HBase海量数据存储

1.简介

HBase是一个基于HDFS的、分布式的、面向列的非关系型数据库。

HBase的特点

1.海量数据存储，HBase表中的数据能够容纳上百亿行*上百万列。

2.面向列的存储，数据在表中是按照列进行存储的，能够动态的增加列并对列进行各种操作。

3.准实时查询，HBase在海量的数据量下能够接近准实时的查询(百毫秒以内)

4.多版本，HBase中每一列的数据都可以有多个版本。

5.可靠性，HBase中的数据存储于HDFS中且依赖于Zookeeper进行Master和RegionServer的协调管理。

HBase与关系型数据库的区别

1.HBase中的数据类型只有String，而关系型数据库中有char、varchar、int等。

2.HBase中只有普通的增删改查操作，没有表与表之间的连接、子查询等，若想要在HBase中进行复杂的操作则应该使用Phoenix。

3.HBase是基于列进行存储的，因此在查询指定列的数据时效率会很高，而关系型数据库是基于行存储，每次查询都要查询整行。

4.HBase适合海量数据存储，而关系型数据库一般一张表不超过500M，否则就要考虑分表操作。

5.HBase中为空的列不占用存储空间，表的设计可以非常稀疏，而关系型数据库中表的设计较谨密。

6.HBase不支持事务，而非关系型数据库支持事务。

7.HBase区分大小写，而SQL不区分大小写。

2.HBase的表结构

*HBase中的表由RowKey、ColumnFamily、Column、Timestamp组成。

RowKey

记录的唯一标识，相当于关系型数据库中的主键。

*RowKey最大长度为64KB且按字典顺序进行排序存储。

*HBase会自动为RowKey加上索引，当按RowKey查询时速度很快。

ColumnFamily

列簇相当于特定的一个类别，每个列簇下可以有任意数量个列，并且列是动态进行添加的，只在插入数据后存在，HBase在创建表时只需要指定表名和列簇即可。

*一个列簇下的成员有着相同的前缀，使用冒号来对列簇和列名进行分隔。

*一张表中的列簇最好不超过5个。

Column

列只有在插入数据后才存在，且列在列簇中是有序的。

*每个列簇下的列数没有限制。

Timestamp

HBase中的每个键值对都有一个时间戳，在进行插入时由HBase进行自动赋值。

3.HBase的物理模型

Master

1.处理对表的添加、删除、查询等操作。

2.进行RegionServer的负载均衡（Region与RegionServer的分配）

3.在RegionServer宕机后负责RegionServer上的Region转移（通过WAL日志）

*Master失效仅会导致meta数据和表无法被修改，表中的数据仍然可以进行读取和写入。

RegionServer

1.处理对表中数据的添加、删除、修改、查询等操作。

2.维护Region并将Region中StoreFile写入到HDFS中。

3.当Region中的数据达到一定大小时进行Region的切分。

Region

1.表中的数据存储在Region中，每个Region都由RegionServer进行管理。

2.每个Region都包含MemoryStore和StoreFile，MemoryStore中的数据位于内存，每当MemoryStore中的数据达到128M时将会生成一个StoreFile并写入到HDFS中。

3.Region中每个列簇对应一个MemoryStore，可以有多个StoreFile，当StoreFile的数量超过一定时，会进行StoreFile的合并，将多个StoreFile文件合并成一个StoreFile，当StoreFile文件的大小超过一定阀值时，会进行Region的切分，由Master将新Region分配到相应的RegionServer中，实现负载均衡。

Zookeeper在HBase中的作用

1.保证Master的高可用性，当状态为Active的Master无法提供服务时，会立刻将状态为StandBy的Master切换为Active状态。

2.实时监控RegionServer集群，当某个RegionServer节点无法提供服务时将会通知Master，由Master进行RegionServer上的Region转移以及重新进行负载均衡。

3.当HBase集群启动后，Master和RegionServer会分别向Zookeeper进行注册，会在Zookeeper中存放HBase的meta表数据，Region与RegionServer的关系、以及RegionServer的访问地址等信息。

