  2.  
  3. node02
  4.  
  5. node03

创建back-masters配置文件，实现HMaster的高可用

node01机器进行修改配置文件

cd /export/servers/hbase-2.0.0/conf

vim backup-masters

node02

第四步：安装包分发到其他机器

将我们node01服务器的hbase的安装包拷贝到其他机器上面去

cd /export/servers/

scp -r hbase-2.0.0/ node02:$PWD

scp -r hbase-2.0.0/ node03:$PWD

第五步：三台机器创建软连接

因为hbase需要读取hadoop的core-site.xml以及hdfs-site.xml当中的配置文件信息，所以我们三台机器都要执行以下命令创建软连接

ln -s /export/servers/hadoop-2.7.5/etc/hadoop/core-site.xml /export/servers/hbase-2.0.0/conf/core-site.xml

ln -s /export/servers/hadoop-2.7.5/etc/hadoop/hdfs-site.xml /export/servers/hbase-2.0.0/conf/hdfs-site.xml

第六步：三台机器添加HBASE_HOME的环境变量

三台机器执行以下命令，添加HBASE_HOME环境变量

vim /etc/profile

export HBASE_HOME=/export/servers/hbase-2.0.0

export PATH=:$HBASE_HOME/bin:$PATH

第七步：HBase集群启动

第一台机器执行以下命令进行启动

cd /export/servers/hbase-2.0.0

bin/start-hbase.sh

警告提示：HBase启动的时候会产生一个警告，这是因为jdk7与jdk8的问题导致的，如果linux服务器安装jdk8就会产生这样的一个警告

我们可以只是掉所有机器的hbase-env.sh当中的

“HBASE_MASTER_OPTS”和“HBASE_REGIONSERVER_OPTS”配置 来解决这个问题。不过警告不影响我们正常运行，可以不用解决

另外一种启动方式：

我们也可以执行以下命令单节点进行启动

启动HMaster命令

bin/hbase-daemon.sh start master

启动HRegionServer命令

bin/hbase-daemon.sh start regionserver

第八步：页面访问

浏览器页面访问

http://node01:16010/master-status

5.Hbase的表模型

rowkey：行键，每一条数据都是使用行键来进行唯一标识的

columnFamily：列族，列族下面可以有很多列

column：列，每一个列都必须归属于某一个列族

timestamp：时间戳，每条数据都会有时间戳的概念

versionNum：版本号，每条数据都有版本号，当数据更新时，版本号也改变

创建一张HBase表最少需要两个条件：表名+列族名

注意：rowkey是我们在插入数据的时候自己指定的，列名也是插入数据的时候动态指定的

时间戳是自动生成的，versionNum也是自己维护的

6、HBase常用shell操作

1、进入HBase客户端命令操作界面

node01服务器执行以下命令进入hbase的shell客户端

cd /export/servers/hbase-2.0.0

bin/hbase shell

2、查看帮助命令

hbase(main):001:0> help

3、查看当前数据库中有哪些表

hbase(main):002:0> list

4、创建一张表

创建user表，包含info、data两个列族

hbase(main):010:0> create 'user', 'info', 'data'

或者

hbase(main):010:0> create 'user', {NAME => 'info', VERSIONS => '3'}，{NAME => 'data'}

5、添加数据操作

向user表中插入信息，row key为rk0001，列族info中添加name列标示符，值为zhangsan

hbase(main):011:0> put 'user', 'rk0001', 'info:name', 'zhangsan'

向user表中插入信息，row key为rk0001，列族info中添加gender列标示符，值为female

hbase(main):012:0> put 'user', 'rk0001', 'info:gender', 'female

向user表中插入信息，row key为rk0001，列族info中添加age列标示符，值为20

hbase(main):013:0> put 'user', 'rk0001', 'info:age', 20

向user表中插入信息，row key为rk0001，列族data中添加pic列标示符，值为picture

hbase(main):014:0> put 'user', 'rk0001', 'data:pic', 'picture'

6、查询数据操作

1、通过rowkey进行查询

获取user表中row key为rk0001的所有信息

hbase(main):015:0> get 'user', 'rk0001'

2、查看rowkey下面的某个列族的信息

获取user表中row key为rk0001，info列族的所有信息

hbase(main):016:0> get 'user', 'rk0001', 'info'

3、查看rowkey指定列族指定字段的值

获取user表中row key为rk0001，info列族的name、age列标示符的信息

hbase(main):017:0> get 'user', 'rk0001', 'info:name', 'info:age'

4、查看rowkey指定多个列族的信息

获取user表中row key为rk0001，info、data列族的信息

hbase(main):018:0> get 'user', 'rk0001', 'info', 'data'

或者你也可以这样写

hbase(main):019:0> get 'user', 'rk0001', {COLUMN => ['info', 'data']}

或者你也可以这样写，也行

hbase(main):020:0> get 'user', 'rk0001', {COLUMN => ['info:name', 'data:pic']}

4、指定rowkey与列值查询

获取user表中row key为rk0001，cell的值为zhangsan的信息

hbase(main):030:0> get 'user', 'rk0001', {FILTER => "ValueFilter(=, 'binary:zhangsan')"}

5、指定rowkey与列值模糊查询

获取user表中row key为rk0001，列标示符中含有a的信息

hbase(main):031:0> get 'user', 'rk0001', {FILTER => "(QualifierFilter(=,'substring:a'))"}

继续插入一批数据

hbase(main):032:0> put 'user', 'rk0002', 'info:name', 'fanbingbing'

hbase(main):033:0> put 'user', 'rk0002', 'info:gender', 'female'

hbase(main):034:0> put 'user', 'rk0002', 'info:nationality', '中国'

hbase(main):035:0> get 'user', 'rk0002', {FILTER => "ValueFilter(=, 'binary:中国')"}

6、查询所有数据

查询user表中的所有信息

scan 'user'

7、列族查询

查询user表中列族为info的信息

scan 'user', {COLUMNS => 'info'}

scan 'user', {COLUMNS => 'info', RAW => true, VERSIONS => 5}

scan 'user', {COLUMNS => 'info', RAW => true, VERSIONS => 3}

8、多列族查询

查询user表中列族为info和data的信息

scan 'user', {COLUMNS => ['info', 'data']}

scan 'user', {COLUMNS => ['info:name', 'data:pic']}

9、指定列族与某个列名查询

查询user表中列族为info、列标示符为name的信息

scan 'user', {COLUMNS => 'info:name'}

10、指定列族与列名以及限定版本查询

查询user表中列族为info、列标示符为name的信息,并且版本最新的5个

scan 'user', {COLUMNS => 'info:name', VERSIONS => 5}

11、指定多个列族与按照数据值模糊查询

 查询user表中列族为info和data且列标示符中含有a字符的信息

scan 'user', {COLUMNS => ['info', 'data'], FILTER => "(QualifierFilter(=,'substring:a'))"}

12、rowkey的范围值查询

查询user表中列族为info，rk范围是[rk0001, rk0003)的数据

scan 'user', {COLUMNS => 'info', STARTROW => 'rk0001', ENDROW => 'rk0003'}

13、指定rowkey模糊查询

查询user表中row key以rk字符开头的

scan 'user',{FILTER=>"PrefixFilter('rk')"}

14、指定数据范围值查询

查询user表中指定范围的数据

scan 'user', {TIMERANGE => [1392368783980, 1392380169184]}

7.Hbase 总结一：

  1. Hbase的功能和应用场景是什么？
    功能：能够实现实时分布式随机数据存储
    场景：大量的结构化数据，实时，随机，持久化存储
  2. Hbase的基本存储结构是什么？
    设计：分布式大量数据实时存储
              分布式内存【进程】+分布式磁盘【HDFS】
    实现：NameSpace：类似于数据库概念，访问表的时候必须加上NS
               Table：就是表概念，表是分布式的，一张表可以有多个分区Region，每个分区可以                           存储在不同的节点上
                Rowkey：类似于主键的概念，唯一标识一行，作为Hbase的唯一索引，每张表都自                                    带一列，值由用户自定义
               ColumnFamily：对列的分组，将不同的列分到不同的组中，用于加快查询效率，任                                         何一列都必须数据某个列族
               Qualifier：列标签，按照普通的列名称进行标记，不许使用列族+对应的列的名称才                                能唯一标记一列
                VERSIONS：列族级别，可以指定某个列族下的列允许存储多个版本的值，默认只                                      查询最新版本，根据timestamp来区分
    存储：KV结构：一列就是一条KV数据
               K：rowkey+cf+col+ts。所有的Kiev写入底层存储都按照K进行排序
     
               V:   值。存储类型：字节
  3. Hbase的架构和角色是什么？
    1.Hbase:分布式主从架构
    主：HMaster：管理
    从：HRegionServer：存储：构建分布式内存
    2.Zooleeper：辅助Master选举，存储管理元数据
    3.HDFS：构建分布式磁盘
  4. Hbase的常用命令是什么？
    DDL：create_namespace,list_namespace.create[表名+列族]，drop，exist，desc，disable，enable
    DML：
    put 'ns:tbname','rowkey','cf:col',value
    delete 'ns:tbname','rowkey','cf:col'
    get 'ns:tbname','rowkey','cf:col'
    scan 'ns:tbname',Filter
  5. Hbase的JavaAPI如何实现DDL
    1.构建连接：Connection
    2.构建操作：DDL：HbaseAdmin   DML：Table
    3.释放资源

8.JavaAPI

DML:Table

使用Hbase API实现Table的实例开发

DML的所有操作都必须构建Hbase表的对象进行操作

代码：

  1.  public Table getHbaseTable() throws IOException {
  2.         TableName tbname = TableName.valueOf("itcast:t1");
  3.         Table table = conn.getTable(tbname);
  4.         return table;
  5.     }

DML：Put

实现Put插入或者更新数据

代码：

  1.  @Test
  2.     public void testPut() throws IOException {
  3.         Table table = getHbaseTable();
  4.         //构建Put对象，一个Put对象表示写入一个Rowkey的数据
  5.         Put put = new Put(Bytes.toBytes("20210101_001"));
  6.         //添加列的信息
  7.         put.addColumn(Bytes.toBytes("basic"),Bytes.toBytes("name"),Bytes.toBytes("laoda"));
  8.         put.addColumn(Bytes.toBytes("basic"),Bytes.toBytes("age"),Bytes.toBytes("18"));
  9.         put.addColumn(Bytes.toBytes("other"),Bytes.toBytes("phone"),Bytes.toBytes("110"));
  10.         //执行Put
  11.         table.put(put);
  12.         table.close();
  13.     }

小结：

  • 调用：Table.put（Put）

  • Put：Put操作类对象

  • new Put（rowkey）

    • .addColumn(cf,col,value)

