一、概述

HBase是一个分布式的、面向列的开源数据库,该技术来源于 Fay Chang 所撰写的Google论文“Bigtable:一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统(File System)所提供的分布式数据存储一样,HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

Hadoop生太圈

通过Hadoop生态圈,可以看到HBase的身影,可见HBase在Hadoop的生态圈是扮演这一个重要的角色那就是  实时、分布式、高维数据 的数据存储;

HBase简介

  • HBase – Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、 实时读写的分布式数据库
  • 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务
  • 主要用来存储非结构化和半结构化的松散数据(列存NoSQL数据库)

HBase数据模型

以关系型数据的思维下会感觉,上面的表格是一个5列4行的数据表格,但是在HBase中这种理解是错误的,其实在HBase中上面的表格只是一行数据;

Row Key:

    – 决定一行数据的唯一标识

    – RowKey是按照字典顺序排序的。

    – Row key最多只能存储64k的字节数据。

  Column Family列族(CF1、CF2、CF3) & qualifier列:

    – HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema) 定义的一部分预先给出。如create ‘test’, ‘course’;

    – 列名以列族作为前缀,每个“列族”都可以有多个列成员(column,每个列族中可以存放几千~上千万个列);如 CF1:q1, CF2:qw,

       新的列族成员(列)可以随后按需、动态加入,Family下面可以有多个Qualifier,所以可以简单的理解为,HBase中的列是二级列,

     也就是说Family是第一级列,Qualifier是第二级列。两个是父子关系。

    – 权限控制、存储以及调优都是在列族层面进行的;

    – HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。

    – 目前为止HBase的列族能能够很好处理最多不超过3个列族。

  Timestamp时间戳:

    – 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间 戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,

     最新的数据版本排在最前面。

    – 时间戳的类型是64位整型。

    – 时间戳可以由HBase(在数据写入时自动)赋值,此时时间戳是精确到毫 秒的当前系统时间。

    – 时间戳也可以由客户显式赋值,如果应用程序要避免数据版本冲突, 就必须自己生成具有唯一性的时间戳。

  Cell单元格:

    – 由行和列的坐标交叉决定;

    – 单元格是有版本的(由时间戳来作为版本);

    – 单元格的内容是未解析的字节数组(Byte[]),cell中的数据是没有类型的,全部是字节码形式存贮。

     • 由{row key,column(=<family> +<qualifier>),version}唯一确定的单元。

HBase体系架构

Client

     • 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master

     • 存贮所有Region的寻址入口。

     • 实时监控Region server的上线和下线信息。并实时通知Master

     • 存储HBase的schema和table元数据

    Master

     • 为Region server分配region

     • 负责Region server的负载均衡

     • 发现失效的Region server并重新分配其上的region

     • 管理用户对table的增删改操作

    RegionServer

     • Region server维护region,处理对这些region的IO请求

     • Region server负责切分在运行过程中变得过大的region 

     HLog(WAL log):

      – HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是 HLogKey对象,HLogKey中记录了写入数据的归属信息,

         除了table和 region名字外,同时还包括sequence number和timestamp,timestamp是” 写入时间”,sequence number的起始值为0,

       或者是最近一次存入文件系 统中sequence number。

      – HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的 KeyValue

    Region

      – HBase自动把表水平划分成多个区域(region),每个region会保存一个表 里面某段连续的数据;每个表一开始只有一个region,随着数据不断插 入表,

       region不断增大,当增大到一个阀值的时候,region就会等分会 两个新的region(裂变);

      – 当table中的行不断增多,就会有越来越多的region。这样一张完整的表 被保存在多个Regionserver上。

    Memstore 与 storefile

      – 一个region由多个store组成,一个store对应一个CF(列族)

      – store包括位于内存中的memstore和位于磁盘的storefile写操作先写入 memstore,当memstore中的数据达到某个阈值,

       hregionserver会启动 flashcache进程写入storefile,每次写入形成单独的一个storefile

      – 当storefile文件的数量增长到一定阈值后,系统会进行合并(minor、 major compaction),在合并过程中会进行版本合并和删除工作 (majar),

