Hadoop之Hbase架构以及应用介绍

Hbase全称为Hadoop Database，即hbase是hadoop的数据库，是一个分布式的存储系统。Hbase利用Hadoop的HDFS作为其文件存储系统，利用Hadoop的MapReduce来处理Hbase中的海量数据。利用zookeeper作为其协调工具。 
本篇文章将重点介绍Hbase三个方面的内容：Hbase体系结构（架构）的介绍、Hbase shell的操作、Hbase的Java api的客户端操作。 

一、Hbase的架构介绍 

 
Hbase的体系结构是一个主从式的结构，主节点Hmaster在整个集群当中只有一个在运行，从节点HRegionServer有很 多个在运行，主节点Hmaster与从节点HRegionServer实际上指的是不同的物理机器，即有一个机器上面跑的进程是Hmaster，很多机器上面跑的进程是HRegionServer，Hmaster没有单点问题，Hbase集群当中可以启动多个Hmaster，但是通过zookeeper的事件处理机制保证整个集群当中只有一个Hmaster在运行。 
既然Hbase是数据库，那么数据库从根本上来说就是存储表table的，但是我们在这里必须注意一下，Hbase并非是传统的关系型数据库(例如：MySQL、Oracle)，而是非关系型数据库，因为Hbase是一个面向列的分布式存储系统。下面我们有必要介绍一下Hbase中表table的数据模型，先给大家呈现一个hbase数据库的表users： 
 

特别注意：表中的空白单元并不表示有这个单元存在，在传统的数据库中，空白单元表示该单元存在其值为空(null,这是因为传统数据库总是结构化的)。但在Hbase中，画成二维表只是在逻辑上便于理解，其本质完全是非结构化的。 

我在下面举例子的过程中用的也是这张users表。 

上面这个表就是一个典型的hbase table，与传统的关系型数据库具有很大的差别，下面我们详细介绍有关table的相关概念： 

RowKey(行健)：table的主键，table中的记录默认按照RowKey升序排序。 
列族(Column Family):即表中的address、info。table在水平方向上有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column(例如address中的province、city、country、town)组成，即列族支持动态扩展，无需预先定义Column的数量以及类型，所有Column均已二进制格式进行存储，用户需要自行进行类型转换。 
TimeStamp(时间戳)：每次用户对数据进行操作对应的时间，可以看做是数据的Version number。例如在上面的表中，xiaoming所对应的company有两个数据信息(alibaba、baidu)，而这两个单元格信息实际上是对应操作时间的，如下图所示： 
 
既然Hbase可以将表中的数据进行分布式存储，那么它到底是以怎样的形式进行分布式存储的呢？我们自然而然想到了HDFS这个分布式文件管理系统是将海量数据切分成若干个block块进行存储的，同理Hbase也采取了类似的存储机制， 将一个table切分成若干个region进行存储，下面我们就介绍Region的相关概念： 
当Table随着记录数不断增加而变大后，Table在行的方向上会被切分成多个Region，一个Region由[startkey,endkey) 表示，每个Region会被Master分散到不同的HRegionServer上面进行存储，类似于我的block块会被分散到不同的DataNode节点上面进行存储。下面是Hbase表中的数据与HRegionServer的分布关系，如图所示： 
 