DML：Get

实现Get读取数据

先用命令行插入数据，便于测试：

  1. put 'itcast:t1','20210201_000','basic:name','laoda'
  2. put 'itcast:t1','20210201_000','basic:age',18
  3.  
  4. put 'itcast:t1','20210101_001','basic:name','laoer'
  5. put 'itcast:t1','20210101_001','basic:age',20
  6. put 'itcast:t1','20210101_001','basic:sex','male'
  7.  
  8. put 'itcast:t1','20210228_002','basic:name','laosan'
  9. put 'itcast:t1','20210228_002','basic:age',22
  10. put 'itcast:t1','20210228_002','other:phone','110'
  11.  
  12. put 'itcast:t1','20210301_003','basic:name','laosi'
  13. put 'itcast:t1','20210301_003','basic:age',20
  14. put 'itcast:t1','20210301_003','other:phone','120'
  15. put 'itcast:t1','20210301_003','other:addr','shanghai'

代码： 

  1.  @Test
  2.     public void testGet() throws IOException {
  3.         Table table = getHbaseTable();
  4.         //构建Get:get tbname,rowkey,[cf:col]
  5.         Get get = new Get(Bytes.toBytes("20210301_003"));
  6.         //配置Get
  7.         get.addFamily(Bytes.toBytes("basic"));//指定列族读取
  8. //        get.addColumn()//指定列读取
  9.         //执行：一个Result代表一个Rowkey的数据
  10.         Result result = table.get(get);
  11.         //打印这个rowkey每一列的结果：一个Cell对象就是一列的对象：20210301_003 column=other:phone, timestamp=1624590747738, value=120
  12.         for(Cell cell : result.rawCells()){
  13.             System.out.println(
  14.                     Bytes.toString(CellUtil.cloneRow(cell)) + "\t" +
  15.                     Bytes.toString(CellUtil.cloneFamily(cell)) + "\t" +
  16.                     Bytes.toString(CellUtil.cloneQualifier(cell)) + "\t" +
  17.                     Bytes.toString(CellUtil.cloneValue(cell)) + "\t" +
  18.                     cell.getTimestamp()
  19.             );
  20.         }
  21.         table.close();
  22.     }

小结：

  • Get：实现Get操作对象

  • new Get（rowkey）

    • .addFamily：指定读取这个rowkey的列族

    • .addColumn：指定读取某一列

  • table.get(Get)：实现get操作

  • Result：一个Result代表一个Rowkey的数据

    • rawCells/listCells

  • Cell：一个Cell代表一列的数据

  • CellUtil：用于对Cell取值的工具类

    • cloneValue

    • cloneRow

    • cloneQualifier
    • cloneFamily

DML：Delete

实现Delete删除数据

代码：

  1.  @Test
  2.     public void testDel() throws IOException {
  3.         Table table = getHbaseTable();
  4.         //构建Delete
  5.         Delete del = new Delete(Bytes.toBytes("20210301_003"));
  6.         //删除列族
  7. //        del.addFamily()
  8.         //删除列
  9.         del.addColumn(Bytes.toBytes("other"),Bytes.toBytes("phone"));
  10. //        del.addColumns(Bytes.toBytes("other"),Bytes.toBytes("phone"));//删除所有版本
  11.         //执行删除
  12.         table.delete(del);
  13.         table.close();
  14.     }

小结：

  • Delete：删除操作对象

    • .addColumn：指定删除的列

  • table.delete(Delete)

DML：Scan

实现Scan读取数据

代码：

  1.   @Test
  2.     public void testScan () throws IOException {
  3.         Table table = getHbaseTable();
  4.         //构建Scan对象
  5.         Scan scan = new Scan();
  6.         //执行scan：ResultScanner用于存储多个Rowkey的数据，是Result的集合
  7.         ResultScanner scanner = table.getScanner(scan);
  8.         //取出每个Rowkey的数据
  9.         for (Result result : scanner) {
  10.             //先打印当前这个rowkey的内容
  11.             System.out.println(Bytes.toString(result.getRow()));
  12.             for(Cell cell : result.rawCells()){
  13.                 System.out.println(
  14.                         Bytes.toString(CellUtil.cloneRow(cell)) + "\t" +
  15.                                 Bytes.toString(CellUtil.cloneFamily(cell)) + "\t" +
  16.                                 Bytes.toString(CellUtil.cloneQualifier(cell)) + "\t" +
  17.                                 Bytes.toString(CellUtil.cloneValue(cell)) + "\t" +
  18.                                 cell.getTimestamp()
  19.                 );
  20.             }
  21.             System.out.println("------------------------------------------------------------");
  22.         }
  23.         table.close();
  24.     }

存储设计：Table，Region，RS的关系

  • 问题：客户端操作的是表，数据最终存在RegionServer中，表和RegionServer的关系是什么？

  • 分析

    • Table：是一个逻辑对象，物理上不存在，供用户实现逻辑操作，存储在元数据的一个概念

      • 数据写入表以后的物理存储：分区

      • 一张表会有多个分区Region，每个分区存储在不同的机器上

      • 默认每张表只有1个Region分区

    • Region：Hbase中数据负载均衡的最小单元

      • 类似于HDFS中Block，Kafka中Partition、用于实现Hbase中分布式

      • 就是分区的概念，每张表都可以划分为多个Region，实现分布式存储

        • 默认一张表只有一个分区

      • 每个Region由一台RegionServer所管理，Region存储在RegionServer

      • 一台RegionServer可以管理多个Region

    • RegionServer：是一个物理对象，Hbase中的一个进程，管理一台机器的存储

      • 类似于HDFS中DataNode或者Kafka中的Broker

      • 一个Regionserver可以管理多个Region

      • 一个Region只能被一个RegionServer所管理

  • 小结
    Hbase中Table与Region,RS三者的关系是什么？
    1.Table：提供用户读写的逻辑概念，并不是实际存在的
    2.Region：分区的概念，一张表可以划分为多个分区，每个分区都被某一台RegionServer所管理
    3.RegionServer：真正的存储数据的物理概念

存储设计：Region及数据的划分规则

  • 回顾：划分规则
  1. HDFS：划分分区规则：按照大小划分，文件按照每128M划分为一个Block
  2. Redis：将0~16383划分为多个段，每个小的集群分配一个段的内容
  3. Kafka：自己制定一个Topic有多少个分区，数据分配规则：指定分区，按照Key的hash区域，或者粘性分区，自定义分区
  • Hbase分区划分规则：范围划分【根据Rowkey范围】
           任何一个Region都会对应一个范围，
    • 如果只有一个Region，范围：-oo ~ +oo

      • 范围划分：从整个-oo ~ +oo区间上进行范围划分

        • 每个分区都会有一个范围：根据Rowkey属于哪个范围就写入哪个分区

          [startKey,stopKey)

          • 前闭后开区间

      • 默认：一张表创建时，只有一个Region

        • 范围：-oo ~ +oo

      • 自定义：创建表时，指定有多少个分区，每个分区的范围

        • 举个栗子：创建一张表，有2个分区Region

          create 'itcast:t3',{SPLITS => [50]}

      • region0：-oo ~ 50

      • region1：50 ~ +oo

    • 数据分配的规则：==根据Rowkey属于哪个范围就写入哪个分区==

      • 举个栗子：创建一张表，有4个分区Region，20,40,60

        create 'itcast:t3',{SPLITS => [20,40,60]}

      • 前闭后开

      • region0：-oo ~ 20

        • region1：20 ~ 40

        • region2：40 ~ 60

        • region3：60 ~ +oo

      • 写入数据的rowkey：比较是按照ASC码比较的，不是数值比较

      • 例如以下划分举例

      •         A1234：region3

        • c6789：region3

        • 00000001：region0

        • 2：region1

        • 99999999：region3

        • 9：region3

      • 比较规则：ASCII码前缀逐位比较

  • 小结
  1. 分区划分规则：将整个-00到+00区间进行划分，划分多个分区段
    根据Rowkey进行划分
  2. 数据分区规则：根据rowkey的asc码逐位匹配，rowkey属于那个范围，就写入那个分区

存储设计：Region的内部结构

  • 数据在Region的内部是如何存储的？
    put tbname,rowkey,cf:col,value
  1. tbname:决定了这张表的数据最终要读写那些分区
  2. rowkey：决定了具体读写哪个分区
  3. cf：决定了具体写入哪个Store
  • Table/RegionServer：数据指定写入哪张表，提交给对应的某台regionserver
  • Region：对整张表的数据划分，按照范围划分，实现分步式存储
  • Store：对分区的数据进行划分，按照列族划分，一个列族对应一个Store
    不同列族的数据写入不同的Store中，实现了按照列族将列进行分组
    根据用户查询时指定的列族，可以快速的读取对应的store
    MemStore：每个Store都有一个，内存存储区域
    数据写入memstore后直接返回
  • StoreFile：每个Store中可能有0个或者多个StoreFile文件
    逻辑上：Store
    物理上：HDFS：HFILE（二进制文件）

  • HDFS中的存储
  1. 问题:Hbase的数据是如何在HDFS中存储的？

  2. 分析：整个Hbase在HDFS中的存储目录

    hbase.rootdir=hdfs://node1:8020/hbase

  3. NameSpace：目录结构

  4. Table：目录结构

  5. Region：目录结构

  6. Store/ColumnFamily：目录结构

  7. StoreFile

    • 如果HDFS上没有storefile文件，可以通过flush，手动将表中的数据从内存刷写到HDFS中

      flush 'itcast:t3'

  • 小结

    • Region的内部存储结构是什么样的?