       形成更大的storefile。

      – 当一个region所有storefile的大小和超过一定阈值后,会把当前的region 分割为两个,并由hmaster分配到相应的regionserver服务器,实现负载均衡。

      – 客户端检索数据,先在memstore找,找不到再找storefile

      – HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表 示不同的HRegion可以分布在不同的HRegion server上。

      – HRegion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。

       如图:StoreFile 以HFile格式保存在HDFS上。

二、docker部署

环境说明

操作系统 docker版本 ip地址 配置
centos 7.6 19.03.12 192.168.31.229 4核8g

软件版本

软件 版本
openjdk java-8-openjdk-amd64
hadoop 2.9.2
hbase 1.3.6
zookeeper 3.4.14

说明:openjdk直接用apt-get 在线安装,其他软件从官网下载即可。

目录结构

cd /opt/
git clone https://github.com/py3study/hadoop-hbase.git

/opt/hadoop-hbase 目录结构如下:

./
├── config
│   ├── core-site.xml
│   ├── hadoop-env.sh
│   ├── hbase-env.sh
│   ├── hbase-site.xml
│   ├── hdfs-site.xml
│   ├── mapred-site.xml
│   ├── regionservers
│   ├── run-wordcount.sh
│   ├── slaves
│   ├── ssh_config
│   ├── start-hadoop.sh
│   ├── yarn-site.xml
│   └── zoo.cfg
├── Dockerfile
├── hadoop-2.9.2.tar.gz
├── hbase-1.3.6-bin.tar.gz
├── README.md
├── run.sh
├── sources.list
├── start-container1.sh
├── start-container2.sh
└── zookeeper-3.4.14.tar.gz

由于软件包比较大,需要使用迅雷下载,下载地址如下:

https://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
https://mirror.bit.edu.cn/apache/hbase/hbase-1.3.6/hbase-1.3.6-bin.tar.gz
https://mirror.bit.edu.cn/apache/zookeeper/zookeeper-3.4.14/zookeeper-3.4.14.tar.gz

构建镜像

docker build -t hadoop-hbase:1 .

创建数据目录

mkdir -p /data/hadoop-cluster/master/ /data/hadoop-cluster/slave{1,2}/

创建网桥

docker network create hadoop

运行镜像

cd /opt/hadoop-hbase
bash start-container1.sh

拷贝hdfs文件到宿主机目录

docker cp hadoop-master:/root/hdfs /data/hadoop-cluster/master/
docker cp hadoop-slave1:/root/hdfs /data/hadoop-cluster/slave1/
docker cp hadoop-slave2:/root/hdfs /data/hadoop-cluster/slave2/

拷贝zookeeper文件到宿主机目录

docker cp hadoop-master:/usr/local/zookeeper/data /data/hadoop-cluster/master/zookeeper
docker cp hadoop-slave1:/usr/local/zookeeper/data /data/hadoop-cluster/slave1/zookeeper
docker cp hadoop-slave2:/usr/local/zookeeper/data /data/hadoop-cluster/slave2/zookeeper

使用第2个脚本,挂载宿主机目录,运行镜像

bash start-container2.sh

开启hadoop

启动hadoop集群

bash start-hadoop.sh

注意:这一步会ssh连接到每一个节点,确保ssh信任是正常的。

Hadoop的启动速度取决于机器性能

运行wordcount

先等待1分钟,再执行命令:

bash run-wordcount.sh

此脚本会连接到fdfs,并生成几个测试文件。

运行结果:

...
input file1.txt:
Hello Hadoop input file2.txt:
Hello Docker wordcount output:
Docker 1
Hadoop 1
Hello 2

wordcount的执行速度取决于机器性能

关闭安全模式

执行命令:

hadoop dfsadmin -safemode leave

启动hbase

/usr/local/hbase/bin/start-hbase.sh 

注意:等待3分钟,因为启动要一定的时间。

进入hbase shell

/usr/local/hbase/bin/hbase shell

三、HBase的Shell命令

查看列表

hbase(main):001:0> list
TABLE
users
users_tmp
2 row(s) in 0.2370 seconds

如果出现

ERROR: org.apache.hadoop.hbase.PleaseHoldException: Master is initializing

说明hbase集群还没有启动好,需要等待一段时间。

创建表

hbase(main):002:0> create 'users','user_id','address','info'
0 row(s) in 4.6300 seconds => Hbase::Table - users