*meta表中维护着TableName、RowKey和Region的关联关系。

HBase处理读取和写入请求的流程

HBase处理读取请求的过程

1.客户端连接Zookeeper，根据TableName和RowKey从Meta表中计算出该Row对应的Region。

2.获取该Region所关联的RegionServer，并获取RegionServer的访问地址。

3.访问RegionServer，找到对应的Region。

4.如果Region的MemoryStore中有该Row则直接进行获取，否则从StoreFile中进行查询。

HBase处理写入请求的过程

1.客户端连接Zookeeper，根据TableName找到其Region列表。

2.通过一定算法计算出要写入的Region。

3.获取该Region所关联的RegionServer并进行连接。

4.把数据分别写到HLog和MemoryStore中。

5.每当MemoryStore中的大小达到128M时，会生成一个StoreFile。

6.当StoreFile的数量超过一定时，会进行StoreFile的合并，将多个StoreFile文件合并成一个StoreFile，当StoreFile的文件大小超过一定阈值时，会进行Region的切分，由Master将新Region分配到相应的RegionServer中，实现负载均衡。

*在第一次读取或写入时才需要连接Zookeeper，会将Zookeeper中的相关数据缓存到本地，往后直接从本地进行读取，当Zookeeper中的信息发生变化时，再通过通知机制通知客户端进行更新。

HBase在HDFS中的目录

1.tmp目录：当对HBase的表进行创建和删除时，会将表移动到该目录中进行操作。

2.MasterProcWALs目录：预写日志目录，主要用于存储Master的操作日志。

3.WALs目录：预写日志目录，主要用于存储RegionServer的操作日志。

4.data目录：存储Region中的StoreFile。

5.hbase.id文件：HBase集群的唯一标识。

6.hbase.version文件：HBase集群的版本号。

7.oldWALs目录：当WALs目录下的日志文件超过一定时间后，会将其移动到oldWALs目录中，Master会定期进行清理。

4.HBase集群的搭建

1.安装JDK和Hadoop

由于HBase是通过JAVA语言编写的，且HBase是基于HDFS的，因此需要安装JDK和Hadoop，并配置好JAVA_HOME环境变量。

由于HDFS一般都以集群的方式运行，因此需要搭建HDFS集群。

*在搭建HDFS集群时，需要相互配置SSH使之互相信任并且开放防火墙相应的端口，或者直接关闭防火墙。

2.安装Zookeeper并进行集群的搭建

由于HDFS HA依赖于Zookeeper，且HBase也依赖于Zookeeper，因此需要安装Zookeeper并进行集群的搭建。

3.安装HBase

1.从CDH中下载HBase并进行解压：http://archive.cloudera.com/cdh5/cdh/5/

2.修改hbase-env.sh配置文件

#设置JDK的安装目录
export JAVA_HOME=/usr/jdk8/jdk1.8.0_161

#true则使用hbase自带的zk服务,false则使用外部的zk服务.
export HBASE_MANAGES_ZK=flase

3.修改hbase-site.xml配置文件

  <!-- 指定HBase日志的存放目录 -->
  <property>
    <name>hbase.tmp.dir</name>
    <value>/usr/hbase/hbase-1.2.8/logs</value>
  </property>
  <!-- 指定HBase中的数据存储在HDFS中的目录 -->
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://nameservice:8020/hbase</value>
  </property>
  <!-- 设置是否是分布式 -->
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
  <!-- 指定HBase使用的ZK地址 -->
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>192.168.1.80:2181,192.168.1.81:2181,192.168.1.82:2181</value>
  </property> 

4.修改regionservers文件，配置充当RegionServer的节点

*值可以是主机名或者IP地址

*如果Hadoop配置了HDFS HA高可用集群，那么就会有两个NameNode和一个NameService，此时就需要将HDFS的core-site.xml和hdfs-site.xml配置文件复制到HBase的conf目录下，且hbase-site.xml配置文件中的hbase.rootdir配置项的HDFS地址指向NameService的名称。