      • NS:Table|RegionServer：整个Hbase数据划分

        • Region：划分表的数据，按照Rowkey范围划分

          • Store：划分分区数据，按照列族划分

            • MemStore：物理内存存储

            • StoreFile：物理磁盘存储

              • 逻辑：Store

              • 物理：HDFS[HFile]

Hbase读写流程：基本流程

  • 实施

    • step1：根据表名获取这张表对应的所有Region的信息

      • 整个Hbase的所有Regionserver中有很多个Region：100

      • 先根据表名找到这张表有哪些region：5

    • step2：根据Rowkey判断具体写入哪个Region

      • 知道了这张表的所有region

      • 根据rowkey属于哪个region范围，来确定具体写入哪个region

    • step3：将put操作提交给这个Region所在的RegionServer

      • 获取这个Region所在的RegionServer地址

    • step4：RegionServer将数据写入Region，根据列族判断写入哪个Store

    • step5：将数据写入MemStore中

  • 小结

    • 表名：决定了这条数据要写入哪些region中

    • Rowkey：决定了这条数据具体写入哪个Region中

    • 列族：决定了写入这个region哪个Store中

Hbase读写流程：meta表

  • 实施

    • Hbase自带的两张系统表

      • hbase:namespace：存储了Hbase中所有namespace的信息

      • hbase:meta：存储了表的元数据

    • hbase:meta表结构

      • Rowkey：每张表每个Region的名称

        itcast:t3,20,1632627488682.fba4b18252cfa72e48ffe99cc63f7604
表名,startKey,时间，唯一id

    • Hbase中每张表的每个region对应元数据表中的一个Rowkey

      • 列

        • info:regioninfo

          STARTKEY => 'eeeeeeee', ENDKEY => ''

        • info:server/info:sn

          column=info:sn, timestamp=1624847993004, value=node1,16020,1624847978508  

    • 实现

      • 根据表名读取meta表，基于rowkey的前缀匹配，获取这张表的所有region信息

  • 小结

    • meta表的功能是什么？

      • 存储了表的元数据

    • 每个Rowkey代表了一个Region的信息

      • Region的范围

      • Region的地址

Hbase读写流程：写入流程

  • 实施

    • step1：获取表的元数据

      • ==先连接zk，从zk获取meta表所在的regionserver==

      • 根据查询的表名读取meta表，获取这张表的所有region的信息

        • meta表是一张表，数据存储在一个region，这个region存在某个regionserver上

        • 怎么知道meta表的regionserver在哪？

        • 这个地址记录在ZK中

      • 得到这张表的所有region的范围和地址

    • step2：找到对应的Region

      • 根据Rowkey和所有region的范围，来匹配具体写入哪个region

      • 获取这个region所在的regionserver的地址

    • step3：写入数据

      • 请求对应的regionserver

      • regionserver根据提交的region的名称和数据来操作对应的region

      • 根据列族来判断具体写入哪个store

        • ==先写WAL==：write ahead log

          • 为了避免内存数据丢失，所有数据写入内存之前会

          • 先记录这个内存操作

        • 然后写入==这个Store的Memstore中==

    • 思考：hbase的region没有选择副本机制来保证安全，如果RegionServer故障，Master发现故障，怎么保证数据可用性？

      • step1：Master会根据元数据将这台RegionServe中的Region恢复到别的机器上

      • step2：怎么实现数据恢复？

        • Memstore：WAL进行恢复

          • 怎么保证WAL安全性：WAL记录在HDFS上

        • StoreFile：HDFS有副本机制

Hbase读写流程：读取流程

  • 实施
  1. 获取元数据
    客户端请求Zookeeper，获取meta表所在的regionserver的地址
    读取meta表的数据
    注意：客户端会缓存meta表的数据，只有第一次会连接ZK，读取meta表的数据，缓存会定期失效，要重新缓存，避免每次请求都要先连接zk，再读取meta表
  2. 找到对应的Region
    根据meta表中的元数据，找到表对应的region
    根据region的范围和读取的RowKey，判断需要读取具体哪一个Region
    根据region的RegionServer地址，请求对应的RegionServer
  3. 读取数据
    先查询memstore,如果开启了缓存，就读BlockCache，如果缓存中没有，就读storefile，从storefile读取完成之后，放入缓存中，如果没有缓存，就读StoreFile
    第一次查询一定是先度memstore，然后storefile如果开启了缓存，就将这次读取到的数据放到缓存中
     

LSM模型：Flush

  • 功能：将内存memstore中的数据溢写到HDFS中变成磁盘文件storefile【HFILE】

  • 关闭集群：自动Flush

  • 参数配置：自动触发机制
     

    1. #2.x版本以后的机制
    2. #设置了一个flush的最小阈值
    3. #memstore的判断发生了改变：max("hbase.hregion.memstore.flush.size / column_family_number",hbase.hregion.percolumnfamilyflush.size.lower.bound.min)
    4. #如果memstore高于上面这个结果，就会被flush，如果低于这个值，就不flush，如果整个region所有的memstore都低于，全部flush
    5. #水位线 = max（128 / 列族个数,16）,列族一般给3个 ~ 42M
    6. #如果memstore的空间大于42,就flush，如果小于就不flush，如果都小于，全部flush
    7. 举例：3个列族，3个memstore,90/30/30   90会被Flush
    8. 举例：3个列族，3个memstore,30/30/30  全部flush
    9. hbase.hregion.percolumnfamilyflush.size.lower.bound.min=16M
    10. #2.x中多了一种机制：In-Memory-compact,如果开启了【不为none】，会在内存中对需要flush的数据进行合并
    11. #合并后再进行flush，将多个小文件在内存中合并后再flush
    12. hbase.hregion.compacting.memstore.type=None|basic|eager|adaptive

    小结

  • Hbase利用Flush实现将内存数据溢写到HDFS，保持内存中不断存储最新的数据

  • 注意：工作中一般进行手动Flush

    • 原因：避免大量的Memstore将大量的数据同时Flush到HDFS上，占用大量的内存和磁盘的IO带宽，会影响业务

    • 解决：手动触发，定期执行

      hbase> flush 'TABLENAME'
hbase> flush 'REGIONNAME'
hbase> flush 'ENCODED_REGIONNAME'
hbase> flush 'REGION_SERVER_NAME'

    • 封装一个文件，通过hbase shell filepath来定期的运行这个脚本

LSM模型：Compaction

    • 实现

      • 功能：什么是Compaction？

        • 将多个单独有序StoreFile文件进行合并，合并为整体有序的大文件，加快读取速度

        • file1:1 2 3 4 5

        • file2:6 7 9

        • file3 :1 8 10

        • || 每个文件都读取，可能读取无效的数据

        • file：1 1 2 3 4 5 6 7 8 9 10

      • 版本功能

        • 2.0版本之前，只有StoreFile文件的合并

          • 磁盘中合并：minor compaction、major compaction

        • 2.0版本开始，内存中的数据也可以先合并后Flush

          • 内存中合并：In-memory compaction

          • 磁盘中合并：minor compaction、major compaction

      • In-memory compaction：2.0版本开始新增加的功能

        • 原理：将当前写入的数据划分segment【数据段】

          • 当数据不断写入MemStore，划分不同的segment，最终变成storefile文件

        • 如果开启了内存合并，先将第一个segment放入一个队列中，与其他的segment进行合并

          • 合并以后的结果再进行flush

        • 内存中合并的方式

          hbase.hregion.compacting.memstore.type=None|basic|eager|adaptive
none：不开启，不合并

        • basic（基础型）

          Basic compaction策略不清理多余的数据版本，无需对cell的内存进行考核
basic适用于所有大量写模式

        • eager（饥渴型）

          eager compaction会过滤重复的数据，清理多余的版本，这会带来额外的开销
eager模式主要针对数据大量过期淘汰的场景，例如：购物车、消息队列等

        • adaptive（适应型）

          adaptive compaction根据数据的重复情况来决定是否使用eager策略
该策略会找出cell个数最多的一个，然后计算一个比例，如果比例超出阈值，则使用eager策略，否则使用basic策略

      • minor compaction：轻量级

        • 功能：将最早生成的几个小的StoreFile文件进行合并，成为一个大文件，不定期触发

        • 特点

          • 只实现将多个小的StoreFile合并成一个相对较大的StoreFile，占用的资源不多

          • 不会将标记为更新或者删除的数据进行处理

        • 属性

          hbase.hstore.compaction.min=3

      • major compaction：重量级合并

        • 功能：将整个Store中所有StoreFile进行合并为一个StoreFile文件，整体有序的一个大文件

        • 特点

          • 将所有文件进行合并，构建整体有序

          • 合并过程中会进行清理过期和标记为删除的数据

          • 资源消耗比较大

        • 参数配置

          hbase.hregion.majorcompaction=7天

    • 小结

      • Hbase通过Compaction实现将零散的有序数据合并为整体有序大文件，提高对HDFS数据的查询性能

      • 在工作中要避免自动触发majorcompaction，影响业务

        hbase.hregion.majorcompaction=0

      • 在不影响业务的时候，手动处理，每天在业务不繁忙的时候，调度工具实现手动进行major compact

        Run major compaction on passed table or pass a region row
          to major compact an individual region. To compact a single
          column family within a region specify the region name
          followed by the column family name.
          Examples:
          Compact all regions in a table:
          hbase> major_compact 't1'
          hbase> major_compact 'ns1:t1'
          Compact an entire region:
          hbase> major_compact 'r1'
          Compact a single column family within a region:
          hbase> major_compact 'r1', 'c1'
          Compact a single column family within a table:
          hbase> major_compact 't1', 'c1'
          Compact table with type "MOB"
          hbase> major_compact 't1', nil, 'MOB'
          Compact a column family using "MOB" type within a table
          hbase> major_compact 't1', 'c1', 'MOB'

Region分裂Split设计及规则

  • 分析

    • 什么是Split分裂机制？

      • 为了避免一个Region存储的数据过多，提供了Region分裂机制

      • 实现将一个Region分裂为两个Region

      • 由RegionServer实现Region的分裂，得到两个新的Region

      • 由Master负责将两个新的Region分配到Regionserver上

  • 实现

    • 参数配置
       

      1. #规则：return tableRegionsCount  1  ? this.initialSize : getDesiredMaxFileSize();
      2. #判断region个数是否为1，如果为1，就按照256分，如果不为1，就按照10GB来分
      3. hbase.regionserver.region.split.policy=org.apache.hadoop.hbase.regionserver.SteppingSplitPolicy

  • 小结

    • Hbase通过Split策略来保证一个Region存储的数据量不会过大，通过分裂实现分摊负载，避免热点，降低故障率

    • 注意：工作作中避免自动触发，影响集群读写，建议关闭

      hbase.regionserver.region.split.policy=org.apache.hadoop.hbase.regionserver.DisabledRegionSplitPolicy

    • 手动操作

      split 'tableName'
split 'namespace:tableName'
split 'regionName' # format: 'tableName,startKey,id'
split 'tableName', 'splitKey'
split 'regionName', 'splitKey'

热点问题：现象及原因

  • 现象

    在某个时间段内，大量的读写请求全部集中在某个Region中，导致这台RegionServer的负载比较高，其他的Region和RegionServer比较空闲
  • 原因：本质上的原因，数据分配不均衡

    • 情况一：Region范围不合理

      • Rowkey：字母开头

      • Region：3个分区

        • region0：-oo ~ 30

        • region1：30 ~ 70

        • region2:70 ~ +oo

      • 所有数据都写入了region2

    • 情况二：如果这张表有多个分区，而且你的Rowkey写入时是连续的

      • 一张表有5个分区

        region0：-oo  20
region1：20   40
region2：40   60
region3:60    80
region4:80    +oo