接下来介绍在Hbase的体系结构中，Hmaster、HRegionServer、Zookeeper集群这三个角色的作用： 
 
Hmaster节点的作用： 
①不负责存储表数据，负责管理RegionServer的负载均衡（即防止某些RegionServer存储数据量大，有些 
RegionServer存储数据量小），调整RegionServer上面Region的分布 
②管理RegionServer的状态，例如在HRegionServer宕机后，负责失效HRegionServer上Regions的迁移 
③在Region Split后，负责新Region的分配 
HRegionServer节点的作用： 
HRegionServer主要负责响应用户的I/O请求，即负责响应用户向表中的读写操作，是Hbase体系结构中最核心的模块。HRegionServer内部存储了很多的HRegion，就像DataNode节点中存储了很多的Block块一样，从上图Hbase完整的体系结构中我们可以看到，HRegion实际上是由很多个HStore组成的，所谓HStore就是表中的一个Column Family，可以看出每个Column Family其实就是一个集中的存储单元，这恰恰也帮助我们理解了为什么Hbase是NoSql系列的数据库，为什么是面向列的数据库，在Hbase的表设计中，我们最好将具备共同I/O特性的Column放在同一个列族中，这样读写才最高效，为了让大家更好的理解HRegionServer、HRegion、HStore、ColumnFamily四者之间的关系，我结合之前提到的users表画了一个四者关系的示意图： 
 
简单来说：就是HRegionServer服务器中存储了很多的HRegion，每个HRegion是由很过个HStore组成的，每个ColumnFamily就是一个HSore。 
在此还要简单介绍一下HLog与MemStore这两个角色的作用： 
Hlog：Hlog中存储了用户对表数据的最新的一些操作日志记录。 
MemSore：HRegion会将大量的热数据、访问频次最高的数据存储到MemStore中，这样用户在读写数据的时候不需要从磁盘中进行操作，直接在内存中既可以读取到数据，正因为MemStore这个重要角色的存在，Hbase才能支持随机，高速读取的功能。 
Zookeeper集群的作用： 
①通过zk集群的事件处理机制，可以保证集群中只有一个运行的Hmater 
②Zookeeper集群中记录了-ROOT-表的位置 
在这里顺便介绍一下Hbase中两张特殊的表：-ROOT-表与.META.表 
-ROOT-表：记录了所有.META.表的元数据信息，-ROOT-表只有一个Region 
.META.表：记录了Hbase中所有用户表的HRegion的元数据信息，.META.表可以有多个Region 
③Zookeeper集群实时监控着HRegionServer这些服务器的状态，将HRegionServer的上线和下线信息实时通知给Hmaster节点，使得Hmaster节点可以随时感知各个HRegionServer的健康状态。 
在上面我们依次介绍了HMaster、HRegionServer、zookeeper集群的作用，Client使用Hbase的RPC机制与Hmaster与HRegionServer进行通信，对于管理类操作，Client与Hmaster进行RPC进行通信，对于数据(表)的读写类操作，Client与HRegionServer进行通信。注意：在用户对数据表的读写过程中，与Hmaster是没有任何关系的，Hmaster在这一点上不同于我们的NameNode节点，可以看出由于zookeeper集群的存在，Hmaster节点的作用被大大弱化了。 
在Hbase的架构介绍中在介绍最后一点：Hbase的寻址机制，即Hbase在海量的表数据中，是如何找到用户所需要的表数据的呢？——Hbase是通过索引的机制解决了这个问题。 
 
Client访问用户数据之前需要首先访问zookeeper集群，通过zookeeper集群首先确定-ROOT-表在的位置，然后在通过访问-ROOT- 表确定相应.META.表的位置，最后根据.META.中存储的相应元数据信息找到用户数据的位置去访问。通过 这种索引机制解决了复杂了寻址问题。 

二、Hbase中shell的相关操作 

前面讲的都是Hbase的理论知识，对于Hbase的操作分为两种方式：shell与java api的方式，既然是对数据库的操作，无非就是增删改查四中操作，下面我列出里几个常用的Hbase Shell操作，如下： 
 