5.NTP时间同步

NTP是一个时间服务器，作用是使集群中的各个节点的时间都保持一致。

由于在HBase集群中，Zookeeper与HBase对时间的要求较高，如果两个节点之间的时间相差过大时，那么整个集群就会崩溃，因此需要使各个节点的时间都保持一致。

#查看是否安装了NTP服务
rpm -qa|grep ntp

#安装NTP服务
yum install ntp -y

#从NTP服务器中获取时间并同步本地
ntpdate 192.168.1.80

*在实际的应用场景中，可以自己搭建NTP服务器，也可以使用第三方开源的NTP服务器，如阿里等。

使用 “ntpdate NTP服务器地址” 命令从NTP服务器中获取时间并同步本地，一般配合Linux的crontab使用，每隔5分钟进行一次时间的同步。

4.启动集群

使用bin目录下的start-hbase.sh命令启动集群，那么会在当前节点中启动一个Master和RegionSever进程，并通过SSH访问其它节点，启动RegionServer进程。

由于HBase的Master HA集群是通过Zookeeper进行协调的，需要手动在其他节点中启动Master，Zookeeper能保证当前HBase集群中有且只有一个Master处于Active状态，当状态为Active的Master无法正常提供服务时，会将处于StandBy的Master的状态修改为Active。

*当HBase集群启动后，可以访问http:/localhost:16030，进入HBase的Web监控页面。

5.使用Shell操作HBase

使用bin/hbase shell命令进行HBase的Shell操作

#创建表
create 'tableName' , 'columnFamily' , 'columnFamily...'

#添加记录
put 'tableName' , 'rowkey' , 'columnFamily:column' , 'value'

#查询记录
get 'tableName' , 'rowkey'

#统计表的记录数
count 'tableName'

#删除记录
deleteall 'tableName' , 'rowkey'

#删除记录的某一列
delete 'tableName' , 'rowkey' ,'columnFamily:column'

#禁用表
disable 'tableName'

#启动表
enable 'tableName'

#查看表是否被禁用
is_disabled 'tableName'

#删除表
drop 'tableName'

#查看表中的所有记录
scan 'tableName'

#查看表中指定列的所有记录
scan 'tableName' , {COLUMNS=>'columnFamily:column'}

#检查表是否存在
exists 'tableName'

#查看当前HBase中的表
list

*在删除表时需要禁用表，否则无法删除。

*使用put相同rowkey的一条数据来进行记录的更新，仅会更新列相同的值。

6.使用JAVA操作HBase

1.导入相关依赖

<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-client</artifactId>
  <version>1.2.8</version>
</dependency>

2.初始化配置

使用HBaseConfiguration的create()静态方法创建一个Configuration实例，用于封装环境配置信息。

Configuration config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum","192.168.1.80,192.168.1.81,192.168.1.82");
config.set("hbase.zookeeper.property.clientPort","2181");

*此方法会默认加载classpath下的hbase-site.xml配置文件，如果没有此配置文件则需要手动进行环境的配置。

3.创建HBase连接对象

Connection conn = ConnectionFactory.createConnection(config);

4.进行表的管理

*使用Admin类进行HBase表的管理，通过Connection实例的getAdmin()静态方法返回一个Admin实例。

//判断表是否存在
boolean tableExists(TableName);

//遍历HBase中的表定义
HTableDescriptor [] listTables();

//遍历HBase中的表名称
TableName [] listTableNames();

//根据表名获取表定义
HTableDescriptor getTableDescriptor(TableName);

//创建表
void createTable(HTableDescriptor);

//删除表
void deleteTable(TableName);

//启用表
void enableTable(TableName);

//禁用表
void disableTable(TableName);

//判断表是否是启用状态
boolean isTableEnabled(TableName);

//判断表是否是禁用状态
boolean isTableDisabled(TableName);

//为表添加列簇
void addColumn(TableName,HColumnDescriptor);

//删除表中的列簇
void deleteColumn(TableName,byte);

//修改表中的列簇
void modifyColumn(TableName,HColumnDescriptor);

TableName实例用于封装表名称。

HTableDescriptor实例用于封装表定义，包括表的名称、表的列簇等。

HColumnDescriptor实例用于封装表的列簇。

5.对表中的数据进行增删改查

使用Table类进行表数据的增删改查，通过Connection的getTable(TableName)静态方法返回一个Table实例。

//判断指定RowKey的数据是否存在
boolean exists(Get get);

