Hadoop组件--分布式数据库HBase

 1. HBase概述

先来看下HBase在Hadoop生态中的位置

HBase是Apache Hadoop⽣态系统中的重要⼀员，主要⽤于海量结构化数据存储。

HBase是一个构建在HDFS上的分布式列存储系统（严格的来说应该是列族存储），数据保存在HDFS上。

HBase与MapReduce良好的集成，使用MapReduce来处理数据。

HBase利用Zookeeper做分布式协同。

从逻辑上讲，HBase将数据按照表、⾏和列进⾏存储，它是⼀个分布式的、稀疏的、持久化存储的多维度排序表。

相对于Hive来说，HBase适合实时数据访问，Hive则适合批处理数据分析。

HBase的应用场景很多，百度的页面库，淘宝的商品库，小米的云存储服务等。

 2. HBase数据模型

(Table, RowKey, Family, Qualifier, TimeStamp) -->Value

在HBase中，一行数据由行健RowKey作为键，包含多个列族（Famliy），列族由可同时访问的多个列组成（Qualifier），

时间戳作为索引（TimeStamp）。

表

--可以是稀疏的，空值在HBase中不会被存储。

Row Key

--行健，数据在表中的唯一标实

--所有的操作都是基于主键的。

--数据安照行健来排序。

特点

--大：⼀个表可以有数⼗亿⾏，上百万列

--⾯向列：⾯向列（族）的存储，列（族）独⽴检索

--稀疏：对于空（null）的列，并不占⽤存储空间，表可以设计的非常稀疏

--数据多版本：每个单元中的数据可以有多个版本（时间戳不同）

--数据类型单⼀：HBase中的数据都是字节，没有类型

3. 物理模型

--以列族为单位存储

--每个cell中会存储以下信息

• Row key

• Column family name
• Column name
• Timestamp
• Value

 

数据表中所有行，安照Row Key字典序排列，Table在行的方向上分为多个region，

Region按⼤⼩分割的，每个表开始只有⼀个Region，随着数据增多，Region不断增⼤，当增⼤到⼀个阀值的时候，

Region就会等分会两新的Region，之后会有越来越多的Region。Region是HBase中分布式存储和负载均衡的最⼩单元，

不同Region分布到不同RegionServer上。

 

 

Region虽然是分布式存储的最⼩单元，但并不是存储的最⼩单元。

--Region由⼀个或者多个Store组成，每个Store保存⼀个columns family

--每个Strore又由⼀个MemStore和0至多个StoreFile组成
--MemStore存储在内存中，StoreFile存储在HDFS上

 

4. HBase架构

 

HRegion

--HBase 会⾃动地将表划分为不同的区域

-- 每个区域包含所有⾏的⼀个⼦集

--对⽤户来说，每个表是⼀堆数据的集合，靠主键来区分

--从物理上来说，⼀张表被拆分成了多块，每⼀块是⼀个HRegion

-- 我们⽤表名+ 开始和结束主键，来区分每⼀个HRegion

-- ⼀个HRegion 会保存⼀个表⾥⾯某段连续的数据，从开始主键到结束主键

--⼀张完整的表格是保存在多个HRegion上⾯

HRegionServer

--所有的数据库数据都保存在HDFS上⾯

-- ⽤户通过访问HRegionServer获取这些数据

--⼀台机器上⾯⼀般只运⾏⼀个HRegionServer

-- ⼀个HRegionServer上⾯有多个HRegion，⼀个HRegion 也只会被⼀个HRegionServer维护

--HRegionServer主要负责响应⽤户I/O请求，从HDFS读写数据，是HBase中最核⼼的模块

-- HRegionServer内部管理了⼀系列HRegion对象

-- 每个HRegion对应了Table中的⼀个Region，HRegion中由多个HStore组成

-- 每个HStore 对应了Table中的⼀个Column Family的存储

-- 最好将具备共同IO特性的Column放在⼀个Column Family中

HMaster

--每个HRegionServer都会与HMaster通信

-- HMaster的主要任务就是给HRegionServer分配HRegion

-- HMaster指定HRegionServer 要维护哪些HRegion

-- 当⼀台HRegionServer宕机时，HMaster会把它负责的HRegion标记为未分配，然后再把它们分配到其他HRegionServer 中

 

5. HBase Shell

启动HBase shell

$./bin/hbase shell

建表：表名scores，有两个列族：‘grade’和‘course’

>create 'scores' ,'grade','course'

查看HBase中的表

>list

查看表结构

>describe 'scores'

put: 写⼊数据，格式如下：

>put 't1', 'r1', 'c1', 'value', ts1

t1指表名，r1指⾏键（key），c1指列名，value指值，ts1指数据戳，
⼀般都省略不设置。

向scores表中插⼊数据

> put 'scores', 'Tom', 'grade', 6
> put 'scores', 'Tom', 'course:math', 89
> put 'scores', 'Tom', 'course:art', 63
> put 'scores', 'Jim', 'grade', 7
> put 'scores', 'Jim', 'course:math', 75
> put 'scores', 'Jim', 'course:science', 48

get随机查找数据

格式

>get 't1', 'r1'
>get 't1', 'r1', 'c1'
>get 't1', 'r1', 'c1', 'c2'
>get 't1', 'r1', {COLUMN => 'c1', TIMESTAMP => ts1}
>get 't1', 'r1', {COLUMN => 'c1', TIMERANGE => [ts1, ts2],
VERSIONS => 4}

>get 'sources', 'Tom'
>get 'sources', 'Tom', 'grade'
>get 'sources', 'Tom', 'grede' , 'course'

scan 范围查找数据，scan命令格式如下

>scan 't1'
>scan 't1', {COLUMNS => 'c1:q1'}
>scan 't1', {COLUMNS => ['c1', 'c2'], LIMIT => 10, STARTROW
=> 'xyz'}
>scan 't1', {REVERSED => true}

> scan 'scores'
> scan 'scores',{COLUMNS =>'course:math'}
> scan 'scores',{COLUMNS =>'course'}

> scan 'scores',{COLUMNS =>'course', LIMIT => 1, STARTROW => 'Jim'}

delete删除数据

delete命令格式如下

>delete 't1', 'r1', 'c1', ts1

> delete 'scores', 'Jim', 'course:math'

Truncate删除全表数据

> truncate 'scores'

alter修改表结构

为scores表增加⼀个family列族，名为profile

> alter 'scores', NAME => 'profile'

删除profile列族

> alter 'scores', NAME => 'profile', METHOD => 'delete'

删除表

> drop 'scores'

上述所写如有不对之处，还请各位前辈指出赐教。--五维空间