使用HABSE之前,要先安装一个zookeeper
zookeeper是干嘛的呢
Zookeeper的作用
1.可以为客户端管理少量的数据kv
key:是以路径的形式表示的,那就意味着,各key之间有父子关系,比如
/ 是顶层key
用户建的key只能在/ 下作为子节点,比如建一个key: /aa 这个key可以带value数据
也可以建一个key: /bb
也可以建key: /aa/xx
2.可以为客户端监听指定数据节点的状态,并在数据节点发生变化是,通知客户端
Zookeeper 安装步骤
把包上传linux后解压到apps/
[root@hdp-01 ~]# tar -zxvf zookeeper-3.4.6.tar.gz -C apps/
/root/apps/zookeeper-3.4.6/conf下该配置文件
[root@hdp-01 conf]# cp zoo_sample.cfg zoo.cfg
然后vim zoo.cfg
更改为
dataDir=/root/zkdata
最后添加
server.1=hdp-01:2888:3888
server.2=hdp-02:2888:3888
server.3=hdp-03:2888:3888
server.4=hdp-04:2888:3888
接着,在hdp-01上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为1
接着,在hdp-02上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为2
接着,在hdp-03上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为3
接着,在hdp-04上,新建数据目录/root/zkdata,并在目录重生成一个文件myid,内容为4
然后将zookeeper scp给其他机器
启动
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh start
查看状态
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh status
可以自己写一个脚本进行启动名字叫zkmanage.sh
用的时候后面跟上参数,传入$1.
sh ./zkmanage.sh start
或者关闭的时候
sh ./zkmanager.sh stop
脚本代码如下
- #!/bin/bash
- for host in hdp-01 hdp-02 hdp-03 hdp-04
- do
- echo "${host}:starting...."
- ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh $1"
- done
- sleep 2
- for host in hdp-01 hdp-02 hdp-03 hdp-04
- do
- ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh status"
- done
注意一点,如果有的结点没有启动,一定要看一下是不是这几台机器的时间是不是不对应,如果差别太大是启动不起来的。f**k.
简单补充一点就是,启动之后,这几台机器,有的当leader,有的当follower,只有一个leader,他们谁当leader是根据他们 '投票的形式'的决定的。
只有一个leader
先简单介绍一下HBASE
HBASE是一个数据库----可以提供数据的实时随机读写
他是一个nosql数据库,并不是结构化的,他只能粗略的进行一些查询,像多表之间的连接查询他是很难做到的(至少我这辣鸡不会)。
我也是第一次接触这种nosql,人家的表结构不太一样,就是啥吧,
他有一个行健(类似于主键的东西)
然后剩下的就是你可以定义有几个列族
每个列族里面,
列族里面都是一个一个的key,value值。一对kv,称作一个cell。
每一个value又可以有多个值,并不是一个

l Hbase的表模型与关系型数据库的表模型不同:
l Hbase的表没有固定的字段定义;
l Hbase的表中每行存储的都是一些key-value对
l Hbase的表中有列族的划分,用户可以指定将哪些kv插入哪个列族
l Hbase的表在物理存储上,是按照列族来分割的,不同列族的数据一定存储在不同的文件中
l Hbase的表中的每一行都固定有一个行键,而且每一行的行键在表中不能重复
l Hbase中的数据,包含行键,包含key,包含value,都是byte[ ]类型,hbase不负责为用户维护数据类型
l HBASE对事务的支持很差
Hbase的表数据存储在HDFS文件系统中
HBASE是一个分布式系统
其中有一个管理角色: HMaster(一般2台,一台active,一台backup)
其他的数据节点角色: HRegionServer(很多台,看数据容量)
master用来配置数据储存和任务的分配,
regionserver管理着每一张表的区域数据
Regionserver管理着每一个的文件的范围,Zookeeper用来检测regionserver是否挂掉,master用来控制任务的分发。就是当regionserver挂掉了,如何找人接替他的任务。
HBASE的大体工作机制是这样婶的
客户端怎么知道数据在哪台服务器,他会先查找那个索引表,hbase:meta表
那这个表在哪呢,

在zookeeper里面可以看到这个索引表的信息
这个东西是放到zookeeper里面,先看zookeeper的meta、变所在的regionserver,然后去访问它知道他的信息在哪

