大数据入门第十四天——Hbase详解（三）hbase基本原理与MR操作Hbase

一、基本原理

　　1.hbase的位置

　　上图描述了Hadoop 2.0生态系统中的各层结构。其中HBase位于结构化存储层，HDFS为HBase提供了高可靠性的底层存储支持， MapReduce为HBase提供了高性能的批处理能力，Zookeeper为HBase提供了稳定服务和failover机制，Pig和Hive为HBase提供了进行数据统计处理的高层语言支持，Sqoop则为HBase提供了便捷的RDBMS数据导入功能，使业务数据从传统数据库向HBase迁移变的非常方便。

　　2.体系图

　　体系图中各个组件的含义，参考：http://blog.csdn.net/carl810224/article/details/51970039/

　　　　　　　　　　　　　　　　　　https://www.cnblogs.com/qiaoyihang/p/6246424.html

　　3.基本流程　

　　1. 写流程

　　　　1、 client向hregionserver发送写请求。

　　　　2、 hregionserver将数据写到hlog（write ahead log）。为了数据的持久化和恢复。

　　　　3、 hregionserver将数据写到内存（memstore）

　　　　4、反馈client写成功。

　　2. 数据flush过程

　　　　1、当memstore数据达到阈值（老版本默认是64M），将数据刷到硬盘，将内存中的数据删除，同时删除Hlog中的历史数据。

　　　　2、并将数据存储到hdfs中。

　　　　3、在hlog中做标记点。

　　3. 数据合并过程

　　　　1、当数据块达到4块，hmaster将数据块加载到本地，进行合并

　　　　2、当合并的数据超过256M，进行拆分，将拆分后的region分配给不同的hregionserver管理

　　　　3、当hregionser宕机后，将hregionserver上的hlog拆分，然后分配给不同的hregionserver加载，修改.META.

　　　　4、注意：hlog会同步到hdfs

　　4. hbase的读流程

　　　　1、通过zookeeper和-ROOT- .META.表定位hregionserver。

　　　　2、数据从内存和硬盘合并后返回给client

　　　　3、数据块会缓存

二、MR操作

　　 1.实现方法　

　　　　Hbase对MapReduce提供支持，它实现了TableMapper类和TableReducer类，我们只需要继承这两个类即可。

　　2.准备相关表　　

　　　　1、建立数据来源表‘word’，包含一个列族‘content’

　　　　　　向表中添加数据，在列族中放入列‘info’，并将短文数据放入该列中，如此插入多行，行键为不同的数据即可

　　　　2、建立输出表‘stat’，包含一个列族‘content’

　　　　3、通过Mr操作Hbase的‘word’表，对‘content：info’中的短文做词频统计，并将统计结果写入‘stat’表的‘content：info中’，行键为单词

　　3.实现代码

package com.itcast.hbase;

import java.io.IOException;

import java.util.ArrayList;

import java.util.List;

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.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.Scan;

import org.apache.hadoop.hbase.io.ImmutableBytesWritable;

import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;

import org.apache.hadoop.hbase.mapreduce.TableMapper;

import org.apache.hadoop.hbase.mapreduce.TableReducer;

import org.apache.hadoop.hbase.util.Bytes;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Job;

/**

 * mapreduce操作hbase

 * @author wilson

 *

 */

public class HBaseMr {

    /**

     * 创建hbase配置

     */

    static Configuration config = null;

    static {

        config = HBaseConfiguration.create();

        config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");

        config.set("hbase.zookeeper.property.clientPort", "2181");

    }

    /**

     * 表信息

     */

    public static final String tableName = "word";//表名1

    public static final String colf = "content";//列族

    public static final String col = "info";//列

    public static final String tableName2 = "stat";//表名2

    /**

     * 初始化表结构，及其数据

     */

    public static void initTB() {

        HTable table=null;

        HBaseAdmin admin=null;

        try {

            admin = new HBaseAdmin(config);//创建表管理

            /*删除表*/

            if (admin.tableExists(tableName)||admin.tableExists(tableName2)) {

                System.out.println("table is already exists!");

                admin.disableTable(tableName);

                admin.deleteTable(tableName);

                admin.disableTable(tableName2);

                admin.deleteTable(tableName2);

            }

            /*创建表*/

                HTableDescriptor desc = new HTableDescriptor(tableName);

                HColumnDescriptor family = new HColumnDescriptor(colf);

                desc.addFamily(family);

                admin.createTable(desc);

                HTableDescriptor desc2 = new HTableDescriptor(tableName2);

                HColumnDescriptor family2 = new HColumnDescriptor(colf);

                desc2.addFamily(family2);

                admin.createTable(desc2);

