HBase架构图理解
18.png
- HMaster链接Zookeeper的目得：HMaster需要知道哪些HRegionServere是活的及HRegionServer所在的位置，然后管理HRegionServer。
- HBase内部是通过DFS client把数据写到HDFS上的
- 每一个HRegionServer有多个HRegion，每一个HRegion有多个Store，每一个Store对应一个列簇。
- HFile是HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，StoreFile就是对HFile进行了封装，然后进行数据的存储。
- HStore由MemStore和StoreFile组成。
- HLog记录数据的所有变更，可以用来做数据恢复。
- hdfs对应的目录结构为
namespace->table->列簇->列->单元格
17.png
写数据流程
- zookeeper中存储了meta表的region信息，从meta表获取相应region信息，然后找到meta表的数据
- 根据namespace、表名和rowkey根据meta表的数据找到写入数据对应的region信息
- 找到对应的regionserver
- 把数据分别写到HLog和MemStore上一份
- MemStore达到一个阈值后则把数据刷成一个StoreFile文件。若MemStore中的数据有丢失，则可以总HLog上恢复
- 当多个StoreFile文件达到一定的大小后，会触发Compact合并操作，合并为一个StoreFile，这里同时进行版本的合并和数据删除。
- 当Compact后，逐步形成越来越大的StoreFIle后，会触发Split操作，把当前的StoreFile分成两个，这里相当于把一个大的region分割成两个region。如下图：
19.png
读数据流程
- zookeeper中存储了meta表的region信息，所以先从zookeeper中找到meta表region的位置，然后读取meta表中的数据。meta中又存储了用户表的region信息。
- 根据namespace、表名和rowkey在meta表中找到对应的region信息
- 找到这个region对应的regionserver
- 查找对应的region
- 先从MemStore找数据，如果没有，再到StoreFile上读(为了读取的效率)。
HBase Java API基本使用
package org.apache.hadoop.hbase;import java.io.IOException;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.client.Delete;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.HTable;
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.filter.Filter;
import org.apache.hadoop.hbase.filter.PrefixFilter;
import org.apache.hadoop.hbase.util.Bytes;public class HbaseClientTest {/** 跟去表名获取表的实例*/public static HTable getTable (String name) throws Exception{//get the hbase conf instanceConfiguration conf = HBaseConfiguration.create();//get the hbase table instanceHTable table = new HTable(conf, name);return table;}/*** get the data from the hbase table * * get 'tbname','rowkey','cf:col'* * 列簇-》列名-》value-》timestamp*/public static void getData(HTable table) throws Exception {// TODO Auto-generated method stubGet get = new Get(Bytes.toBytes("20161119_10003"));//conf the get //get.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"));get.addFamily(Bytes.toBytes("info"));//load the get Result rs = table.get(get);//print the datafor(Cell cell : rs.rawCells()){System.out.println(Bytes.toString(CellUtil.cloneFamily(cell))+"->"+Bytes.toString(CellUtil.cloneQualifier(cell))+"->"+Bytes.toString(CellUtil.cloneValue(cell))+"->"+cell.getTimestamp());System.out.println("------------------------------");}}/*** put the data to the hbase table * * put 'tbname','rowkey','cf:col','value'* */public static void putData(HTable table) throws Exception {//get the put instancePut put = new Put(Bytes.toBytes("20161119_10003"));//conf the putput.add(Bytes.toBytes("info"), Bytes.toBytes("age"), Bytes.toBytes("20"));//load the put table.put(put);//printgetData(table);}/*** delete the data from the hbase table * * delete 'tbname','rowkey','cf:col'* */public static void deleteData(HTable table) throws Exception {//get the delete instanceDelete del = new Delete(Bytes.toBytes("20161119_10003"));//conf the del//del.deleteColumn(Bytes.toBytes("info"),Bytes.toBytes("age"));del.deleteColumns(Bytes.toBytes("info"),Bytes.toBytes("age"));//load the deltable.delete(del);//printgetData(table);}/*** scan the all table* scan 'tbname'* */public static void scanData(HTable table) throws Exception {//get the scan instanceScan scan = new Scan();//load the scanResultScanner rsscan = table.getScanner(scan);for(Result rs : rsscan){System.out.println(Bytes.toString(rs.getRow()));for(Cell cell : rs.rawCells()){System.out.println(Bytes.toString(CellUtil.cloneFamily(cell))+"->"+Bytes.toString(CellUtil.cloneQualifier(cell))+"->"+Bytes.toString(CellUtil.cloneValue(cell))+"->"+cell.getTimestamp());}System.out.println("------------------------------");}}/*** scan the table with limit* * scan 'tbname',{STARTROW => 'row1',STOPROW => 'row2'}*/public static void rangeData(HTable table) throws Exception {//get the scan instanceScan scan = new Scan();//conf the scan//scan.