以之前的users表为例，我现在用shell命令进行相应操作： 
①创建users表 
create ‘users’, ‘address’,’info’ 
②向表中用put进行插入操作 
put ‘users’,’xiaoming’,’address:province’,’zhejiang’ 
put ‘users’,’xiaoming’,’address:city’,’hangzhou’ 
put ‘users’,’xiaoming’,’address:country’,’china’ 
put ‘users’,’xiaoming’,’info:age’,’24’ 
put ‘users’,’xiaoming’,’info:age’,’25’ 
put ‘users’,’xiaoming’,’info:birthday’,’1987/06/17’ 
put ‘users’,’xiaoming’,’info:company’,’alibaba’ 
put ‘users’,’xiaoming’,’info:company’,’baidu’ 
……………… 
③通过get命令获取表中的信息，例如： 
1、获取xiaoming的country单元格信息 
get ‘users’,’xiaoming’,’address:country’ 
2、获取小明两个版本的年龄信息 
get ‘users’,’xiaoming’,{COLUMN=>’info:age’,VERSIONS=>2} 
3、获取zhangyifei全部的信息 
get ‘users’,’zhangyifei’ 
4、获取zhangyifei的address列族的全部信息 
get ‘users’,’zhangyifei’,’address’ 
5、遍历表中的全部信息 
scan ‘users’ 
④用shell命令删除users表 
disable ‘users’ 
drop ‘users’ 
综上：Hbase的shell命令操作整体来说还是非常简单的，获取信息的方法主要是按照下面的主线进行： 
tablename———》rowkey———》Column Family:Colum———->Version信息——》获取信息！ 
 
 
注:在Java api操作中,对遍历一条记录或者遍历所有记录所用的思想就是：key为{行健、类族、列名、版本号}，而value为{具体数值}，即一行记录本质上为包含很多键值对。 

三、Hbase中Java api的相关操作 

Hbase中，可以通过shell命令进行增删改查四种操作，但是shell命令用起来比较麻烦，比如说用put一次只能查询一个单元格的信息等等。因此我们在日常工作中总是用Java api的方式对Hbase进行相应操作，在这里还是以上面的users举例，下面是完整的代码操作： 

1. package IT01;

2.  

3. import org.apache.hadoop.conf.Configuration;

4. import org.apache.hadoop.hbase.HBaseConfiguration;

5. import org.apache.hadoop.hbase.HColumnDescriptor;

6. import org.apache.hadoop.hbase.HTableDescriptor;

7. import org.apache.hadoop.hbase.KeyValue;

8. import org.apache.hadoop.hbase.client.Get;

9. import org.apache.hadoop.hbase.client.HBaseAdmin;

10. import org.apache.hadoop.hbase.client.HTable;

11. import org.apache.hadoop.hbase.client.Put;

12. import org.apache.hadoop.hbase.client.Result;

13. import org.apache.hadoop.hbase.client.ResultScanner;

14. import org.apache.hadoop.hbase.client.Scan;

15.  

16. public class HbaseJavaapi

17. {

18. public static String tablename = "users";

19. public static void main(String[] args) throws Exception

20. {

21. Configuration conf = HBaseConfiguration.create();

22. /**下面这行代码必须有，指定Hbase所用的zookeeper集群信息****/

23. /*Configuration conf = new Configuration();这样写的话不会自动读取hbase-site.xml文件，所以别用这个*/

24. conf.set("hbase.zookeeper.quorum","hadoop80");

25.  

26. /*创建表-----用的Java api是HbaseAdmin**/

27. @SuppressWarnings("resource")

28. HBaseAdmin hBaseAdmin = new HBaseAdmin(conf);

29. if(hBaseAdmin.tableExists(tablename))

30. {

31. hBaseAdmin.disableTable(tablename);

32. hBaseAdmin.deleteTable(tablename);

33. }

34. HTableDescriptor desc = new HTableDescriptor(tablename);//指定创建表的名字users

35. HColumnDescriptor family1 = new HColumnDescriptor("address");

36. desc.addFamily(family1 );

37. HColumnDescriptor family2 = new HColumnDescriptor("info");//指定列族的名称

38. desc.addFamily(family2 );

39. hBaseAdmin.createTable(desc);

40.  