      • 000001：region0

      • 000002：region0

      • ……

      • 199999：region0

      • 都写入了同一个region0分区

      • 200000：region1

      • 200001：region1

      • ……

      • 399999：region1

    • 情况三：如果这张表只有一个分区

      • 所有数据都存储在一个分区中，这个分区要响应所有读写请求，出现了热点

    • 解决：避免热点的产生

      • 构建多个分区，分区范围必须要Rowkey设计

      • 构建不连续的rowkey

分布式设计：预分区

  • 实施

    • 需求：在创建表的时候，指定一张表拥有多个Region分区

    • 规则

      • 划分的目标：划分多个分区，实现分布式并行读写，将无穷区间划分为几段，将数据存储在不同分区中，实现分区的负载均衡

      • 划分的规则：==Rowkey或者Rowkey的前缀来划分==

        • 如果不按照这个规则划分，预分区就可能没有作用

        • Rowkey：00 ~ 99

          • region0： -oo ~ 30

          • ……

          • regionN ： 90 ~ +oo

        • 如果分区的设计不按照rowkey来

          • region0：-oo ~ b

          • region1: b ~ g

          • ……

          • regionN：z ~ +oo

    • 实现

      • 方式一：指定分隔段，实现预分区

        • 前提：先设计rowkey

        create 'ns1:t1', 'f1', SPLITS => ['10', '20', '30', '40']
#将每个分割的段写在文件中，一行一个
create 't1', 'f1', SPLITS_FILE => 'splits.txt'

      • 方式二：指定Region个数，自动进行Hash划分：==字母和数字的组合==

        #你的rowkey的前缀是数字和字母的组合 
create 'itcast:t4', 'f1', {NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

      • 方式三：Java API

        1. HBASEAdmin admin = conn.getAdmin
        2. admin.create(表的描述器对象,byte[][] splitsKey)

  • 小结

    • 实现建表时指定多个分区

Hbase表设计：Rowkey设计

设计规则

  • 业务原则：Rowkey的设计必须贴合业务的需求，一般选择最常用的查询条件作为rowkey的前缀

    • 数据

      oid     uid     pid     stime ……

    • Rowkey：stime

      rowkey                  oid     uid     pid     stime ……
20211201000000          o001    u001    p001    2021-12-01 00:00:00

    • 按照时间就走索引

  • 唯一原则：Rowkey必须具有唯一性，不能重复，一个Rowkey唯一标识一条数据

  • 组合原则：将更多的经常作为的查询条件的列放入Rowkey中，可以满足更多的条件查询可以走索引查询

    • Rowkey：stime

      • 缺点：不唯一、只有按照时间才走索引

    • Rowkey：stime_uid_oid

      rowkey                              oid     uid     pid     stime ……
20211201000000_u001_o001            o001    u001    p001    2021-12-01 00:00:00
20211201000000_u002_o002            o001    u001    p001    2021-12-01 00:00:00
……
20211201000000_u00N_o00N            o001    u001    p001    2021-12-01 00:00:00
……
20211201000001_u001_o001            o001    u001    p001    2021-12-01 00:00:00

      • 订单id唯一、一个用户在同一时间只能下一个订单

      • 索引查询：stime、s_time+uid、stime+uid+oid

      • 想查询订单id为001：不走

        • 全表扫表：对列的值进行过滤：SingleColumnValueFilter

  • 散列原则：为了避免出现热点问题，需要将数据的rowkey生成规则构建散列的rowkey

    • 举个栗子：一般最常用的查询条件肯定是时间

      • timestamp_userid_orderid：订单表

        1624609420000_u001_o001
1624609420001_u002_o002
1624609420002_u003_o003
1624609421000_u001_o004
……

      • 预分区：数值

        • region0：-oo ~ 1624

        • region1：1624 ~ 1924

        • region2：1924 ~ 2100

        • region3：2100 -2400

        • region4：2400 ~ +oo

      • 问题：出现热点

    • 解决：构建散列

      • 方案一：更换不是连续的字段作为前缀，例如用户id

        dfd342
3432sd

        • 缺点：可能与业务原则产生冲突

      • 方案二：反转

        • 一般用于时间作为前缀，查询时候必须将数据反转再查询

        0000249064261_u001_o001
1000249064261_u002_o002
2000249064261_u003_o003
0010249064261_u001_o004
……

        • region0：-oo ~ 2

        • region1：2 ~ 4

        • region2：4 ~ 6

        • region3：6 ~ 8

        • region4：8 ~ +oo

      • ==方案三：加盐（Salt）==，本质对数据进行编码，生成数字加字母组合的结果

        1624609420000_u001_o001
1624609420001_u002_o002
1624609420002_u003_o003
1624609421000_u001_o004
|
df34343jed_u001_o001
09u9jdjkfd_u002_o002

        • 缺点：查询时候，也必须对查询条件加盐以后再进行查询

  • 长度原则：在满足业务需求情况下，rowkey越短越好，一般建议Rowkey的长度小于100字节

    • 原因：rowkey越长，比较性能越差，rowkey在底层的存储是冗余的

    • 问题：为了满足组合原则，rowkey超过了100字节怎么办？

    • 解决：实现编码，将一个长的rowkey，编码为8位，16位，32位

小结：

rowkey的设计要符合以下原则：

  • 业务原则：Rowkey设计贴合实际业务需求，尽量使用最常用的查询条件作为前缀
  • 唯一原则：每个Rowkey唯一标识是一条数据
  • 组合原则：尽量将更多的常用条件放入rowkey中
  • 散列原则：构建不连续的Rowkey
  • 长度原则：在满足上面原则的情况，rowkey越短越好

Hbase表设计：其他设计

  • NS的设计：类似于数据库名称的设计，明确标识每个业务域，一般包含业务域名称
  • 表明设计：类似于数据库中表明的设计包含业务名称即可
  • 列族设计：名称没有太多意义，个数建议一般不超过3个
  • 标签设计：按照实际业务字段名称标识即可，建议缩写，避免过长

BulkLoad的介绍

  • 问题：有一批大数据量的数据，要写入Hbase中，如果按照传统的方案来写入Hbase，必须先写入内存，然后内存溢写到HDFS，导致Hbase的内存负载和HDFS的磁盘负载过高，影响业务
  • 解决：

  • 方式一：构建Put对象，先写内存

  • 方式二：BulkLoad，直接将数据变成StoreFile文件，放入Hbase对应的HDFS目录中

    • 数据不经过内存，读取数据时可以直接读取到

  • 步骤：先将要写入的数据转换为HFILE文件，然后将HFILE加载到Hbase表中

  • 特点
    优点：不经过内存，降低了内存和磁盘的IO吞吐
    缺点：性能上相对来说要慢，所有的数据都不会在内存中被读取

  • 小结
    应用场景：Hbase提供BulkLoad来实现大数据量不经过内存直接写入Hbase

BulkLoad的实现

  • 作用：一种加载数据到Hbase中的方式
  • 过程：先将要写入的数据转换为HFILE文件，然后将HFILE文件加载到Hbase的表中
  • 实现：
    数据文件bank_record.csv,每一行以逗号分割
  1. 创建表：create“TRANSFENR_RECORD”，{NAME=>"C1"}
  2. 上传测试文件
    hdfs dfs -mkdir -p /bulkload/input
    hdfs dfs -put bank_record.csv /bulkload/input/

  • 开发转换程序：将CSV文件转换为HFILE文件

  • 上传jar包到Linux上

  • 启动YARN
    start-yarn.sh 启动过就不用了

  • 转换HFILE

    yarn jar bulkload.jar bigdata.itcast.cn.hbase.bulkload.BulkLoadDriver  /bulkload/input/ /bulkload/output

 运行找不到Hbase的jar包，手动申明HADOOP的环境变量即可，只在当前窗口有效

export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/export/server/hbase-2.1.0/lib/shaded-clients/hbase-shaded-mapreduce-2.1.0.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/audience-annotations-0.5.0.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/commons-logging-1.2.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/findbugs-annotations-1.3.9-1.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/htrace-core4-4.2.0-incubating.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/log4j-1.2.17.jar:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/slf4j-api-1.7.25.jar

 重新运行

  查看结果

 step2:加载到Hbase表中
 

  hbase org.apache.hadoop.hbase.tool.LoadIncrementalHFiles /bulkload/output TRANSFER_RECORD

查看数据

get 'TRANSFER_RECORD','ffff98c5-0ca0-490a-85f4-acd4ef873362',{FORMATTER=> 'toString'}

协处理器的介绍

  • 功能：协处理器指的是可以自定义开发一些功能集成到Hbase中，类似于Hive的UDF，当没有这个功能是，可以使用协处理器来自定义开发，
  • observer类：观察者类，类似于监听机制，MvSQL中的触发器，Zookeeper中的监听
    实现：监听A，如果A触发了，就执行B
    监听对象Region,Table ，RegionServer，Master
  • endpioint类：终端者类，类似于Mysql中的存储过程，Java中的方法
    实现：固定一个代码逻辑，可以随时根据需求调用代码逻辑
  • 小结
    Hbase通过协处理器来弥补一些用户自定义功能的实现，例如二级索引，一般通过第三方工具实现

协处理器的实现

路径

  • step1：开发协处理器，监听原表的put请求

  • step2：拦截原表put请求，获取put操作，获取rowkey以及值

  • step3：构建索引表的rowkey，往索引表写入数据

  • step4：释放原表请求，往原表写入数据

​​​​

需求：当往第一张表写入数据时，自动往第二张表写入一条数据，并且将rowkey中的字段换位

  • put 'proc1','20191211_001','info:name','zhangsan'

  • proc1：rowkey：20191211_001

  • proc2：rowkey：001_20191211

  • 创建两张表

    #rowkey：time_id
create 'proc1','info'
#rowkey：id_time
create 'proc2','info'

  • 将开发好的协处理器jar包上传到hdfs上

    hdfs dfs -mkdir -p /coprocessor/jar
mv bulkload.jar cop.jar
hdfs dfs -put cop.jar /coprocessor/jar/

  • 添加协处理器到proc1中，用于监听proc1的操作

    disable 'proc1'
alter 'proc1',METHOD => 'table_att','Coprocessor'=>'hdfs://node1:8020/coprocessor/jar/cop.jar|bigdata.itcast.cn.hbase.coprocessor.SyncCoprocessor|1001|'
enable 'proc1'

  • 测试

    put 'proc1','20191211_001','info:name','zhangsan'
scan 'proc1'
scan 'proc2'

  • 卸载协处理器

    disable 'proc1'
alter 'proc1',METHOD=>'table_att_unset',NAME=>'coprocessor$1'
enable 'proc1'

Hbase优化：压缩机制

实施

  • 本质：Hbase的压缩源自于Hadoop对于压缩的支持

  • 检查Hadoop支持的压缩类型

    • hadoop checknative

  • 需要将Hadoop的本地库配置到Hbase中

  • 关闭Hbase的服务，配置Hbase的压缩本地库：lib/native/linux-amd64-64
    cd /export/servers/hbase-2.1.0/
    mkdir lib/native