            /*插入数据*/

                table = new HTable(config,tableName);

                table.setAutoFlush(false);

                table.setWriteBufferSize(5);

                List<Put> lp = new ArrayList<Put>();

                Put p1 = new Put(Bytes.toBytes("1"));

                p1.add(colf.getBytes(), col.getBytes(),    ("The Apache Hadoop software library is a framework").getBytes());

                lp.add(p1);

                Put p2 = new Put(Bytes.toBytes("2"));p2.add(colf.getBytes(),col.getBytes(),("The common utilities that support the other Hadoop modules").getBytes());

                lp.add(p2);

                Put p3 = new Put(Bytes.toBytes("3"));

                p3.add(colf.getBytes(), col.getBytes(),("Hadoop by reading the documentation").getBytes());

                lp.add(p3);

                Put p4 = new Put(Bytes.toBytes("4"));

                p4.add(colf.getBytes(), col.getBytes(),("Hadoop from the release page").getBytes());

                lp.add(p4);

                Put p5 = new Put(Bytes.toBytes("5"));

                p5.add(colf.getBytes(), col.getBytes(),("Hadoop on the mailing list").getBytes());

                lp.add(p5);

                table.put(lp);

                table.flushCommits();

                lp.clear();

        } catch (Exception e) {

            e.printStackTrace();

        } finally {

            try {

                if(table!=null){

                    table.close();

                }

            } catch (IOException e) {

                e.printStackTrace();

            }

        }

    }

    /**

     * MyMapper 继承 TableMapper

     * TableMapper<Text,IntWritable>

     * Text:输出的key类型，

     * IntWritable：输出的value类型

     */

    public static class MyMapper extends TableMapper<Text, IntWritable> {

        private static IntWritable one = new IntWritable(1);

        private static Text word = new Text();

        @Override

        //输入的类型为：key：rowKey； value：一行数据的结果集Result

        protected void map(ImmutableBytesWritable key, Result value,

                Context context) throws IOException, InterruptedException {

            //获取一行数据中的colf：col

            String words = Bytes.toString(value.getValue(Bytes.toBytes(colf), Bytes.toBytes(col)));// 表里面只有一个列族，所以我就直接获取每一行的值

            //按空格分割

            String itr[] = words.toString().split(" ");

            //循环输出word和1

            for (int i = 0; i < itr.length; i++) {

                word.set(itr[i]);

                context.write(word, one);

            }

        }

    }

    /**

     * MyReducer 继承 TableReducer

     * TableReducer<Text,IntWritable>

     * Text:输入的key类型，

     * IntWritable：输入的value类型，

     * ImmutableBytesWritable：输出类型，表示rowkey的类型

     */

    public static class MyReducer extends

            TableReducer<Text, IntWritable, ImmutableBytesWritable> {

        @Override

        protected void reduce(Text key, Iterable<IntWritable> values,

                Context context) throws IOException, InterruptedException {

            //对mapper的数据求和

            int sum = 0;

            for (IntWritable val : values) {//叠加

                sum += val.get();

            }

            // 创建put，设置rowkey为单词

            Put put = new Put(Bytes.toBytes(key.toString()));

            // 封装数据

            put.add(Bytes.toBytes(colf), Bytes.toBytes(col),Bytes.toBytes(String.valueOf(sum)));

            //写到hbase,需要指定rowkey、put

            context.write(new ImmutableBytesWritable(Bytes.toBytes(key.toString())),put);

        }

    }

    public static void main(String[] args) throws IOException,

            ClassNotFoundException, InterruptedException {

        config.set("df.default.name", "hdfs://master:9000/");//设置hdfs的默认路径

        config.set("hadoop.job.ugi", "hadoop,hadoop");//用户名，组

        config.set("mapred.job.tracker", "master:9001");//设置jobtracker在哪

        //初始化表

        initTB();//初始化表

        //创建job

        Job job = new Job(config, "HBaseMr");//job

        job.setJarByClass(HBaseMr.class);//主类

        //创建scan

        Scan scan = new Scan();

        //可以指定查询某一列

        scan.addColumn(Bytes.toBytes(colf), Bytes.toBytes(col));

        //创建查询hbase的mapper，设置表名、scan、mapper类、mapper的输出key、mapper的输出value

        TableMapReduceUtil.initTableMapperJob(tableName, scan, MyMapper.class,Text.class, IntWritable.class, job);

        //创建写入hbase的reducer，指定表名、reducer类、job

        TableMapReduceUtil.initTableReducerJob(tableName2, MyReducer.class, job);

        System.exit(job.waitForCompletion(true) ? 0 : 1);

    }

}