Hadoop学习之HBase入门

    xiaoxiao2025-07-31  4

    Hadoop学习之HBase入门

    HBase是Apache Hadoop的子项目,HBase的最基本存储基础单元是HDFS,并通过使用Hadoop的FDS工具可以查看这些数据以及结构,还可以通过Map/Reduce或者Yarn(算法)对HBase进行操作。

    1.HBase安装2.HBase存储的基本结构3.HBase的常用命令4.HBase的优化5.HBase的压力分载与失效转发

    HBase的安装

    本文对于HBase的安装是在Centos-7下进行。

    官网下载HBase稳定安装包解压安装包,并配置hbase-site.xml文件如下: <configuration> <property> <name>hbase.rootdir</name> <value>file:///home/testuser/hbase</value> </property> <property> <name>hbase.zookeeper.property.dataDir</name> <value>/home/testuser/zookeeper</value> </property> </configuration>启动bin/start-hbase.sh 连接hbase,命令bin/hbase shell。安装成功

    HBase存储的基本结构

    在HBase中创建的一张表可以分布在多个Hregion上,每个Hregion可以保存一张表中某段连续的数据,用户创建的大表中的Hregion块是由Hregion服务器提供维护,访问Hregion块需要通过Hregion服务器,一个Hregion块对应一个Hregion服务器。Hregion在物理上可以分为Hmemcache(缓存)、Hlog(日志)、HStore(持久层)。 1. HRegionServer、HRegion、Hmemcache、Hlog、HStore之间的关系,如图所示:

    HBase表中的数据与HRegionServer的分布关系,如图所示:

    HBase读写数据: HBase读数据优先读取Hmemcache里的内容,如果未读取到再去取HStore里的数据,从而提高数据读取性能。 HBase写数据首先写到Hmemcache和Hlog中,Hmemcache存放缓存,Hlog同步Hmemcache与HStore的事务日志,发起Flush Cache,数据持久化到HStore中,并清空Hmemcache。

    可以把HBase的数据结构看成一个key/value的体系,HBase的区域是由表名与行界定。在HBase区域每一个“列簇”都有一个HStore的对象管理,每一个HStore由一个或多个MapFiles组成。HBase将Table水平方向分成N个Region,Region按column family分成Store,每个Store包括内存是的memstore和持久化到disk上的HFile.

    HBase的常用命令

    进入hbase shell console $HBASE_HOME/bin/hbase shell 如果有kerberos认证,需要事先使用相应的keytab进行一下认证(使用kinit命令),认证成功之后再使用hbase shell进入可以使用whoami命令可查看当前用户 hbase(main)> whoami

    表的管理

    查看有哪些表 hbase(main)> list

    创建表 语法:create <table>, {NAME => , VERSIONS => <VERSIONS>} 例如:创建表t1,有两个family name:f1,f2,且版本数均为2 hbase(main)> create ‘t1’,{NAME => ‘f1’, VERSIONS => 2},{NAME => ‘f2’, VERSIONS => 2}

    删除表 分两步:首先disable,然后drop 例如:删除表t1 hbase(main)> disable ‘t1’ hbase(main)> drop ‘t1’

    查看表的结构 语法:describe <table> 例如:查看表t1的结构 hbase(main)> describe ‘t1’

    修改表结构 修改表结构必须先disable 语法:alter ‘t1’, {NAME => ‘f1’}, {NAME => ‘f2’, METHOD => ‘delete’} 例如:修改表test1的cf的TTL为180天 hbase(main)> disable ‘test1’ hbase(main)> alter ‘test1’,{NAME=>’body’,TTL=>’15552000’},{NAME=>’meta’, TTL=>’15552000’} hbase(main)> enable ‘test1’