  • 将Hadoop的压缩本地库创建一个软连接到Hbase的lib/native目录下
    ln -s /export/server/hadoop/lib/native /export/server/hbase-2.1.0/lib/native/Linux-amd64-64

  • 启动Hbase服务
    start-hbase.sh
    hbase shell

Hbase优化：布隆过滤:

  • 实施：什么是布隆过滤？：是列族的一个属性，用于数据查询时对数据的过滤，类似于ORC文件中的布隆索引，BLOOMFILTER => NONE | 'ROW' | ROWCOL
  • NONE：不开启布隆过滤器
  • ROW：开启行级布隆过滤器
  1. 生成StoreFile文件时，会将这个文件中有哪些RowKey的数据记录在文件的头部
  2. 当读取StoreFile文件时，会从文件头部获取这个StoreFile中所有的rowkey，自动判断是否包含需要的rowkey、如果包含就读取这个文件，如果不包含就过滤

小结

  • Hbase通过布隆过滤器，在写入数据时，建立布隆索引，读取数据时，根据布隆索引加快数据的检索

9.Hbase 总结二：

1、Hbase如何使用JavaAPI实现DML

  • step1：构建连接对象：Connection
  • step2：构建操作对象：HbaseAdmin | Table
  • step3:调用操作对象方法实现操作：put，Scan+Filter,Delete,Get,

2、Hbase的存储结构是什么

  • NS：Table | RegionServer
    Region：表的分区，对标的数据进行划分，按照Rowkey的范围，为了实现分布式
    Store：分区的数据划分，按照列族划分，为了加快查询效率
    Memstore：内存区域，写缓存
    StoreFile：磁盘区域，HDFS文件

3、Hbase的读写流程是什么

  • 元数据检索
    1.所有客户端必须先读取表的元数据，元数据存储在Hbase的meta表里，但是meta表在Zookeeper中，所以Hbase要先访问Zookeeper
    2.对表所在的region的regionserver进行请求
  • 写
    1.先写WAL：预写日志，保证内存数据安全
    2.再写内存
    3.Flush机制：将内存的数据溢写到磁盘
    4.Compaction机制：将多个有序小文件合并为整体有序的大文件
    5.Split机制：将一个分区划分为两个分区，减轻分区负载压力
  • 读
    1.先读MemberStore
    2.可选：再读BlockCache【读缓存】，列族级别配置：默认True
    3.Split机制：将一个分区划分为两个分区，减轻分区负载压力

4、Hbase怎么保证数据的安全性

  • Region的安全性
  • memstore:WAL[HDFS]
  • StoreFile:HDFS副本机制

5、Hbase的热点问题是什么，怎么解决

  • 现象：短时间内，大量读写请求全部集中在一个Region分区中
  • 原因：数据存储不均衡
    1.没有做预分区，
    2.做了多个分区，分区划分规则与Rowkey设计不匹配
    3.做了多个分区，Rowkey是连续的
  • 解决
    合理设计rowkey，遵循五大原则：业务原则，组合原则，散列原则【加盐】，长度原则

 6、Hbase的分区规则是什么

  • 划分分区：将-00~+00区间划分为多个端，每个段是前闭后开区间，一定是按照rowkey进行划分的
  • 数据分区：根据rowkey属于哪个Region的范围，就写入哪个Region

10.SQL On Hbase

11.Hive On Hbase 

介绍：

  • 问题：
    Hbase是安列斯存储NoSQL.不支持SQL
    开发接口不方便大部分用户使用，怎么办？
    大数据开发：Hbase命令、Hbase Java AP
    Java开发【JDBC】、数据分析师【SQL】：怎么用Hbase？
  • 分析：需要一个工具能让Hbase支持SQL，支持JDBC方式对Hbase进行处理

    • 普通表数据：按行操作
      id     name         age     sex     addr

      001  zhangsan   18      male   shanghai

      002  lisi               20      female null

      003  wangwu     null     male   beijing ……

    • Hbase数据：按列操作

       rowkey          cf1:id      cf1:name        cf1:age     cf2:sex  cf2:addr
 zhangsan_001    001         zhangsan        18          null     shanghai
 lisi_002        002         lisi            20          female       null
 wangwu_003      003         wangwu          null         male     beijing
 ……

  • 可以基于Hbase数据构建结构化的数据形式

  • 可以用SQL来实现处理

  • 实现

  • 将Hbase表中每一行对应的所有列构建一张完整的结构化表

  • 如果这一行没有这一列，就补null

    • Hive：通过MapReduce来实现

    • Phoenix：通过Hbase API封装实现的

    • 功能：实现Hive与Hbase集成，使用Hive SQL对Hbase的数据进行处理

      • Hbase：itcast:t1

        | 构建一个映射关系：数据存储在Hbase

      • Hive：itcast.t1

      • 用户可以通过SQL操作Hive中表

         select * from itcast.t1

    • 原理

      • 本质：在Hive中对Hbase关联的Hive表执行SQL语句，底层通过Hadoop中的Input和Output对Hbase表进行处理

    • 特点

      • 优点：支持完善的SQL语句，可以实现各种复杂SQL的数据处理及计算，通过分布式计算程序实现，对大数据量的数据处理比较友好

      • 缺点：不支持二级索引，数据量不是特别大的情况下，性能一般

    • 应用

      • 基于大数据高性能的离线读写，并且使用SQL来开发

  • 小结

    • Hive如何实现通过SQL读写Hbase数据？

      • 通过Hadoop中的Input类和Output类来实现

      • 优点：SQL支持非常全面

      • 缺点：不能解决查询不走索引问题，数据量小性能一般

      • 应用：离线架构中用于存储离线数据，离线开发，加快性能或者存储用户行为数据

配置： 

  • 修改hive-site.xml：Hive通过SQL访问Hbase，就是Hbase的客户端，就要连接zookeeper
    cd /export/server/hive
    vim conf/hive-site.xml 
    1. <property>
    2.     <name>hive.zookeeper.quorum</name>
    3.     <value>node01,node02,node03</value>
    4. </property>
    5. <property>
    6.     <name>hbase.zookeeper.quorum</name>
    7.     <value>node01,node02,node03</value>
    8. </property>
    9. <property>
    10.     <name>hive.server2.enable.doAs</name>
    11.     <value>false</value>
    12. </property>

  • 修改hive-env.sh

    export HBASE_HOME=/export/servers/hbase-2.1.0

测试：

  • 实施
    如果Hbase中表已经存在，只能创建外部表     
    1. --创建测试数据库
    2. create database course;
    3. use course;
    4. --创建测试表
    5. create external table course.t1( 
    6. key string, 
    7. name string, 
    8. age  string, 
    9. addr string, 
    10. phone string 
    11. )   
    12. stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'   
    13. with serdeproperties("hbase.columns.mapping" 
    14. = ":key,basic:name,basic:age,other:addr,other:phone")  
    15. tblproperties("hbase.table.name" = "itcast:t1");
    查询 
    select age,count(*) as cnt from t1 group by age order by cnt desc;

  • 注意

  1. Hive的只是关联表，并没有数据，数据存储在Hbase表中

  2. 在Hive中创建Hbase的关联表，关联成功后，使用SQL通过MapReduce处理关联表

  3. 如果Hbase中表已经存在，只能创建外部表，使用Key来表示rowkey

  4. Hive中与Hbase关联的表，不能使用load写入数据，是能通过insert通过MR读写数据

二级索引的设计及问题

二级索引设计

  • 问题

    • 构建二级索引表：index_Table：查询条件 + 原表的rowkey

      rowkey:age_name_id          col:x
18_zhangsan_001             x
18_lisi_002                 x
20_zhangsan_003             x
109_wangwu_004              x
……

    • 需求：按照age查询，查询所有age = 20的人的信息

      • 常规方案：全表扫描用列值过滤器对每一行的这一列的值进行过滤

    • 构建数据表：source Table

       rowkey:name_id          id          name            age         sex         addr
 zhangsan_001            001         zhangsan        18          male        shanghai
 lisi_002                002         lisi            18          female      beijing
 zhangsan_003            003         zhangsan        20          male        
 wangwu_004              004         wangwu         109
 ……

    • 解决：二级索引

      • 思想：通过走两次索引来代替全表扫描

      • step1：基于存储和常用查询需求，构建原始数据表

      • step2：基于其他查询需求，构建索引表

      • step3：先查询索引表，再查询数据表

    • Hbase使用Rowkey作为唯一索引，只有按照rowkey的前缀查询才是走索引查询，其他查询都是全表扫描，性能比较差

       rowkey:name_id          id          name            age         sex         addr
 zhangsan_001            001         zhangsan        18          male        shanghai

      • 走索引：name、name + id

      • 现在有40%的需求是按照id、age、setx、addr来查询，不走索引，性能差，怎么办？

    • 二级索引问题

    • 问题：Hbase使用Rowkey作为唯一索引，只有按照rowkey的前缀查询才是走索引查询，其他查询都是全表扫描，性能比较差 
      •  rowkey:name_id          id          name            age         sex   addr
 zhangsan_001            001         zhangsan        18        maleshanghai

      • 现在有40%的需求是按照id、age、setx、addr来查询，不走索引，性能差，怎么办？

      • 走索引：name、name + id

    • 解决：二级索引

      • 思想：通过走两次索引来代替全表扫描

      • step1：基于存储和常用查询需求，构建原始数据表

      • step2：基于其他查询需求，构建索引表

      • step3：先查询索引表，再查询数据表

      • 解决：基于不同查询条件构建不同二级索引表，先根据条件查询对应索引表，再查询原表

      • 缺点

        • 必须保证索引表与原表数据一致性问题

        • 不同条件需要不同的索引表，每次原表发生数据变化，所有的索引表都要同步变化：管理非常麻烦

      • 解决方案

        • 方案一：手动维护

          • 自己手动建索引表，自己手动维护同步，自己手动实现检索过程

            create(source_t1)
create(index_age_t1)
put 't1','zhangsan_001'
put 'index_age_t1','20_zhangsan_001'
if (condition = age)
    rk = scan (index_age_t1)
    scan(source_t1,rk)