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"));//scan.addFamily(family);//scan.setStartRow(Bytes.toBytes("20161119_10002"));//scan.setStopRow(Bytes.toBytes("20161119_10003"));Filter filter = new PrefixFilter(Bytes.toBytes("2016111"));scan.setFilter(filter);//hbase conf//是否启动缓存scan.setCacheBlocks(true);//设置缓存的条数scan.setCaching(100);//每一次取多少条scan.setBatch(10);//共同决定了请求RPC的次数//load the scanResultScanner rsscan = table.getScanner(scan);for(Result rs : rsscan){System.out.println(Bytes.toString(rs.getRow()));for(Cell cell : rs.rawCells()){System.out.println(Bytes.toString(CellUtil.cloneFamily(cell))+"->"+Bytes.toString(CellUtil.cloneQualifier(cell))+"->"+Bytes.toString(CellUtil.cloneValue(cell))+"->"+cell.getTimestamp());}System.out.println("------------------------------");}}public static void main(String[] args) throws Exception {HTable table = getTable("test:tb1");getData(table);putData(table);deleteData(table);scanData(table);rangeData(table);}
}HBase架构中各个模块的功能再次总结
- Client
整个HBase集群的访问入口；
使用HBase RPC机制与HMaster和HRegionServer进行通信；
与HMaster进行通信进行管理表的操作；
与HRegionServer进行数据读写类操作；
包含访问HBase的接口，并维护cache来加快对HBase的访问 - Zookeeper
保证任何时候，集群中只有一个HMaster；
存贮所有HRegion的寻址入口；
实时监控HRegion Server的上线和下线信息，并实时通知给HMaster；
存储HBase的schema和table元数据；
Zookeeper Quorum存储表地址、HMaster地址。 - HMaster
HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master在运行，主负责Table和Region的管理工作。
管理用户对表的创建、删除等操作；
管理HRegionServer的负载均衡，调整Region分布；
Region Split后，负责新Region的分布；
在HRegionServer停机后，负责失效HRegionServer上Region迁移工作。 - HRegion Server
维护HRegion，处理对这些HRegion的IO请求，向HDFS文件系统中读写数据；
负责切分在运行过程中变得过大的HRegion。
Client访问hbase上数据的过程并不需要master参与（寻址访问Zookeeper和HRegion Server，数据读写访问HRegione Server），HMaster仅仅维护这table和Region的元数据信息，负载很低。
hbase与mapreduce的集成
可以把hbase表中的数据作为mapreduce计算框架的输入，或者把mapreduce的计算结果输出到hbase表中。
我们以hbase中自带的mapreduce程序举例
- 直接运行会发现报错缺少jar包，所以运行前需引入环境变量
$ export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2 $ export HADOOP_HOME=/opt/modules/hadoop-2.5.0 # $HBASE_HOME/bin/hbase mapredcp可以列出hbase在yarn上运行所需的jar包 $ export HADOOP_CLASSPATH=`$HBASE_HOME/bin/hbase mapredcp` - 运行示例
$ $HADOOP_HOME/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar rowcounter test:tb1
HBase的数据迁移的importsv的使用
HBase数据来源于日志文件或者RDBMS，把数据迁移到HBase表中。常见的有三种方法：（1）使用HBase Put API；（2）使用HBase批量加载工具；（3）自定义MapReduce job实现。
importtsv是HBase官方提供的基于mapreduce的批量数据导入工具，同时也是hbase提供的一个命令行工具，可以将存储在HDFS上的自定义分隔符(默认是\t)的数据文件，通过一条命令方便的导入到HBase中。
测试
- 准备数据文件
[wulei@bigdata-00 datas]$ cat tb1.tsv 10001 zhangsan 20 10002 lisi 22 10003 wangwu 30 - 把数据文件上传到hdsf上
$ bin/hdfs dfs -put /opt/datas/tb1.tsv / - 在hbase中创建表
> create 'student','info' - 将HDFS中的数据导入到hbase表中
Dimporttsv.columns为指定分隔符$HADOOP_HOME/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar importtsv -Dimporttsv.separator=\t -Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:age student /tb1.tsv
Dimporttsv.columns指定数据文件中每一列如何对应表中的rowkey和列
/tb1.tsv为hdfs上的数据文件的路径 - 查看执行结果
hbase(main):010:0> scan 'student' ROW COLUMN+CELL 10001 column=info:age, timestamp=1480123167099, value=20 10001 column=info:name, timestamp=1480123167099, value=zhangsan 10002 column=info:age, timestamp=1480123167099, value=22 10002 column=info:name, timestamp=1480123167099, value=lisi 2 row(s) in 0.8210 seconds
![[Hbase]HBase架构详解和数据的读写流程](http://upload-images.jianshu.io/upload_images/3068725-3bb63cb249096e6d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/864/format/webp)