然后使用HBASE的话你要先有自己的Hadoop集群,保证hdfs是正常的,还有zookeeper是正常的,就这两点。
安装还是很简单的
解压hbase安装包
修改hbase-env.sh
export JAVA_HOME=/root/apps/jdk1.7.0_67
export HBASE_MANAGES_ZK=false
|
修改hbase-site.xml
<configuration>
<!-- 指定hbase在HDFS上存储的路径 -->
<property>
<name>hbase.rootdir</name>
<value>hdfs://hdp-01:9000/hbase</value>
</property>
<!-- 指定hbase是分布式的 -->
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<!-- 指定zk的地址,多个用“,”分割 -->
<property>
<name>hbase.zookeeper.quorum</name>
<value>hdp-01:2181,hdp-02:2181,hdp-03:2181,hdp-04:2181</value>
</property>
</configuration>
|
修改 regionservers
hdp-01
hdp-02
hdp-03
hdp-04
|
bin/start-hbase.sh
启动完后,还可以在集群中找任意一台机器启动一个备用的master
bin/hbase-daemon.sh start master
新启的这个master会处于backup状态

如果报错了,在这看错误,注意时间错误、
HBASE的对外端口是16010
同时也可以启动一个备用的master,在启动之后,随便在一台机器上,
Bin/hbase-daemon.sh start master
同时也可以试着访问这个页面

这hbase的系统表记录的是数据的索引表,记录哪个范围的数据储存在哪个regionserver
3. 启动hbase的命令行客户端
bin/hbase shell
Hbase> list // 查看表
Hbase> status // 查看集群状态
Hbase> version // 查看集群版本
1.1. HBASE表模型
hbase的表模型跟mysql之类的关系型数据库的表模型差别巨大
hbase的表模型中有:行的概念;但没有字段的概念
行中存的都是key-value对,每行中的key-value对中的key可以是各种各样,每行中的key-value对的数量也可以是各种各样
1.1.1. hbase表模型的要点:
1、一个表,有表名
2、一个表可以分为多个列族(不同列族的数据会存储在不同文件中)
3、表中的每一行有一个“行键rowkey”,而且行键在表中不能重复
4、表中的每一对kv数据称作一个cell
5、hbase可以对数据存储多个历史版本(历史版本数量可配置)
6、整张表由于数据量过大,会被横向切分成若干个region(用rowkey范围标识),不同region的数据也存储在不同文件中
7、hbase会对插入的数据按顺序存储:
要点一:首先会按行键排序
要点二:同一行里面的kv会按列族排序,再按k排序
1.1. hbase命令行客户端操作
1.1.1.1. 建表:
create 't_user_info','base_info','extra_info'
表名 列族名 列族名
1.1.1.2. 插入数据:
hbase(main):011:0> put 't_user_info','001','base_info:username','zhangsan'
0 row(s) in 0.2420 seconds
hbase(main):012:0> put 't_user_info','001','base_info:age','18'
0 row(s) in 0.0140 seconds
hbase(main):013:0> put 't_user_info','001','base_info:sex','female'
0 row(s) in 0.0070 seconds
hbase(main):014:0> put 't_user_info','001','extra_info:career','it'
0 row(s) in 0.0090 seconds
hbase(main):015:0> put 't_user_info','002','extra_info:career','actoress'
0 row(s) in 0.0090 seconds
hbase(main):016:0> put 't_user_info','002','base_info:username','liuyifei'
0 row(s) in 0.0060 seconds
|
1.1.1.3. 查询数据方式一:scan 扫描
hbase(main):017:0> scan 't_user_info'
ROW COLUMN+CELL
001 column=base_info:age, timestamp=1496567924507, value=18
001 column=base_info:sex, timestamp=1496567934669, value=female
001 column=base_info:username, timestamp=1496567889554, value=zhangsan
001 column=extra_info:career, timestamp=1496567963992, value=it
002 column=base_info:username, timestamp=1496568034187, value=liuyifei
002 column=extra_info:career, timestamp=1496568008631, value=actoress
2 row(s) in 0.0420 seconds
|
1.1.1.4. 查询数据方式二:get 单行数据
hbase(main):020:0> get 't_user_info','001'
COLUMN CELL
base_info:age timestamp=1496568160192, value=19
base_info:sex timestamp=1496567934669, value=female
base_info:username timestamp=1496567889554, value=zhangsan
extra_info:career timestamp=1496567963992, value=it
4 row(s) in 0.0770 seconds
|
1.1.1.5. 删除一个kv数据
hbase(main):021:0> delete 't_user_info','001','base_info:sex'
0 row(s) in 0.0390 seconds
|
删除整行数据:
hbase(main):024:0> deleteall 't_user_info','001'
0 row(s) in 0.0090 seconds
hbase(main):025:0> get 't_user_info','001'
COLUMN CELL
0 row(s) in 0.0110 seconds
|
1.1.1.6. 删除整个表:
hbase(main):028:0> disable 't_user_info'
0 row(s) in 2.3640 seconds
hbase(main):029:0> drop 't_user_info'
0 row(s) in 1.2950 seconds
hbase(main):030:0> list
TABLE
0 row(s) in 0.0130 seconds
=> []
|
1.1. Hbase重要特性--排序特性(行键)
插入到hbase中去的数据,hbase会自动排序存储:
排序规则: 首先看行键,然后看列族名,然后看列(key)名; 按字典顺序
Hbase的这个特性跟查询效率有极大的关系
比如:一张用来存储用户信息的表,有名字,户籍,年龄,职业....等信息
然后,在业务系统中经常需要:
查询某个省的所有用户
经常需要查询某个省的指定姓的所有用户
思路:如果能将相同省的用户在hbase的存储文件中连续存储,并且能将相同省中相同姓的用户连续存储,那么,上述两个查询需求的效率就会提高!!!
做法:将查询条件拼到rowkey内
当我们创建一个表之后,按道理说应该是可以在hdfs里面查看到数据的。但是。。。。