          • 缺点：代码开发麻烦，无法保证一致性

          • 肯定不用

        • 方案二：自己开发协处理器

          • 监听原表，只要原表数据发生变化，自动对索引表进行操作

          • 优点：实现索引表与原表的同步

          • 缺点：索引表非常多，同步需求非常多，协处理器API非常繁琐，开发协处理器成本非常高

        • 方案三：第三方工具

          • Phoenix：底层是大量已经开发好的封装好的协处理器来实现的API操作

            • 开发者只要写SQL

              create index

            • 自动创建索引表

            • 自动维护索引表

            • 自动查询索引表

  • 小结

    • 什么是Hbase的二级索引？

      • 思想：通过走两次索引来代替全表扫描

      • 实现

        • step1：先基于查询条件构建条件索引表

        • step2：查询时，先根据查询条件查询索引表，得到原表的rowey

          • index table rowkey：查询条件 + 原表的Rowkey

        • step3：在根据获取的原表的rowkey查询原表

      • 问题：索引表非常多，索引同步非常麻烦

      • 解决：用第三方工具来实现：Phoenix

12.Phoenix

Phoenix的介绍

  • 功能

    • 使用Phoenix自动构建二级索引并维护二级索引

    • 使用Phoenix实现基于SQL操作Hbase

    • 专门基于Hbase所设计的SQL on Hbase 工具

    • 原理

      • 上层提供了SQL接口

        • 底层全部通过Hbase Java API来实现，通过构建一系列的Scan和Put来实现数据的读写

      • 功能非常丰富

        • 底层封装了大量的内置的协处理器，可以实现各种复杂的处理需求，例如二级索引等

    • 特点

      • 优点

        • 支持SQL接口

        • 支持自动维护二级索引

      • 缺点

        • SQL支持的语法不友好，不是通用性SQL

        • Bug比较多

      • Hive on Hbase对比

        • Hive：SQL更加全面，但是不支持二级索引，底层通过分布式计算工具来实现

        • Phoenix：SQL相对支持不全面，但是性能比较好，直接使用HbaseAPI，支持索引实现

    • 应用

      • Phoenix适用于任何需要使用SQL或者JDBC来快速的读写Hbase的场景

      • 或者需要构建及维护二级索引场景

Phoenix的安装配置

  • 下载：Phoenix Downloads | Apache Phoenix

  • 第一台机器上传

    cd /export/softwares/
rz

  • 第一台机器解压

    tar -zxvf apache-phoenix-5.0.0-HBase-2.0-bin.tar.gz -C /export/servers/
cd /export/servers/
mv apache-phoenix-5.0.0-HBase-2.0-bin phoenix-5.0.0-HBase-2.0-bin

  • 修改三台Linux文件句柄数

    vim /etc/security/limits.conf

    1. #在文件的末尾添加以下内容，*号不能去掉
    2. ​
    3. * soft nofile 65536
    4. * hard nofile 131072
    5. * soft nproc 2048
    6. * hard nproc 4096

  • 将Phoenix所有jar包分发到Hbase的lib目录下

    #拷贝到第一台机器
cd /export/servers/phoenix-5.0.0-HBase-2.0-bin/
cp phoenix-* /export/servers/hbase-2.1.0/lib/
#分发给第二台和第三台
cd /export/servers/hbase-2.1.0/lib/
scp phoenix-* node02:$PWD
scp phoenix-* node03:$PWD

  • 修改hbase-site.xml，添加一下属性

    cd /export/servers/hbase-2.1.0/conf/
vim hbase-site.xml
    1. <!-- 关闭流检查，从2.x开始使用async -->
    2. <property>
    3.     <name>hbase.unsafe.stream.capability.enforce</name>
    4.     <value>false</value>
    5. </property>
    6. <!-- 支持HBase命名空间映射 -->
    7. <property>
    8.     <name>phoenix.schema.isNamespaceMappingEnabled</name>
    9.     <value>true</value>
    10. </property>
    11. <!-- 支持索引预写日志编码 -->
    12. <property>
    13.     <name>hbase.regionserver.wal.codec</name>
    14.     <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
    15. </property>

  • 同步给其他两台机器

    scp hbase-site.xml node02:$PWD
scp hbase-site.xml node03:$PWD

  • 同步给Phoenix

    cp hbase-site.xml /export/servers/phoenix-5.0.0-HBase-2.0-bin/bin/

  • 重启Hbase

    stop-hbase.sh
start-hbase.sh

  • 安装依赖

    yum -y install python-argparse

  • 启动Phoenix

    cd /export/servers/phoenix-5.0.0-HBase-2.0-bin/
bin/sqlline.py node01:2181

  • 测试

    !tables

  • 退出

    !quit

Phoenix的DDL语法：NS

  • 实施

    • 创建NS

      create schema if not exists student;，

    • 切换NS

      use student;

    • 删除NS

      drop schema if exists student;

  • 小结

    • 基本与SQL语法一致

    • 注意：Phoenix中默认会将所有字符转换为大写，如果想要使用小写字母，必须加上双引号

Phoenix的DDL语法：Table

  • 列举
    ！tables
  • 创建
    注意规则：
    建表的时候要指定字段
    谁是primary key 谁就是rowkey，每张表必须有主键
    定义字段时，要指定列族，列族的属性可以在建表语句中指定
    split：指定建表构建多个分区，每个分区段划分

    语法示例： 
    1.  CREATE TABLE my_schema.my_table (
    2.      id BIGINT not null primary key, 
    3.      date Date
    4.  );
    5.  
    6.  CREATE TABLE my_table ( 
    7.      id INTEGER not null primary key desc, 
    8.      m.date DATE not null,
    9.      m.db_utilization DECIMAL, 
    10.      i.db_utilization
    11.  ) m.VERSIONS='3';
    12.  
    13.  CREATE TABLE stats.prod_metrics ( 
    14.      host char(50) not null, 
    15.      created_date date not null,
    16.      txn_count bigint 
    17.      CONSTRAINT pk PRIMARY KEY (host, created_date) 
    18.  );
    19.  
    20.    CREATE TABLE IF NOT EXISTS "my_case_sensitive_table"( 
    21.        "id" char(10) not null primary key, 
    22.        "value" integer
    23.    ) DATA_BLOCK_ENCODING='NONE',VERSIONS=5,MAX_FILESIZE=2000000 
    24.    split on (?, ?, ?);
    25.  
    26.  
    27.    CREATE TABLE IF NOT EXISTS my_schema.my_table (
    28.        org_id CHAR(15), 
    29.        entity_id CHAR(15), 
    30.        payload binary(1000),
    31.        CONSTRAINT pk PRIMARY KEY (org_id, entity_id) 
    32.    ) TTL=86400

    如果Hbase中已存在会自动关联【常用】

    ​​​​​Hbase中建表并导入数据

    Hbase shell ORDER_INFO.txt

    ​​Phoenix中建表

    1. create table if not exists ORDER_INFO(){
    2. "id" varchar primary key,
    3. "C1"."USER_ID" varchar,
    4. "C1"."OPERATION_DATE" varchar,
    5. "C1"."PAYWAY" varchar,
    6. "C1"."PAY_MONEY" varchar,
    7. "C1"."STATUS" varchar,
    8. "C1"."CATEGORY" varchar
    9. } column_encoded_bytes=0;

    表名与列名都必须一致，大小写严格区分

  • 查看

    !desc order_info;

  • 删除 

    drop table if exists order_dt1;

小结 ：

  • 创建表时，必须指定主键作为Rowkey，主键列不能加列族
  • Phoenix 4.8版本之前只要创建同名的Hbase表，会自动关联数据
  • Phoenix 4.8版本以后，不推荐关联表的方式
  • 推荐使用视图关联的方式来实现，如果要使用关联表的方式，必须加上以下参数 
    column_encoded_bytes=0;

Phoenix的DML语法：upsert

基于order_info订单数据实现DML插入数据

  • 插入一条数据 
    upsert into order_info values('z8f3ca6f-2f5c-44fd-9755-1792de183845','4944191','2020-04-25 12:09:16','1','4070','未提交','电脑');

  •  更新USERID为123456

    upsert into order_info("id","USER_ID") values('z8f3ca6f-2f5c-44fd-9755-1792de183845','123456');

Phoenix的DML语法：delete

  • 语法及示例 
    1. DELETE FROM TEST;
    2. DELETE FROM TEST WHERE ID=123;
    3. DELETE FROM TEST NAME LIKE 'foo%';

  •  删除USER_ID为123456的rowkey数据

    delete from order_info where USER_ID='123456';

总结：与MySQL是一致的 

Phoenix的DQL语法：select

基于order_info订单数据实现DQL查询数据

  • 语法及示例 
    1. SELETE * FROM TEST LIMIT 1000;
    2. SELECT * FROM TEST LIMIT 1000 OFFSET 100;
    3. SELECT full_name FROM SALES_PERSON WHERE ranking >= 5.0 UNION ALL SELECT 
    4. reviewer_name FROM CUSTOMER_REVIEW WHERE score >= 8.0
  • 查询支付方式为1的数据 
    selete "id",payway,pay_money,category from order_info where payway='1';

  •  查询每种支付方式对应的用户人数，并且按照用户人数降序排序 
    1. selete
    2. payway,
    3. count(distinct user_id) as numb
    4. from order_info
    5. group by payway
    6. order by numb desc;
  •  查询数据的第60行到66行 
    select * from order_info limit 7 offset 59;
  •  小结：
    基本查询与MySQL也是一致的，写的时候注意数据类型以及大小写的问题即可，如果遇到SQL报错，检查语法是否支持

Phoenix的使用：预分区

创建表的时候，需要根据Rowkey来设计多个分区

  • Hbase命令建表 
    create Ns;tbname,列族，预分区
  •  Phoenix也提供了创建表时，指定分区范围的语法 
    1.  CREATE TABLE IF NOT EXISTS "my_case_sensitive_table"( 
    2.      "id" char(10) not null primary key, 
    3.      "value" integer
    4.  )
    5.  DATA_BLOCK_ENCODING='NONE',VERSIONS=5,MAX_FILESIZE=2000000 split on (?, ?, ?)
  •  创建数据表，四个分区 
    1.  drop table if exists ORDER_DTL;
    2.  create table if not exists ORDER_DTL(
    3.      "id" varchar primary key,
    4.      C1."status" varchar,
    5.      C1."money" float,
    6.      C1."pay_way" integer,
    7.      C1."user_id" varchar,
    8.      C1."operation_time" varchar,
    9.      C1."category" varchar
    10.  ) 
    11.  CONPRESSION='GZ'
    12.  SPLIT ON ('3','5','7');

Phoenix的使用：加盐salt

Rowkey设计的时候为了避免连续，构建Rowkey的散列，如果rowkey设计是连续的，怎么解决？

正常表：tb1:3个分区：

       r1：-oo ~ 3

       r2: 3 ~ 6

       r3: 6 ~ +oo

       rowkey：数值开头

盐表：

        t2:3个分区

        每个分区的前缀是16进制的值

        rowkey：数值开头，但是Phoenix会自动为每个rowkey前面加上一个16进制的值

  • 在Phoenix创建一张盐表，写入的数据会自动进行编码写入不同的分区中 
    1. create Table table (
    2. a_key varchar primary key,
    3. a_col varchar
    4. )salt_buckets=20;//20个分区
  •  创建一张盐表，指定分区个数为10 
    1. drop table if exists ORDER_DTL;
    2. create table if not exists ORDER_DTL(
    3.     "id" varchar primary key;
    4.      C1."status" varchar,
    5.      C1."money" float,
    6.      C1."pay_way" integer,
    7.      C1."user_id" varchar,
    8.      C1."operation_time" varchar,
    9.      C1."category" varchar
    10. )CONPRESSION="GZ",SALT_BUCKETS=10;
  • 写入数据
      
