Hadoop学习(5)-HBASE的安装和命令行操作和java操作

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

修改hbase-site.xml

修改 regionservers

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：

1.1.1.3.       查询数据方式一：scan 扫描

1.1.1.4.       查询数据方式二：get 单行数据

1.1.1.5.       删除一个kv数据

删除整行数据：

1.1.1.6.       删除整个表：

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

}