这里面没有数据,却能查到,那么数据到底存在哪呢,这些数据会存在内存中,这块内存空间叫做memstore,因为这样会快一点,他会把热数据放到这里面,就是刚刚访问过的数据,他会先放到内存中,但如果这时候宕机了怎么办,数据会丢吗,不会丢,他一方面会写数据,一方面会写日志,放在hdfs的日志目录里

当内存中写满了,就会写到hdfs里
可以试一下,当你停一下,你就会发现hdfs里面就有数据了
布隆过滤器的功能:判断一个数据以前是否出现过
布隆过滤器的原理:把一个数据通过算法转化成只有01的二进制数据,
然后用一个比较大的数组来存,每一个数据的01都存到这个数组里面,注意他们是相互叠加的比如一个数据1位置有1,3位置有1,另一个数据1位置有1,4位置有1,那么加入后就是1位置有1,3位置有1,4位置有1,如果再来一个数据的01,1位置有1,5位置有1,那么可以判断,这个数据是从来没有出现过的,
所以布隆过滤器一个可以判断出没有出现过的数据,
而他判断出出现过的数据却有可能是没出现过的。
他在HBASE的应用啊,比如说,region Server管理的一个表的列族,他的真实存放位置是hdfs,在hdfs的某个目录下。而且他这个列族文件不止一个,比如,当这个列族的数据改变的时候,他会生成一个新的文件,因为他没发修改hdfs里的文件,或者就算不改,列族里有许许多多的key,value,他们也会放在这个目录下的不同文件里面