    1. UPSERT INTO "ORDER_DTL" VALUES('02602f66-adc7-40d4-8485-76b5632b5b53','已提交',4070,1,'4944191','2020-04-25 12:09:16','手机;');
    2. UPSERT INTO "ORDER_DTL" VALUES('0968a418-f2bc-49b4-b9a9-2157cf214cfd','已完成',4350,1,'1625615','2020-04-25 12:09:37','家用电器;;电脑;');
    3. UPSERT INTO "ORDER_DTL" VALUES('0e01edba-5e55-425e-837a-7efb91c56630','已提交',6370,3,'3919700','2020-04-25 12:09:39','男装;男鞋;');
    4. UPSERT INTO "ORDER_DTL" VALUES('0f46d542-34cb-4ef4-b7fe-6dcfa5f14751','已付款',9380,1,'2993700','2020-04-25 12:09:46','维修;手机;');
    5. UPSERT INTO "ORDER_DTL" VALUES('1fb7c50f-9e26-4aa8-a140-a03d0de78729','已完成',6400,2,'5037058','2020-04-25 12:10:13','数码;女装;');
    6. UPSERT INTO "ORDER_DTL" VALUES('23275016-996b-420c-8edc-3e3b41de1aee','已付款',280,1,'3018827','2020-04-25 12:09:53','男鞋;汽车;');
    7. UPSERT INTO "ORDER_DTL" VALUES('2375a7cf-c206-4ac0-8de4-863e7ffae27b','已完成',5600,1,'6489579','2020-04-25 12:08:55','食品;家用电器;');
    8. UPSERT INTO "ORDER_DTL" VALUES('269fe10c-740b-4fdb-ad25-7939094073de','已提交',8340,2,'2948003','2020-04-25 12:09:26','男装;男鞋;');
    9. UPSERT INTO "ORDER_DTL" VALUES('2849fa34-6513-44d6-8f66-97bccb3a31a1','已提交',7060,2,'2092774','2020-04-25 12:09:38','酒店;旅游;');
    10. UPSERT INTO "ORDER_DTL" VALUES('28b7e793-6d14-455b-91b3-0bd8b23b610c','已提交',640,3,'7152356','2020-04-25 12:09:49','维修;手机;');
    11. UPSERT INTO "ORDER_DTL" VALUES('2909b28a-5085-4f1d-b01e-a34fbaf6ce37','已提交',9390,3,'8237476','2020-04-25 12:10:08','男鞋;汽车;');
    12. UPSERT INTO "ORDER_DTL" VALUES('2a01dfe5-f5dc-4140-b31b-a6ee27a6e51e','已提交',7490,2,'7813118','2020-04-25 12:09:05','机票;文娱;');
    13. UPSERT INTO "ORDER_DTL" VALUES('2b86ab90-3180-4940-b624-c936a1e7568d','已付款',5360,2,'5301038','2020-04-25 12:08:50','维修;手机;');
    14. UPSERT INTO "ORDER_DTL" VALUES('2e19fbe8-7970-4d62-8e8f-d364afc2dd41','已付款',6490,0,'3141181','2020-04-25 12:09:22','食品;家用电器;');
    15. UPSERT INTO "ORDER_DTL" VALUES('2fc28d36-dca0-49e8-bad0-42d0602bdb40','已付款',3820,1,'9054826','2020-04-25 12:10:04','家用电器;;电脑;');
    16. UPSERT INTO "ORDER_DTL" VALUES('31477850-8b15-4f1b-9ec3-939f7dc47241','已提交',4650,2,'5837271','2020-04-25 12:08:52','机票;文娱;');
    17. UPSERT INTO "ORDER_DTL" VALUES('39319322-2d80-41e7-a862-8b8858e63316','已提交',5000,1,'5686435','2020-04-25 12:08:51','家用电器;;电脑;');
    18. UPSERT INTO "ORDER_DTL" VALUES('3d2254bd-c25a-404f-8e42-2faa4929a629','已完成',5000,1,'1274270','2020-04-25 12:08:43','男装;男鞋;');
    19. UPSERT INTO "ORDER_DTL" VALUES('42f7fe21-55a3-416f-9535-baa222cc0098','已完成',3600,2,'2661641','2020-04-25 12:09:58','维修;手机;');
    20. UPSERT INTO "ORDER_DTL" VALUES('44231dbb-9e58-4f1a-8c83-be1aa814be83','已提交',3950,1,'3855371','2020-04-25 12:08:39','数码;女装;');
    21. UPSERT INTO "ORDER_DTL" VALUES('526e33d2-a095-4e19-b759-0017b13666ca','已完成',3280,0,'5553283','2020-04-25 12:09:01','食品;家用电器;');
    22. UPSERT INTO "ORDER_DTL" VALUES('5a6932f4-b4a4-4a1a-b082-2475d13f9240','已提交',50,2,'1764961','2020-04-25 12:10:07','家用电器;;电脑;');
    23. UPSERT INTO "ORDER_DTL" VALUES('5fc0093c-59a3-417b-a9ff-104b9789b530','已提交',6310,2,'1292805','2020-04-25 12:09:36','男装;男鞋;');
    24. UPSERT INTO "ORDER_DTL" VALUES('605c6dd8-123b-4088-a047-e9f377fcd866','已完成',8980,2,'6202324','2020-04-25 12:09:54','机票;文娱;');
    25. UPSERT INTO "ORDER_DTL" VALUES('613cfd50-55c7-44d2-bb67-995f72c488ea','已完成',6830,3,'6977236','2020-04-25 12:10:06','酒店;旅游;');
    26. UPSERT INTO "ORDER_DTL" VALUES('62246ac1-3dcb-4f2c-8943-800c9216c29f','已提交',8610,1,'5264116','2020-04-25 12:09:14','维修;手机;');
    27. UPSERT INTO "ORDER_DTL" VALUES('625c7fef-de87-428a-b581-a63c71059b14','已提交',5970,0,'8051757','2020-04-25 12:09:07','男鞋;汽车;');
    28. UPSERT INTO "ORDER_DTL" VALUES('6d43c490-58ab-4e23-b399-dda862e06481','已提交',4570,0,'5514248','2020-04-25 12:09:34','酒店;旅游;');
    29. UPSERT INTO "ORDER_DTL" VALUES('70fa0ae0-6c02-4cfa-91a9-6ad929fe6b1b','已付款',4100,1,'8598963','2020-04-25 12:09:08','维修;手机;');
    30. UPSERT INTO "ORDER_DTL" VALUES('7170ce71-1fc0-4b6e-a339-67f525536dcd','已完成',9740,1,'4816392','2020-04-25 12:09:51','数码;女装;');
    31. UPSERT INTO "ORDER_DTL" VALUES('71961b06-290b-457d-bbe0-86acb013b0e3','已完成',6550,3,'2393699','2020-04-25 12:08:49','男鞋;汽车;');
    32. UPSERT INTO "ORDER_DTL" VALUES('72dc148e-ce64-432d-b99f-61c389cb82cd','已提交',4090,1,'2536942','2020-04-25 12:10:12','机票;文娱;');
    33. UPSERT INTO "ORDER_DTL" VALUES('7c0c1668-b783-413f-afc4-678a5a6d1033','已完成',3850,3,'6803936','2020-04-25 12:09:20','酒店;旅游;');
    34. UPSERT INTO "ORDER_DTL" VALUES('7fa02f7a-10df-4247-9935-94c8b7d4dbc0','已提交',1060,0,'6119810','2020-04-25 12:09:21','维修;手机;');
    35. UPSERT INTO "ORDER_DTL" VALUES('820c5e83-f2e0-42d4-b5f0-83802c75addc','已付款',9270,2,'5818454','2020-04-25 12:10:09','数码;女装;');
    36. UPSERT INTO "ORDER_DTL" VALUES('83ed55ec-a439-44e0-8fe0-acb7703fb691','已完成',8380,2,'6804703','2020-04-25 12:09:52','男鞋;汽车;');
    37. UPSERT INTO "ORDER_DTL" VALUES('85287268-f139-4d59-8087-23fa6454de9d','已取消',9750,1,'4382852','2020-04-25 12:10:00','数码;女装;');
    38. UPSERT INTO "ORDER_DTL" VALUES('8d32669e-327a-4802-89f4-2e91303aee59','已提交',9390,1,'4182962','2020-04-25 12:09:57','机票;文娱;');
    39. UPSERT INTO "ORDER_DTL" VALUES('8dadc2e4-63f1-490f-9182-793be64fed76','已付款',9350,1,'5937549','2020-04-25 12:09:02','酒店;旅游;');
    40. UPSERT INTO "ORDER_DTL" VALUES('94ad8ee0-8898-442c-8cb1-083a4b609616','已提交',4370,0,'4666456','2020-04-25 12:09:13','维修;手机;');
    41. UPSERT INTO "ORDER_DTL" VALUES('994cbb44-f0ee-45ff-a4f4-76c87bc2b972','已付款',3190,3,'3200759','2020-04-25 12:09:25','数码;女装;');
    42. UPSERT INTO "ORDER_DTL" VALUES('9ff3032c-8679-4247-9e6f-4caf2dc93aff','已提交',850,0,'8835231','2020-04-25 12:09:40','男鞋;汽车;');
    43. UPSERT INTO "ORDER_DTL" VALUES('9ff4032c-1223-4247-9e6f-123456dfdsds','已付款',850,0,'8835231','2020-04-25 12:09:45','食品;家用电器;');
    44. UPSERT INTO "ORDER_DTL" VALUES('a467ba42-f91e-48a0-865e-1703aaa45e0e','已提交',8040,0,'8206022','2020-04-25 12:09:50','家用电器;;电脑;');
    45. UPSERT INTO "ORDER_DTL" VALUES('a5302f47-96d9-41b4-a14c-c7a508f59282','已付款',8570,2,'5319315','2020-04-25 12:08:44','机票;文娱;');
    46. UPSERT INTO "ORDER_DTL" VALUES('a5b57bec-6235-45f4-bd7e-6deb5cd1e008','已提交',5700,3,'6486444','2020-04-25 12:09:27','酒店;旅游;');
    47. UPSERT INTO "ORDER_DTL" VALUES('ae5c3363-cf8f-48a9-9676-701a7b0a7ca5','已付款',7460,1,'2379296','2020-04-25 12:09:23','维修;手机;');
    48. UPSERT INTO "ORDER_DTL" VALUES('b1fb2399-7cf2-4af5-960a-a4d77f4803b8','已提交',2690,3,'6686018','2020-04-25 12:09:55','数码;女装;');
    49. UPSERT INTO "ORDER_DTL" VALUES('b21c7dbd-dabd-4610-94b9-d7039866a8eb','已提交',6310,2,'1552851','2020-04-25 12:09:15','男鞋;汽车;');
    50. UPSERT INTO "ORDER_DTL" VALUES('b4bfd4b7-51f5-480e-9e23-8b1579e36248','已提交',4000,1,'3260372','2020-04-25 12:09:35','机票;文娱;');
    51. UPSERT INTO "ORDER_DTL" VALUES('b63983cc-2b59-4992-84c6-9810526d0282','已提交',7370,3,'3107867','2020-04-25 12:08:45','数码;女装;');
    52. UPSERT INTO "ORDER_DTL" VALUES('bf60b752-1ccc-43bf-9bc3-b2aeccacc0ed','已提交',720,2,'5034117','2020-04-25 12:09:03','机票;文娱;');
    53. UPSERT INTO "ORDER_DTL" VALUES('c808addc-8b8b-4d89-99b1-db2ed52e61b4','已提交',3630,1,'6435854','2020-04-25 12:09:10','酒店;旅游;');
    54. UPSERT INTO "ORDER_DTL" VALUES('cc9dbd20-cf9f-4097-ae8b-4e73db1e4ba1','已付款',5000,0,'2007322','2020-04-25 12:08:38','维修;手机;');
    55. UPSERT INTO "ORDER_DTL" VALUES('ccceaf57-a5ab-44df-834a-e7b32c63efc1','已提交',2660,2,'7928516','2020-04-25 12:09:42','数码;女装;');
    56. UPSERT INTO "ORDER_DTL" VALUES('d7be5c39-e07c-40e8-bf09-4922fbc6335c','已付款',8750,2,'1250995','2020-04-25 12:09:09','食品;家用电器;');
    57. UPSERT INTO "ORDER_DTL" VALUES('dfe16df7-4a46-4b6f-9c6d-083ec215218e','已完成',410,0,'1923817','2020-04-25 12:09:56','家用电器;;电脑;');
    58. UPSERT INTO "ORDER_DTL" VALUES('e1241ad4-c9c1-4c17-93b9-ef2c26e7f2b2','已付款',6760,0,'2457464','2020-04-25 12:08:54','数码;女装;');
    59. UPSERT INTO "ORDER_DTL" VALUES('e180a9f2-9f80-4b6d-99c8-452d6c037fc7','已完成',8120,2,'7645270','2020-04-25 12:09:32','男鞋;汽车;');
    60. UPSERT INTO "ORDER_DTL" VALUES('e4418843-9ac0-47a7-bfd8-d61c4d296933','已付款',8170,2,'7695668','2020-04-25 12:09:11','家用电器;;电脑;');
    61. UPSERT INTO "ORDER_DTL" VALUES('e8b3bb37-1019-4492-93c7-305177271a71','已完成',2560,2,'4405460','2020-04-25 12:10:05','男装;男鞋;');
    62. UPSERT INTO "ORDER_DTL" VALUES('eb1a1a22-953a-42f1-b594-f5dfc8fb6262','已完成',2370,2,'8233485','2020-04-25 12:09:24','机票;文娱;');
    63. UPSERT INTO "ORDER_DTL" VALUES('ecfd18f5-45f2-4dcd-9c47-f2ad9b216bd0','已付款',8070,3,'6387107','2020-04-25 12:09:04','酒店;旅游;');
    64. UPSERT INTO "ORDER_DTL" VALUES('f1226752-7be3-4702-a496-3ddba56f66ec','已付款',4410,3,'1981968','2020-04-25 12:10:10','维修;手机;');
    65. UPSERT INTO "ORDER_DTL" VALUES('f642b16b-eade-4169-9eeb-4d5f294ec594','已提交',4010,1,'6463215','2020-04-25 12:09:29','男鞋;汽车;');
    66. UPSERT INTO "ORDER_DTL" VALUES('f8f3ca6f-2f5c-44fd-9755-1792de183845','已付款',5950,3,'4060214','2020-04-25 12:09:12','机票;文娱;');
  •  Phoneix中查看 
    select "id" from ORDER_DTL;
  •  Hbase中查看 
    scan'ORDER_DTL';
  • 小结： 
    由Phoenix来实现自动对Rowkey编码，解决Rowkey的热点问题，不需要自己设计散列的Rowkey，
    注意：一旦使用了盐表，对于盐表数据的操作只能通过Phoenix来实现，盐表不能自己指定分区段，由Phoenix自己根据自己的规则来实现