添加记录

hbase(main):002:0> put 'users','xiaoming','info:birthday','1987-06-17'
0 row(s) in 0.1910 seconds

获取记录

取得一个id的所有数据

hbase(main):003:0> get 'users','xiaoming'
COLUMN CELL
info:birthday timestamp=1594003730408, value=1987-06-17
1 row(s) in 0.0710 seconds

更新记录

hbase(main):004:0> put 'users','xiaoming','info:age' ,''
0 row(s) in 0.0150 seconds hbase(main):005:0> get 'users','xiaoming','info:age'
COLUMN CELL
info:age timestamp=1594003806409, value=
1 row(s) in 0.0170 seconds

获取单元格数据的版本数据

hbase(main):006:0> get 'users','xiaoming',{COLUMN=>'info:age',VERSIONS=>1}
COLUMN CELL
info:age timestamp=1594003806409, value=
1 row(s) in 0.0040 seconds

全表扫描

hbase(main):007:0> scan 'users'
ROW COLUMN+CELL
xiaoming column=info:age, timestamp=1594003806409, value=
xiaoming column=info:birthday, timestamp=1594003730408, value=1987-06-17
1 row(s) in 0.0340 seconds

删除

删除xiaoming值的'info:age'字段:

hbase(main):008:0> delete 'users','xiaoming','info:age'
0 row(s) in 0.0340 seconds hbase(main):009:0> get 'users','xiaoming'
COLUMN CELL
info:birthday timestamp=1594003730408, value=1987-06-17
1 row(s) in 0.0110 seconds

删除整行

hbase(main):010:0> deleteall 'users','xiaoming'
0 row(s) in 0.0170 seconds

统计表的行数

hbase(main):011:0> count 'users'
0 row(s) in 0.0260 seconds

清空表:

hbase(main):012:0> truncate 'users'
Truncating 'users' table (it may take a while):
- Disabling table...
- Truncating table...
0 row(s) in 4.2520 seconds

四、web服务验证

hadoop管理页面

http://ip地址:8088/

效果如下:

hdfs 管理页面

http://ip地址:50070/

效果如下:

hbase 管理页面

http://ip地址:16010/

效果如下:

注意:这里出现的 2 nodes with inconsistent version,不用理会,不影响正常运行。

参考链接:https://developer.aliyun.com/ask/136178?spm=a2c6h.13159736

本文参考链接:

https://www.cnblogs.com/raphael5200/p/5229164.html

https://blog.csdn.net/qq_32440951/article/details/80803729

https://www.jianshu.com/p/a1524dccb1e4

https://www.bbsmax.com/A/6pdDLqOGdw/

基于docker快速搭建hbase集群的更多相关文章

  1. 用 Docker 快速搭建 Kafka 集群

    开源Linux 一个执着于技术的公众号 版本 •JDK 14•Zookeeper•Kafka 安装 Zookeeper 和 Kafka Kafka 依赖 Zookeeper,所以我们需要在安装 Kaf ...

  2. Docker快速构建Redis集群(cluster)

    Docker快速构建Redis集群(cluster) 以所有redis实例运行在同一台宿主机上为例子 搭建步骤 redis集群目录清单 . ├── Dockerfile ├── make_master ...

  3. 快速搭建Jenkins集群

    关于Jenkins集群 在Jenkins上同时执行多个任务时,单机性能可能达到瓶颈,使用Jenkins集群可以有效的解决此问题,让多台机器同时处理这些任务可以将压力分散,对单机版Jenkins的单点故 ...

  4. 庐山真面目之十微服务架构 Net Core 基于 Docker 容器部署 Nginx 集群

    庐山真面目之十微服务架构 Net Core 基于 Docker 容器部署 Nginx 集群 一.简介      前面的两篇文章,我们已经介绍了Net Core项目基于Docker容器部署在Linux服 ...

