当前位置: 移动技术网 > IT编程>数据库>MongoDB > Hadoop学习(5)-HBASE的安装和命令行操作和java操作

Hadoop学习(5)-HBASE的安装和命令行操作和java操作

2019年07月28日  | 移动技术网IT编程  | 我要评论

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 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.tablename;
import org.apache.hadoop.hbase.client.admin;
import org.apache.hadoop.hbase.client.connection;
import org.apache.hadoop.hbase.client.connectionfactory;
import org.apache.hadoop.hbase.regionserver.bloomtype;
import org.junit.before;
import org.junit.test;


/**
 *  
 *  1、构建连接
 *  2、从连接中取到一个表ddl操作工具admin
 *  3、admin.createtable(表描述对象);
 *  4、admin.disabletable(表名);
    5、admin.deletetable(表名);
    6、admin.modifytable(表名,表描述对象);    
 *  
 * @author hunter.d
 *
 */
public class hbaseclientddl {
    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,hdp-04:2181");
        
        conn = connectionfactory.createconnection(conf);
    }
    
    
    
    /**
     * ddl
     * @throws exception 
     */
    @test
    public void testcreatetable() throws exception{

        // 从连接中构造一个ddl操作器
        admin admin = conn.getadmin();
        
        // 创建一个表定义描述对象
        htabledescriptor htabledescriptor = new htabledescriptor(tablename.valueof("user_info"));
        
        // 创建列族定义描述对象
        hcolumndescriptor hcolumndescriptor_1 = new hcolumndescriptor("base_info");
        hcolumndescriptor_1.setmaxversions(3); // 设置该列族中存储数据的最大版本数,默认是1
        
        hcolumndescriptor hcolumndescriptor_2 = new hcolumndescriptor("extra_info");
        
        // 将列族定义信息对象放入表定义对象中
        htabledescriptor.addfamily(hcolumndescriptor_1);
        htabledescriptor.addfamily(hcolumndescriptor_2);
        
        
        // 用ddl操作器对象:admin 来建表
        admin.createtable(htabledescriptor);
        
        // 关闭连接
        admin.close();
        conn.close();
        
    }
    
    
    /**
     * 删除表
     * @throws exception 
     */
    @test
    public void testdroptable() throws exception{
        
        admin admin = conn.getadmin();
        
        // 停用表
        admin.disabletable(tablename.valueof("user_info"));
        // 删除表
        admin.deletetable(tablename.valueof("user_info"));
        
        
        admin.close();
        conn.close();
    }
    
    // 修改表定义--添加一个列族
    @test
    public void testaltertable() throws exception{
        
        admin admin = conn.getadmin();
        
        // 取出旧的表定义信息
        htabledescriptor tabledescriptor = admin.gettabledescriptor(tablename.valueof("user_info"));
        
        
        // 新构造一个列族定义
        hcolumndescriptor hcolumndescriptor = new hcolumndescriptor("other_info");
        hcolumndescriptor.setbloomfiltertype(bloomtype.rowcol); // 设置该列族的布隆过滤器类型
        
        // 将列族定义添加到表定义对象中
        tabledescriptor.addfamily(hcolumndescriptor);
        
        
        // 将修改过的表定义交给admin去提交
        admin.modifytable(tablename.valueof("user_info"), tabledescriptor);
        
        
        admin.close();
        conn.close();
        
    }
    
    
    /**
     * dml -- 数据的增删改查
     */
    
    

}

 

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("----------------------");
        }
    }

}

 

 

 

 

 

 

如对本文有疑问, 点击进行留言回复!!

相关文章:

验证码:
移动技术网