    权限管理 分配权限 语法 : grant <user> <permissions> <table> <column family> <column qualifier> 参数后面用逗号分隔 权限用五个字母表示: “RWXCA”. READ(‘R’), WRITE(‘W’), EXEC(‘X’), CREATE(‘C’), ADMIN(‘A’) 例如,给用户‘test’分配对表t1有读写的权限, hbase(main)> grant ‘test’,’RW’,’t1’查看权限 语法:user_permission 例如,查看表t1的权限列表 hbase(main)> user_permission ‘t1’ 收回权限 与分配权限类似,语法:revoke <user> <table> <column family> <column qualifier> 例如,收回test用户在表t1上的权限 hbase(main)> revoke ‘test’,’t1’表数据的增删改查 添加数据 语法:put <table>,<rowkey>,<family:column>,<value>,<timestamp> 例如:给表t1的添加一行记录:rowkey是rowkey001,family name:f1,column name:col1,value:value01,timestamp:系统默认 hbase(main)> put ‘t1’,’rowkey001’,’f1:col1’,’value01’ 用法比较单一。查询数据 a)查询某行记录 语法:get <table>,<rowkey>,[<family:column>,….] 例如:查询表t1,rowkey001中的f1下的col1的值 hbase(main)> get ‘t1’,’rowkey001’, ‘f1:col1’ 或者: hbase(main)> get ‘t1’,’rowkey001’, {COLUMN=>’f1:col1’} 查询表t1,rowke002中的f1下的所有列值 hbase(main)> get ‘t1’,’rowkey001’ b)扫描表 语法:scan , {COLUMNS => [ ,…. ], LIMIT => num} 另外,还可以添加STARTROW、TIMERANGE和FITLER等高级功能 例如:扫描表t1的前5条数据 hbase(main)> scan ‘t1’,{LIMIT=>5} c)查询表中的数据行数 语法:count , {INTERVAL => intervalNum, CACHE => cacheNum} INTERVAL设置多少行显示一次及对应的rowkey,默认1000;CACHE每次去取的缓存区大小,默认是10,调整该参数可提高查询速度 例如,查询表t1中的行数,每100条显示一次,缓存区为500 hbase(main)> count ‘t1’, {INTERVAL => 100, CACHE => 500} 删除数据 a )删除行中的某个列值 语法:delete <table>, <rowkey>, <family:column> , <timestamp>,必须指定列名 例如:删除表t1,rowkey001中的f1:col1的数据 hbase(main)> delete ‘t1’,’rowkey001’,’f1:col1’ 注:将删除改行f1:col1列所有版本的数据 b )删除行 语法:deleteall <table>, <rowkey>, <family:column> , <timestamp>,可以不指定列名,删除整行数据 例如:删除表t1,rowk001的数据 hbase(main)> deleteall ‘t1’,’rowkey001’ c)删除表中的所有数据 语法: truncate <table> 其具体过程是:disable table -> drop table -> create table 例如:删除表t1的所有数据 hbase(main)> truncate ‘t1’Region管理 移动region 语法:move ‘encodeRegionName’, ‘ServerName’ encodeRegionName指的regioName后面的编码,ServerName指的是master-status的Region Servers列表 示例 hbase(main)>move ‘4343995a58be8e5bbc739af1e91cd72d’, ‘db-41.xxx.xxx.org,60020,1390274516739’开启/关闭region 语法:balance_switch true|false hbase(main)> balance_switch手动split 语法:split ‘regionName’, ‘splitKey’手动触发major compaction 语法: Compact all regions in a table: hbase> major_compact ‘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’配置管理及节点重启 修改hdfs配置 hdfs配置位置:/etc/hadoop/conf 同步hdfs配置 cat /home/hadoop/slaves|xargs -i -t scp /etc/hadoop/conf/hdfs-site.xml hadoop@{}:/etc/hadoop/conf/hdfs-site.xml 关闭: cat /home/hadoop/slaves|xargs -i -t ssh hadoop@{} “sudo /home/hadoop/cdh4/hadoop-2.0.0-cdh4.2.1/sbin/hadoop-daemon.sh –config /etc/hadoop/conf stop datanode” 启动: cat /home/hadoop/slaves|xargs -i -t ssh hadoop@{} “sudo /home/hadoop/cdh4/hadoop-2.0.0-cdh4.2.1/sbin/hadoop-daemon.sh –config /etc/hadoop/conf start datanode”修改hbase配置 hbase配置位置: 同步hbase配置 cat /home/hadoop/hbase/conf/regionservers|xargs -i -t scp /home/hadoop/hbase/conf/hbase-site.xml hadoop@{}:/home/hadoop/hbase/conf/hbase-site.xml graceful重启 cd ~/hbase bin/graceful_stop.sh –restart –reload –debug inspurXXX.xxx.xxx.org

    HBase压力分载与失效转发

    先来看一下一些组件的解释吧 HBaseMaster HBaseMaster负责给HRegionServer分配区域,并且对集群环境中的HRegionServer进行负载均衡,HBaseMaster还负责监控集群中的HRegionServer的运行状况,如果某一台HRegionServer down机,HBaseMaster还将会把不可用的HRegionServer 来提供服务的HLog和表进行重新分配转交给其他HRegionServer来提供,HBaseMaster还负责对数据和表进行管理,处理表结构和表中数据变更,因为在META系统中存储了所有的相关表信息,并且HBaseMaster实现了zookeeper的Watcher接口可以和zookeeper交互。 HRegionServer HRegionServer负责处理用户读和写的操作,HRegionServer通过与HBaseMaster通信获取自己需要服务的数据表,并向HBaseMaster反馈自己的状况。当一个写的请求到来的时候,它首先会写到一个叫做HLog的write-ahead log中,HLog被缓存在内存中,被称为Memcache,每一个HStore只能有一个Memcache,当Memcache到达配置的大小后,将会创建一个MapFile,将其写到磁盘中。这将减少HRegionServer的内存压力,当一起读取的请求到来的时候,HRegionServer会现在Memcache中找数据,当找不到的时候才会去MapFile找。 HBase Client HBase Client负责寻找提供需求数据的HRegionServer,在这个过程中,HBase Client首先将和HBaseMaster通信,找到ROOT区域,这个操作是HBase Client与HBaseMaster仅有的通信操作。当定位到提供数据的HReginServer以后,Client就可以通过这个HReginServer找到需要的数据了。这些信息将会被Client缓存起来,当下次请求的时候,就不需要走上面的这个流程了。 HBase服务接口 HBase Thrift Server和HBase REST Server是通过非Java程序对HBase进行访问的一种途径。

    HBase集群环境中HBaseMaster只有失效转发没有压力分载的功能,而HRegionServer既有失效转发也有压力分载的功能。虽然说在整个集群环境中只有一个HBaseMaster,但是在集群环境中可以启动多个HBaseMaster,但是真正用到的只有一个HBaseMaster Server,它不down掉的情况下,其他HBaseMaster并不会工作,直到zookeeper服务器判断与当前运行的HBaseMaster通讯超时,认为这台HBaseMaster down掉了,zookeeper才会去连接下一台HBaseMaster。 简单来说,如果运行中的HBaseMaster服务器down掉,那么zookeeper会从列表中选择下一个HBaseMaster服务器进行访问,让它接管down掉的HBaseMaster的任务,换言之,用Java客户端对HBase进行操作是通过zookeeper的,也就是说zookeeper的节点全挂掉了,那么HBase集群也挂了,HBase本身不存储任何数据,真正的数据是保存在HDFS上,HDFS文件系统挂了,HBase也挂。

    转载请注明原文地址: https://ju.6miu.com/read-1301252.html
    最新回复(0)