「这是我参与11月更文挑战的第32天,活动详情查看:2021最后一次更文挑战」。
一、HBase 简介
1.1、HBase 定义
HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库。
1.2、HBase 数据模型
逻辑上,HBase 的数据模型同关系型数据库很类似,数据存储在一张表中,有行有列。但从 HBase 的底层物理存储结构(K-V)来看,HBase 更像是一个 multi-dimensional map。
1.2.1、HBase 逻辑结构
1.2.2、HBase 物理存储结构
1.2.3、数据模型
-
Name Space
命名空间,类似于关系型数据库的 DatabBase 概念,每个命名空间下有多个表。HBase有两个自带的命名空间,分别是 hbase 和 default,hbase 中存放的是 HBase 内置的表,default 表是用户默认使用的命名空间。
-
Region
类似于关系型数据库的表概念。不同的是,HBase 定义表时只需要声明列族即可,不需要声明具体的列。这意味着,往 HBase 写入数据时,字段可以动态、按需指定。因此,和关系型数据库相比,HBase 能够轻松应对字段变更的场景。
-
Row
HBase 表中的每行数据都由一个 RowKey 和多个 Column(列)组成,数据是按照 RowKey的字典顺序存储的,并且查询数据时只能根据 RowKey 进行检索,所以 RowKey 的设计十分重要。
-
Column
HBase 中的每个列都由 Column Family(列族)和 Column Qualifier(列限定符)进行限定,例如 info:name,info:age。建表时,只需指明列族,而列限定符无需预先定义。
-
Time Stamp
用于标识数据的不同版本(version),每条数据写入时,如果不指定时间戳,系统会自动为其加上该字段,其值为写入 HBase 的时间。
-
Cell
由{rowkey, column Family:column Qualifier, time Stamp} 唯一确定的单元。cell 中的数据是没有类型的,全部是字节码形式存贮。
1.3、HBase 基本架构
架构角色:
-
Region Server
Region Server 为 Region 的管理者,其实现类为 HRegionServer,主要作用如下:
对于数据的操作:get, put, delete;
对于 Region 的操作:splitRegion、compactRegion。
-
Master
Master 是所有 Region Server 的管理者,其实现类为 HMaster,主要作用如下:
对于表的操作:create, delete, alter
对于 RegionServer的操作:分配 regions到每个RegionServer,监控每个 RegionServer
的状态,负载均衡和故障转移。
-
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。
-
HDFS
HDFS 为 HBase 提供最终的底层数据存储服务,同时为 HBase 提供高可用的支持。
二、HBase 快速入门
2.1、HBase 安装部署
2.1.1、Zookeeper 正常部署
首先保证 Zookeeper 集群的正常部署,并启动之:
[moe@hadoop102 ~]$ zk.sh start
2.1.2、Hadoop 正常部署
Hadoop 集群的正常部署并启动:
[moe@hadoop102 ~]$ myhadoop.sh start
2.1.3、HBase 的解压
解压 Hbase 到指定目录:
[moe@hadoop102 ~]$ tar -zxvf /opt/software/hbase-1.3.1-bin.tar.gz -C /opt/module/
[moe@hadoop102 module]$ mv hbase-1.3.1/ hbase
2.1.4、HBase 的配置文件
修改 HBase 对应的配置文件。
-
hbase-env.sh 修改内容:
export JAVA_HOME=/opt/module/jdk1.8.0_212 export HBASE_MANAGES_ZK=false
-
hbase-site.xml 修改内容:
<configuration> <property> <name>hbase.rootdir</name> <value>hdfs://hadoop102:8020/HBase</value> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!-- 0.98 后的新变动,之前版本没有.port,默认端口为 60000 --> <property> <name>hbase.master.port</name> <value>16000</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>hadoop102,hadoop103,hadoop104</value> </property> <property> <name>hbase.zookeeper.property.dataDir</name> <value>/opt/module/zookeeper-3.5.7/zkData</value> </property> </configuration>
-
regionservers:
hadoop102 hadoop103 hadoop104
-
软连接 hadoop 配置文件到 HBase:
[moe@hadoop102 ~]$ ln -s /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml /opt/module/hbase/conf/core-site.xml [moe@hadoop102 ~]$ ln -s /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml /opt/module/hbase/conf/hdfs-site.xml
2.1.5、HBase 远程发送到其他集群
[moe@hadoop102 module]$ xsync hbase/
2.1.6、HBase 服务的启动
-
启动方式1
bin/hbase-daemon.sh start master bin/hbase-daemon.sh start regionserver
提示:如果集群之间的节点时间不同步,会导致 regionserver 无法启动,抛出ClockOutOfSyncException 异常。
修复提示:
a、同步时间服务
b、属性:hbase.master.maxclockskew 设置更大的值