  5. 如何基于Jupyter notebook搭建Spark集群开发环境

    摘要:本文介绍如何基于Jupyter notebook搭建Spark集群开发环境. 本文分享自华为云社区<基于Jupyter Notebook 搭建Spark集群开发环境>,作者:apr鹏 ...

  6. 使用 Ansible 快速部署 HBase 集群

    背景 出于数据安全的考虑,自研了一个低成本的时序数据存储系统,用于存储历史行情数据. 系统借鉴了 InfluxDB 的列存与压缩策略,并基于 HBase 实现了海量存储能力. 由于运维同事缺乏 Had ...

  7. 基于HDInsight 3.4 HBase集群规划参考

    基于linux 创建HDInsight HBase集群,选择最小配置,zk(3).NN(2).WN(2),集群节点默认组件服务规划如下 NN0: Active NameNode /HDFS ZKFai ...

  8. VMware 克隆linux后找不到eth0(学习hadoop,所以想快速搭建一个集群)

    发生情况:      由于在学习hadoop,所以想快速搭建一个集群出来.所以直接在windows操作系统上用VMware安装了CentOS操作系统,配置好hadoop开发环境后,采用克隆功能,直接克 ...

  9. centos7 快速搭建redis集群环境

    本文主要是记录一下快速搭建redis集群环境的方式. 环境简介:centos 7  + redis-3.2.4 本次用两个服务6个节点来搭建:192.168.116.120  和  192.168.1 ...

随机推荐

  1. 最短Hamilton路径(状压dp)

    最短Hamilton路径实际上就是状压dp,而且这是一道作为一个初学状压dp的我应该必做的题目 题目描述 给定一张 n(n≤20) 个点的带权无向图,点从 0~n-1 标号,求起点 0 到终点 n-1 ...

  2. Luogu T10025 排列名次

    题目链接 题目描述 给定一个长度为n的排列,要求输出该排列的字典序名次(1,2,3,...,n的名次为1). 输入输出格式 输入格式: 第一行一个数n,表示排列长度. 第二行n个数,用空格分隔,表示一 ...

  3. Codeforces Round #428 (Div. 2) C. Journey (简单搜索)

    题意:给你一颗树(边是无向的),从根节点向下走,统计走到每个子节点的概率,求所有叶子节点的深度乘上概率的和. 题解:每层子节点的概率等于上一层节点的概率乘\(1\)除以这层的子节点数,所以我们用\(d ...

  4. 加密算法——RSA算法(c++简单实现)

    RSA算法原理转自:https://www.cnblogs.com/idreamo/p/9411265.html C++代码实现部分为本文新加 RSA算法简介 RSA是最流行的非对称加密算法之一.也被 ...

  5. Springboot 过滤器和拦截器详解及使用场景

    一.过滤器和拦截器的区别 1.过滤器和拦截器触发时机不一样,过滤器是在请求进入容器后,但请求进入servlet之前进行预处理的.请求结束返回也是,是在servlet处理完后,返回给前端之前. 2.拦截 ...

  6. wordpress 插件安装 Too Many Requests

    解决办法是在插件界面不直接点击安装/更新,右键新标签页打开链接,会有下载地址. 下载后上传插件即可.

  7. u-boot 移植 --->3、S5PV210启动序列

    通过三星官方的资料S5PV210_iROM_ApplicationNote_Preliminary_20091126.pdf,了解到S5PVS10这款芯片的复位过程启动序列.芯片在出厂时就在内部固化了 ...

  8. 探索 .NET Core 依赖注入的 IServiceCollection

    如果您使用了.NET Core,则很可能已使用Microsoft.Extensions.DependencyInjection中的内置依赖项注入容器,在本文中,我想更深入地了解Microsoft De ...

  9. DLL & Dynamic-link library

    DLL & Dynamic-link library 动态链接库 .dll 动态链接库(英语:Dynamic-link library,缩写为 DLL)是微软公司在微软视窗操作系统中实现共享函 ...

  10. Design Patterns All in One (JavaScript Version)

    Design Patterns All in One (JavaScript Version) JavaScript 设计模式 JavaScript 数据结构 23种设计模式分为 3 大类: 创建型模 ...