//根据RowKey获取数据
Result get(Get get);

//根据多个RowKey获取数据
Result [] get(List<Get>);

//获取表的扫描器
ResultScanner getScanner(Scan);

//添加数据
void put(Put);

//批量添加数据
void put(List<Put>);

//删除数据
void delete(Delete);

//批量删除数据
void delete(List<Delete>)

使用Get实例封装查询参数，使用其构建方法设置RowKey。

使用Put实例封装新增和更新参数，使用其构建方法设置RowKey，使用其addColumn(byte[] family , byte[] qualifier , byte[] value)方法分别指定列簇、列名、列值。

使用Delete实例封装删除参数，使用其构建方法设置RowKey。

使用Scan实例封装扫描器的查询条件，使用其addFamily(byte[] family)方法设置扫描的列簇，使用其addColumn(byte[] family , byte[] qualifier)方法分别指定要扫描的列簇和列名。

*在进行表的增删改查时，方法参数大多都是字节数组类型，可以使用HBase Java提供的Bytes工具类进行字符串和字节数组之间的转换。

*在进行查询操作时，会返回Result实例，Result实例包含了一个RowKey的所有键值对（cell，不区分列簇），可以通过Result实例的listCells()方法获取其包含的所有cell，借助CellUtil工具类获取Cell实例中对应的RowKey、Family、Qualifier、Value等属性信息。

*在使用getScanner扫描时，返回的ResultScanner接口继承Iterable接口，其泛型是Result，因此可以理解成ResultScanner是Result的一个集合。

6.完整的HBaseUtil

/**
 * @Auther: ZHUANGHAOTANG
 * @Date: 2018/11/26 11:40
 * @Description:
 */
public class HBaseUtils {

    private static final Logger logger = LoggerFactory.getLogger(HBaseUtils.class);

    /**
     * ZK集群地址
     */
    private static final String ZK_CLUSTER_HOSTS = "192.168.1.80,192.168.1.81,192.168.1.82";

    /**
     * ZK端口
     */
    private static final String ZK_CLUSTER_PORT = "2181";

    /**
     * HBase全局连接
     */
    private static Connection connection;

    static {
        //默认加载classpath下hbase-site.xml文件
        Configuration configuration = HBaseConfiguration.create();
        configuration.set("hbase.zookeeper.quorum", ZK_CLUSTER_HOSTS);
        configuration.set("hbase.zookeeper.property.clientPort", ZK_CLUSTER_PORT);
        try {
            connection = ConnectionFactory.createConnection(configuration);
        } catch (Exception e) {
            logger.info("初始化HBase连接失败：", e);
        }
    }

    /**
     * 返回连接
     */
    public static Connection getConnection() {
        return connection;
    }

    /**
     * 创建表
     */
    public static void createTable(String tableName, String... families) throws Exception {
        Admin admin = connection.getAdmin();
        if (admin.tableExists(TableName.valueOf(tableName))) {
            throw new UnsupportedOperationException("tableName " + tableName + " is already exists");
        }
        HTableDescriptor descriptor = new HTableDescriptor(TableName.valueOf(tableName));
        for (String family : families)
            descriptor.addFamily(new HColumnDescriptor(family));
        admin.createTable(descriptor);
    }

    /**
     * 删除表
     */
    public static void deleteTable(String tableName) throws Exception {
        Admin admin = connection.getAdmin();
        if (admin.tableExists(TableName.valueOf(tableName))) {
            admin.disableTable(TableName.valueOf(tableName));
            admin.deleteTable(TableName.valueOf(tableName));
        }
    }

    /**
     * 获取所有表名称
     */
    public static TableName[] getTableNameList() throws Exception {
        Admin admin = connection.getAdmin();
        return admin.listTableNames();
    }

    /**
     * 获取所有表定义
     */
    public static HTableDescriptor[] getTableDescriptorList() throws Exception {
        Admin admin = connection.getAdmin();
        return admin.listTables();
    }