<property> <name>hbase.master.maxclockskew</name> <value>180000</value> <description>Time difference of regionserver from master</description> </property>
-
启动方式2
bin/start-hbase.sh
对应的停止服务:
bin/stop-hbase.sh
2.1.7、查看 HBase 页面
启动成功后,可以通过“host:port”的方式来访问 HBase 管理页面,例如:
2.2、HBase Shell 操作
2.2.1、基本操作
-
进入 HBase 客户端命令行
bin/hbase shell
-
查看帮助命令
hbase(main):001:0> help
-
查看当前数据库中有哪些表
hbase(main):002:0> list
2.2.2、表的操作
-
创建表
hbase(main):003:0> create 'student','info'
-
插入数据到表
put 'student','1001','info:sex','male' put 'student','1001','info:age','18' put 'student','1002','info:name','Janna' put 'student','1002','info:sex','female' put 'student','1002','info:age','20'
-
扫描查看表数据
hbase(main):009:0> scan 'student'
-
查看表结构
hbase(main):010:0> describe 'student'
-
更新指定字段的数据
hbase(main):011:0> put 'student','1001','info:name','Nick' hbase(main):012:0> put 'student','1001','info:age','100'
-
查看“指定行”或“指定列族:列”的数据
hbase(main):001:0> get 'student','1001'
hbase(main):002:0> get 'student','1001','info:name'
-
统计表数据行数
hbase(main):003:0> count 'student'
-
删除数据
删除某 rowkey 的全部数据:
hbase(main):004:0> deleteall 'student','1001'
删除某 rowkey 的某一列数据:
hbase(main):007:0> delete 'student','1002','info:sex'
-
清空表数据
hbase(main):010:0> truncate 'student'
提示:清空表的操作顺序为先 disable,然后再 truncate。
-
删除表
-
首先需要先让该表为 disable 状态:
hbase(main):014:0> disable 'student'
提示:如果直接 drop 表,会报错:ERROR: Table student is enabled. Disable it first.
-
然后才能 drop 这个表:
hbase(main):013:0> drop 'student'
-
三、HBase 进阶
3.1、架构原理
-
StoreFile
保存实际数据的物理文件,StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或多个 StoreFile(HFile),数据在每个 StoreFile 中都是有序的。
-
MemStore
写缓存,由于 HFile 中的数据要求是有序的,所以数据是先存储在 MemStore 中,排好序后,等到达刷写时机才会刷写到 HFile,每次刷写都会形成一个新的 HFile。
-
WAL
由于数据要经 MemStore 排序后才能刷写到 HFile,但把数据保存在内存中会有很高的概率导致数据丢失,为了解决这个问题,数据会先写在一个叫做 Write-Ahead logfile 的文件中,然后再写入 MemStore 中。所以在系统出现故障的时候,数据可以通过这个日志文件重建。
3.2、写流程
写流程:
-
Client 先访问 zookeeper,获取 hbase:meta 表位于哪个 Region Server。
-
访问对应的 Region Server,获取 hbase:meta 表,根据读请求的 namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache,方便下次访问。
-
与目标 Region Server 进行通讯;
-
将数据顺序写入(追加)到 WAL;
-
将数据写入对应的 MemStore,数据会在 MemStore 进行排序;
-
向客户端发送 ack;
-
等达到 MemStore 的刷写时机后,将数据刷写到 HFile。
3.3、读流程
读流程:
-
Client 先访问 zookeeper,获取 hbase:meta 表位于哪个 Region Server。
-
访问对应的 Region Server,获取 hbase:meta 表,根据读请求的 namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache,方便下次访问。
-
与目标 Region Server 进行通讯;
-
分别在 Block Cache(读缓存),MemStore 和 Store File(HFile)中查询目标数据,并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本(time stamp)或者不同的类型(Put/Delete)。
-
将从文件中查询到的数据块(Block,HFile 数据存储单元,默认大小为 64KB)缓存到Block Cache。
-
将合并后的最终结果返回给客户端。
3.4、StoreFile Compaction
由于memstore每次刷写都会生成一个新的HFile,且同一个字段的不同版本(timestamp)和不同类型(Put/Delete)有可能会分布在不同的 HFile 中,因此查询时需要遍历所有的 HFile。为了减少 HFile 的个数,以及清理掉过期和删除的数据,会进行 StoreFile Compaction。
Compaction 分为两种,分别是 Minor Compaction 和 Major Compaction。Minor Compaction会将临近的若干个较小的 HFile 合并成一个较大的 HFile,但不会清理过期和删除的数据。Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile,并且会清理掉过期和删除的数据。