Phoenix的使用：视图

直接关联Hbase中的表，会导致误删除，对数据的权限会有影响，容易出现问题，如何避免？
答：Phoenix中建议使用视图的方式来关联Hbase中已有的表，通过构建关联视图，可以解决大部分数据查询的数据，不影响数据，视图：可以理解为只读的表

  • 删除Phoenix中的ORDER_INFO 
    drop table if exists ORDER_INFO;

    会发现，Hbase中的表也会被删除

  •  重新加载 
    hbase shell ORDER_INFO.txt
  •  创建视图，关联Hbase中已经存在的表 
    1. create view if not exists ORDER_INFO(
    2. "id" varchar primary key,
    3. "C1"."USER_ID" varchar,
    4. "C1"."OPERATION_DATE" varchar,
    5. "C1"."PAYWAY" varchar,
    6. "C1"."PAY_MONEY" varchar,
    7. "C1"."STATUS" varchar,
    8. "C1"."CATEGORY" varchar
    9. ) ;

  •  应用场景：
    视图：Hbase中已经有这张表，写操作都是操作Hbase，Phoenix只提供读操作
    建表：建表：对这张表既要读也要使用Phoenix来写

Phoenix的使用：JDBC

工作中实际使用SQL，会基于程序中使用JDBC的方式来提交SQL语句，在Phoenix中如何实现？

  • Phoenix支持使用JDBC的方式来提交SQL语句 
    1.  public class HbasePhoenixJDBCTest {
    2.       public static void main(String[] args) throws SQLException {
    3.          Connection connection = null;
    4.          PreparedStatement ps = null;
    5.          try {
    6.              Class.forName(PhoenixDriver.class.getName());
    7.              connection = DriverManager.getConnection("jdbc:phoenix:node1.itcast.cn:2181");
    8.              ps = connection.prepareStatement( "select user_id,payway,category from order_info");
    9.              ResultSet rs = ps.executeQuery();
    10.              while(rs.next()) {
    11.                  System.out.println(
    12.                          rs.getString("USER_ID")+"\t"+
    13.                          rs.getString("PAYWAY")+"\t"+
    14.                          rs.getString("CATEGORY"));
    15.              }
    16.          }catch (Exception e){
    17.              e.printStackTrace();
    18.          }finally {
    19.              if(ps != null) ps.close();
    20.              if(connection != null) connection.close();
    21.          }
    22.  
    23.      }
    24.       }

二级索引：全局索引设计

功能：当为某一列创建全局索引时，Phoenix自动创建一张索引表，将创建索引这一列加上原表rowkey作为新的rowkey

    • 原始数据表

      rowkey：id       name        age

    • 需求：根据name进行数据查询

      • 不走索引

    • 创建全局索引

      create index index01 on tbname(name);

    • 自动构建索引表

      rowkey：name_id      col：占位值

    • 查询

      • 先查询索引表：通过rowkey获取名称对应的id

      • 再查询数据表：通过id查询对应的数据

    • 特点：默认只能对构建索引的字段做索引查询，如果查询中包含了不是索引的字段或者条件不是索引字段，不走索引

    • 应用：写少读多

      • 当原表的数据发生更新操作提交时，会被拦截

      • 先更新所有索引表，然后再更新原表

  • 小结

    • 了解二级索引中全局索引的设计思想

二级索引：覆盖索引设计

  • 功能：在构建全局索引时，将经常作为查询条件或者结果的列放入索引表中，直接通过索引来返回数据结果
  • 创建全局索引
    create index index01 on tbname(name);
  • 自动构建索引
    rowkey：name_id        col：占位值
  • 如果需求发生改变，查询name和age，上面的全局索引会失效
  • 创建全局+覆盖索引
    create index index01 on tbname （name）include（age）；
  • 自动构建索引表
    rowkey:name_id        col：age
  • 查询
    select name from table;
    select name from table where age = 20
    select name , age from table
  • 特点：基于全局索引构建，将常用的查询结果放入索引表中，直接从索引表返回结果，不用再查询原表
  • 应用：适合查询条件比较固定，数据量比较小的场景（不建议将大部分列都放入覆盖索引）

小结

  • 覆盖索引是基于全局索引实现的

    • 全局索引：用查询条件作为索引表rowkey，先查询索引表，再查询原表

  • 覆盖索引：用查询条件作为索引表rowkey，将经常查询的列直接放入索引表，查询直接从索引表返回

  • 目的是将常用的查询结果放入索引表中，直接从索引表返回数据

二级索引：本地索引设计

功能：将索引数据与对应的原始数据放在同一台机器，避免跨网络传输，提高写的性能

  • 与全局和覆盖的区别是什么？

    • 全局和覆盖都是单独构建一张索引表

  • 本地索引构建索引数据时，将索引数据直接存储在原表中，这条数据和这条数据的索引存储同一个region中

    • 满足：提高读的性能，也能降低对写的影响

    • 本地索引不会创建索引表

    • 怎么保证数据和索引能写入同一个region呢？

      • 数据：rowkey：id:001 name=zhangsan

      • 索引：rowkey：zhangsan_001

      • 为了保证索引和原始数据能写入同一个region，将这条数据对应的region的startkey作为索引rowkey前缀

  • 本地索引的设计方式是：
    原表数据所在region的start key+“\x00”+第一个二级索引字段+"\x00"+第二个二级索引字段…+"\x00"+原表rowkey

  • 本地索引的创建举例：
      create local index LOCAL_IDX_ORDER_DTL on ORDER_DTL("id", "status", "money", "pay_way", "user_id") ;

  • region划分

    • region0: -oo 30

    • region1:30 60

    • region2:60 +oo

  • 写入一条Rowkey：456 lisi 到原表的region中

    • region1

  • 目的：将这条rowkey的索引存在同一台机器的region中

    • 30_索引字段 _ 原表的Rowkey

    • 30_lisi_456

  • 特点：
    即使查询数据中包含了非索引字段，也会走本地索引

    本地索引会修改原始数据表

    如果构建了本地索引，不能通过Hbase的API来读写数据的，必须通过Phoenix来实现读写本地

    索引对盐表不生效的
  • 应用：写的操作比较多，提高了构建索引对写的性能影响，
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/盐析白兔/article/detail/656843
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号