    /**
     * 为表添加列簇
     */
    public static void addFamily(String tableName, String family) throws Exception {
        Admin admin = connection.getAdmin();
        if (!admin.tableExists(TableName.valueOf(tableName))) {
            throw new UnsupportedOperationException("tableName " + tableName + " is not exists");
        }
        admin.addColumn(TableName.valueOf(tableName), new HColumnDescriptor(family));
    }

    /**
     * 删除表中指定的列簇
     */
    public static void deleteFamily(String tableName, String family) throws Exception {
        Admin admin = connection.getAdmin();
        admin.deleteColumn(TableName.valueOf(tableName), Bytes.toBytes(family));
    }

    /**
     * 为表添加一条数据
     */
    public static void put(String tableName, String rowKey, String family, Map<String, String> values) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        Put put = new Put(Bytes.toBytes(rowKey));
        for (Map.Entry<String, String> entry : values.entrySet())
            put.addColumn(Bytes.toBytes(family), Bytes.toBytes(entry.getKey()), Bytes.toBytes(entry.getValue()));
        table.put(put);
    }

    /**
     * 批量为表添加数据
     */
    public static void batchPut(String tableName, String family, Map<String, Map<String, String>> values) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        List<Put> puts = new ArrayList<>();
        for (Map.Entry<String, Map<String, String>> entry : values.entrySet()) {
            Put put = new Put(Bytes.toBytes(entry.getKey()));
            for (Map.Entry<String, String> subEntry : entry.getValue().entrySet())
                put.addColumn(Bytes.toBytes(family), Bytes.toBytes(subEntry.getKey()), Bytes.toBytes(subEntry.getValue()));
            puts.add(put);
        }
        table.put(puts);
    }

    /**
     * 删除RowKey中的某列
     */
    public static void deleteColumn(String tableName, String rowKey, String family, String qualifier) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        Delete delete = new Delete(Bytes.toBytes(rowKey));
        delete.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
        table.delete(delete);
    }

    /**
     * 删除RowKey
     */
    public static void delete(String tableName, String rowKey) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        table.delete(new Delete(Bytes.toBytes(rowKey)));
    }

    /**
     * 批量删除RowKey
     */
    public static void batchDelete(String tableName, String... rowKeys) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        List<Delete> deletes = new ArrayList<>();
        for (String rowKey : rowKeys)
            deletes.add(new Delete(Bytes.toBytes(rowKey)));
        table.delete(deletes);
    }

    /**
     * 根据RowKey获取数据
     */
    public static Map<String, String> get(String tableName, String rowKey) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        Result result = table.get(new Get(Bytes.toBytes(rowKey)));
        List<Cell> cells = result.listCells();
        Map<String, String> cellsMap = new HashMap<>();
        for (Cell cell : cells) {
            cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));
        }
        return cellsMap;
    }

    /**
     * 获取全表数据
     */
    public static Map<String, Map<String, String>> scan(String tableName) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        ResultScanner resultScanner = table.getScanner(new Scan());
        return getResult(resultScanner);
    }

    /**
     * 获取某列数据
     */
    public static Map<String, Map<String, String>> scan(String tableName, String family, String qualifier) throws Exception {
        Table table = connection.getTable(TableName.valueOf(tableName));
        Scan scan = new Scan();
        scan.addColumn(Bytes.toBytes(family), Bytes.toBytes(qualifier));
        ResultScanner resultScanner = table.getScanner(scan);
        return getResult(resultScanner);
    }

    private static Map<String, Map<String, String>> getResult(ResultScanner resultScanner) {
        Map<String, Map<String, String>> resultMap = new HashMap<>();
        for (Result result : resultScanner) {
            List<Cell> cells = result.listCells();
            Map<String, String> cellsMap = new HashMap<>();
            for (Cell cell : cells)
                cellsMap.put(Bytes.toString(CellUtil.cloneQualifier(cell)), Bytes.toString(CellUtil.cloneValue(cell)));
            resultMap.put(Bytes.toString(result.getRow()), cellsMap);
        }
        return resultMap;
    }

}