41. /*****插入记录------用的Java api是HTable****/

42. @SuppressWarnings("resource")

43. HTable hTable = new HTable(conf,tablename); //一定要注意:HTable这个客户端只有在表已经存在的时候才有意义！！！！不然抛出异常！

44. Put put1 = new Put("xiaoming".getBytes());//插入记录时要指定行健

45. put1.add("address".getBytes(), "province".getBytes(), "zhejiang".getBytes());

46. put1.add("address".getBytes(), "city".getBytes(), "hangzhou".getBytes());

47. put1.add("address".getBytes(), "country".getBytes(), "china".getBytes());

48. put1.add("info".getBytes(),"age".getBytes(),"24".getBytes());

49. put1.add("info".getBytes(),"age".getBytes(),"25".getBytes());

50. put1.add("info".getBytes(),"birthday".getBytes(),"1987/06/17".getBytes());

51. put1.add("info".getBytes(),"company".getBytes(),"baidu".getBytes());

52. put1.add("info".getBytes(),"company".getBytes(),"alibaba".getBytes());

53. hTable.put(put1 );

54. Put put2 = new Put("zhangyifei".getBytes());//插入记录时要指定行健

55. put2.add("address".getBytes(), "province".getBytes(), "guangdong".getBytes());

56. put2.add("address".getBytes(), "city".getBytes(), "shenzhen".getBytes());

57. put2.add("address".getBytes(), "city".getBytes(), "nansha".getBytes());

58. put2.add("address".getBytes(), "country".getBytes(), "china".getBytes());

59. put2.add("address".getBytes(), "town".getBytes(), "xianqiao".getBytes());

60. put2.add("info".getBytes(),"age".getBytes(),"45".getBytes());

61. put2.add("info".getBytes(),"birthday".getBytes(),"1987/02/12".getBytes());

62. put2.add("info".getBytes(),"company".getBytes(),"tengxun".getBytes());

63. put2.add("address".getBytes(), "favorite".getBytes(), "movie".getBytes());

64. hTable.put(put2 );

65.  
66.  

67. /****查询记录--------------用的Java api是Htable***/

68. /**1------>获取小明的country单元格信息****/

69. Get get = new Get("xiaoming".getBytes());

70. Result result = hTable.get(get);

71. byte[] value = result.getValue("address".getBytes(), "country".getBytes());

72. System.out.println(new String(value));

73.  

74. System.out.println("**************************");

75.  

76. /**2------>获取zhangyifei的一行的记录****/

77. Get get2 = new Get("zhangyifei".getBytes());

78. Result result2 = hTable.get(get2);

79. for(KeyValue key : result2.list())//一行的记录当中包含很多的键值对信息，依次遍历即可

80. {

81. System.out.println(key.toString());

82. System.out.println(new String(key.getValue()));

83. }

84.  

85. System.out.println("**************************");

86.  

87. /**3------>遍历所有的记录****/

88. Scan scan = new Scan();

89. ResultScanner scanner = hTable.getScanner(scan);//scanner中包含很多条行记录

90. for (Result result3 : scanner)

91. {

92. for(KeyValue key : result3.list())//一行的记录当中包含很多的键值对信息，依次遍历即可

93. {

94. System.out.println(key.toString());

95. System.out.println(new String(key.getValue()));

96. }

97. }

98.  

99. System.out.println("**************************");

100.  

101. /**4------>仅仅获取每行的city信息****/

102. Scan scan1 =new Scan();

103. ResultScanner scanner1 = hTable.getScanner(scan1 );

104. for (Result result4 : scanner1)

105. {

106. System.out.println(new String(result4.getRow()));

107. System.out.println(new String(result4.getValue("address".getBytes(), "city".getBytes())));

108. }

109. }

110. }

• 1

代码的运行结果如下： 
 
 
对于Hbase的Java api操作就简单的介绍到这里！ 

出处：https://blog.csdn.net/u010963948/article/details/74394646