每个文件都有个布隆过滤器,它是由这个文件kv的二进制值决定,当你要查询一个数据的话,他会先那这个数据的二进制值和某个文件的布隆过滤器比一下,如果匹配了,他就会找这个文件
关于java的一些api
- import java.util.ArrayList;
- import java.util.Iterator;
- import org.apache.hadoop.conf.Configuration;
- import org.apache.hadoop.hbase.Cell;
- import org.apache.hadoop.hbase.CellScanner;
- import org.apache.hadoop.hbase.HBaseConfiguration;
- import org.apache.hadoop.hbase.TableName;
- import org.apache.hadoop.hbase.client.Connection;
- import org.apache.hadoop.hbase.client.ConnectionFactory;
- import org.apache.hadoop.hbase.client.Delete;
- import org.apache.hadoop.hbase.client.Get;
- import org.apache.hadoop.hbase.client.Put;
- import org.apache.hadoop.hbase.client.Result;
- import org.apache.hadoop.hbase.client.ResultScanner;
- import org.apache.hadoop.hbase.client.Scan;
- import org.apache.hadoop.hbase.client.Table;
- import org.apache.hadoop.hbase.util.Bytes;
- import org.junit.Before;
- import org.junit.Test;
- public class HbaseClientDML {
- Connection conn = null;
-
- @Before
- public void getConn() throws Exception{
- // 构建一个连接对象
- Configuration conf = HBaseConfiguration.create(); // 会自动加载hbase-site.xml
- conf.set("hbase.zookeeper.quorum", "hdp-01:2181,hdp-02:2181,hdp-03:2181");
-
- conn = ConnectionFactory.createConnection(conf);
- }
-
-
- /**
- * 增
- * 改:put来覆盖
- * @throws Exception
- */
- @Test
- public void testPut() throws Exception{
-
- // 获取一个操作指定表的table对象,进行DML操作
- Table table = conn.getTable(TableName.valueOf("user_info"));
-
- // 构造要插入的数据为一个Put类型(一个put对象只能对应一个rowkey)的对象
- Put put = new Put(Bytes.toBytes("001"));
- put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"));
- put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("18"));
- put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));
-
-
- Put put2 = new Put(Bytes.toBytes("002"));
- put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("李四"));
- put2.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes("28"));
- put2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("上海"));
-
-
- ArrayList<Put> puts = new ArrayList<>();
- puts.add(put);
- puts.add(put2);
-
-
- // 插进去
- table.put(puts);
-
- table.close();
- conn.close();
-
- }
-
-
- /**
- * 循环插入大量数据
- * @throws Exception
- */
- @Test
- public void testManyPuts() throws Exception{
-
- Table table = conn.getTable(TableName.valueOf("user_info"));
- ArrayList<Put> puts = new ArrayList<>();
-
- for(int i=0;i<100000;i++){
- Put put = new Put(Bytes.toBytes(""+i));
- put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("username"), Bytes.toBytes("张三"+i));
- put.addColumn(Bytes.toBytes("base_info"), Bytes.toBytes("age"), Bytes.toBytes((18+i)+""));
- put.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"), Bytes.toBytes("北京"));
-
- puts.add(put);
- }
-
- table.put(puts);
-
- }
-
- /**
- * 删
- * @throws Exception
- */
- @Test
- public void testDelete() throws Exception{
- Table table = conn.getTable(TableName.valueOf("user_info"));
-
- // 构造一个对象封装要删除的数据信息
- Delete delete1 = new Delete(Bytes.toBytes("001"));
-
- Delete delete2 = new Delete(Bytes.toBytes("002"));
- delete2.addColumn(Bytes.toBytes("extra_info"), Bytes.toBytes("addr"));
-
- ArrayList<Delete> dels = new ArrayList<>();
- dels.add(delete1);
- dels.add(delete2);
-
- table.delete(dels);
-
-
- table.close();
- conn.close();
- }
-
- /**
- * 查
- * @throws Exception
- */
- @Test
- public void testGet() throws Exception{
-
- Table table = conn.getTable(TableName.valueOf("user_info"));
-
- Get get = new Get("001".getBytes());
-
- Result result = table.get(get);
-
- // 从结果中取用户指定的某个key的value
- byte[] value = result.getValue("base_info".getBytes(), "age".getBytes());
- System.out.println(new String(value));
-
- System.out.println("-------------------------");
-
- // 遍历整行结果中的所有kv单元格
- CellScanner cellScanner = result.cellScanner();
- while(cellScanner.advance()){
- Cell cell = cellScanner.current();
-
- byte[] rowArray = cell.getRowArray(); //本kv所属的行键的字节数组
- byte[] familyArray = cell.getFamilyArray(); //列族名的字节数组
- byte[] qualifierArray = cell.getQualifierArray(); //列名的字节数据
- byte[] valueArray = cell.getValueArray(); // value的字节数组
-
- System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));
- System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));
- System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));
- System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));
-
- }
-
- table.close();
- conn.close();
-
- }
-
-
- /**
- * 按行键范围查询数据
- * @throws Exception
- */
- @Test
- public void testScan() throws Exception{
-
- Table table = conn.getTable(TableName.valueOf("user_info"));
-
- // 包含起始行键,不包含结束行键,但是如果真的想查询出末尾的那个行键,那么,可以在末尾行键上拼接一个不可见的字节(\000)
- Scan scan = new Scan("10".getBytes(), "10000\001".getBytes());
-
- ResultScanner scanner = table.getScanner(scan);
-
- Iterator<Result> iterator = scanner.iterator();
-
- while(iterator.hasNext()){
-
- Result result = iterator.next();
- // 遍历整行结果中的所有kv单元格
- CellScanner cellScanner = result.cellScanner();
- while(cellScanner.advance()){
- Cell cell = cellScanner.current();
-
- byte[] rowArray = cell.getRowArray(); //本kv所属的行键的字节数组
- byte[] familyArray = cell.getFamilyArray(); //列族名的字节数组
- byte[] qualifierArray = cell.getQualifierArray(); //列名的字节数据
- byte[] valueArray = cell.getValueArray(); // value的字节数组
-
- System.out.println("行键: "+new String(rowArray,cell.getRowOffset(),cell.getRowLength()));
- System.out.println("列族名: "+new String(familyArray,cell.getFamilyOffset(),cell.getFamilyLength()));
- System.out.println("列名: "+new String(qualifierArray,cell.getQualifierOffset(),cell.getQualifierLength()));
- System.out.println("value: "+new String(valueArray,cell.getValueOffset(),cell.getValueLength()));
- }
- System.out.println("----------------------");
- }
- }
- }