HBase从入门到放弃
先放入一张HBase架构整理镇楼
HBase解决了什么问题：
1）HBase主要解决在Hdfs上可以随机读写的问题
2）Hive只能查询，不能随机读写
一、HBase依赖于Zookeeper和HDFS
1）Zookeeper
HBase通过Zookeeper来做master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护等工作。具体工作如下：
通过Zoopkeeper来保证集群中只有1个master在运行，如果master异常，会通过竞争机制产生新的master提供服务
通过Zoopkeeper来监控RegionServer的状态，当RegionSevrer有异常的时候，通过回调的形式通知Master RegionServer上下线的信息
通过Zoopkeeper存储元数据的统一入口地址
2）HDFS
HDFS为Hbase提供最终的底层数据存储服务，同时为HBase提供高可用（Hlog存储在HDFS）的支持，具体功能概括如下：
提供元数据和表数据的底层分布式存储服务
数据多副本，保证的高可靠和高可用性
二、HBase中的角色
1.3.1 HMaster
功能
1．监控RegionServer
2．处理RegionServer故障转移
3．处理元数据的变更
4．处理region的分配或转移
5．在空闲时间进行数据的负载均衡
6．通过Zookeeper发布自己的位置给客户端
1.3.2 RegionServer
功能
1、HregionServer直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：
2、管理master为其分配的Region
3、处理来自客户端的读写请求
4、负责和底层HDFS的交互，存储数据到HDFS
5、负责Region变大以后的拆分
6、负责Storefile的合并工作
1.2.3相关名词
1. Hlog：写数据时会先把操作写到Hlog，可以数据恢复，如果某一台RegionServer宕机了，Hmaster通过Hlog的备份，把这台RegionServer的表负载到不同的RegionServer上
2. 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，在一个RegionServer中可以有多个不同的region。
3. Store：HFile存储在Store中，一个Store对应HBase表中的一个列族。
4. MemStore：读缓存
5. BlockCache：写缓存
5. HFile：这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile是以Hfile的形式存储在HDFS的。
三、HBase表的数据结构
一、rowkey每张表的唯一主键
RowKey是用来检索的主键
二、column family列族
Hbase表中的每个列，都归属于某个列族，列族是表schema的一部分（而列不是）,必须在使用表之前定义，列名都以列族为前缀。例如：courses：history，courses：math；都属于course这个列族
三、Cell单元格
Hbase中通过rowkey和columns确定的一个存储单元称为cell，每个cell保存着同一份数据的多个版本。版本通过时间戳来索引，cell中的数据是没有类型的，全都是字节码形式存储
关键字：无类型，字节码
四、TimeStamp时间戳
Hbase中通过rowkey和columns确定的一个存储单元称为cell，每个cell保存着同一份数据的多个版本。版本通过时间戳来索引
四、HBase的读写流程
① HBase的读数据流程：
1) Client向Zookeeper发送请求，得到meta表所在位置（如regionServer hadoop102）
2) Client获取mate表数据
3) 读取的rowKey所在的regionServer，先读取缓存，缓存没有读取磁盘
4) 返回读取到数据
② Hbase写数据流程
1) Client向Zookeeper发送请求，得到meta表所在位置（如regionServer hadoop102）
2) Client获取mate表数据，得到要写到哪个region
3) 先写数据到Hlog（为了数据的恢复）
4) 在写到内存，当内存足够大会溢写到HDFS，溢写文件数量超过三个时，合并文件
③ 数据flush过程
1）当MemStore数据达到阈值（默认是128M，老版本是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。
④ 数据合并过程
1）当数据块拆过三块，Hmaster触发合并操作，Region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HregionServer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。
五、HBase rowkey设计和预分区
Rowkey设计原则：
· 唯一性
· 散列（避免热点）
· 长度
为了<散列>我们引入了预分区：
· HBase默认建表时有一个region，这个region的rowkey是没有边界的，即没有startkey和endkey，在数据写入时，所有数据都会写入这个默认的region，随着数据量的不断增加，此region已经不能承受不断增长的数据量，会进行split，分成2个region。在此过程中，会产生两个问题：
1. 数据往一个region上写,会有写热点问题。
2. region split会消耗宝贵的集群I/O资源。
· 基于此我们可以控制在建表的时候，创建多个空region，并确定每个region的起始和终止rowky，这样只要我们的rowkey设计能均匀的命中各个region，就不会存在写热点问题。自然split的几率也会大大降低。当然随着数据量的不断增长，该split的还是要进行split。像这样预先创建hbase表分区的方式，称之为预分区；
六、Hbase API
1、HbaseAdmin admin = connection.getAdmin( )，获取admin对象
admin：做DDL（数据库定义语言），对命名空间，表，列族的 创建、修改、删除操作
①查看表是否存在：admin.tableExists(tableName)
②创建表：descript对象
HTableDescriptor descriptor = new HTabelDescriptor(TableName.valueOf(tableName)); //创建HTableDescriptor（表描述）对象
descriptor.addFamily(new HColumnDescriptor(columnFamily1)); //表描述 添加 列描述
admin.createTabel(descriptor); //根据描述创建表
③删除表: admin.deleteTbale(tableName);
2、HTable table = connection.getTable( )，获取table对象
table：做DML（数据操纵语言），对数据的增删改查
①插入数据: PUT对象
//根据rowkey创建put对象，Bytes是Utils类中转换字符串为字节数组，因为Hbase存储都是字节数组
Put put = new Put(Bytes.toBytes(rowKey));
put.add(Bytes.toBytes(columnFamily),Bytes.tiBytes(column),Bytes.toBytes(value)); //根据行
table.put(put); //向表中添加数据
table.colse(); //关闭资源，源码中为关闭执行池和关闭连接
②删除数据：delete对象
List deleteList = new ArrayList()；
Delete delete1 = new Delete(Bytes.toBytes(rowkey)); //根据rowkey创建delete对象
deleteList.add(delete1);
table.delete(deleteList); //每次删除一组rowkey对应的数据
③获取所有数据scan对象
Scan scan = new Scan(); //得到用于扫描region的对象
ResultScanner resulteScanner = hTable.getScanner(scan); //扫描所有数据的结果
for(Result result : resultScanner){ //Result是一行数据的结果
Cell[] cells = result.rawRow(); //cell是一个单元格对象
for(Cell cell : cells){
CellUtils.cloneValue; //获取单元格的值
}
}
④获取单行数据get对象
Get get = new Get(Bytes.toBytes(rowkey));
get.setMaxVersions(); //显示最后一个版本
get.setTimeStamp(); //显示指定时间戳的版本
get.addColumn(Bytes.toBytes(column_family),Bytes.toBytes(qualifier)); //指定列族：列
// 遍历数据集
Result result = table.get(get); //获取一行数据
Cell[] cells = result.rawRow(); //获取所有单元格
for(Cell cell : cells){
CellUtils.cloneValue; //获取单元格的值
}
hbase周末小总结
