大数据学习之路之HBASE

Hadoop之HBASE

一、HBASE简介

HBase是一个开源的、分布式的，多版本的，面向列的，半结构化的NoSql数据库，提供高性能的随机读写结构化数据的能力。它可以直接使用本地文件系统，也可以使用Hadoop的HDFS文件存储系统。不过，为了提高数据的可靠性和系统的健壮性，并且发挥HBase处理大数据的能力，使用HDFS作为文件存储系统才更为稳妥。

HBase存储的数据从逻辑上来看就像一张很大的表，并且它的数据列可以根据需要动态地增加。除此之外，每个单元（cell，由行和列所确定的位置）中的数据又可以具有多个版本（通过时间戳来区别）。从下图可以看出，HBase还具有这样的特点：它向下提供了存储，向上提供了运算。另外，在HBase之上还可以使用Hadoop的MapReduce计算模型来并行处理大规模数据，这也是它具有强大性能的核心所在。它将数据存储与并行计算完美地结合在一起。

HBase 和 HDFS

HDFS	HBase
HDFS是适于存储大容量文件的分布式文件系统。	HBase是建立在HDFS之上的数据库。
HDFS不支持快速单独记录查找。	HBase提供在较大的表快速查找。
它提供了高延迟批量处理;没有批处理概念。	它提供了数十亿条记录低延迟访问单个行记录（随机存取）。
它提供的数据只能顺序访问。	HBase内部使用哈希表和提供随机接入，并且其存储索引，可将在HDFS文件中的数据进行快速查找。

二、HBASE表结构

HBASE表具有以下特点：

大：一个表可以有上亿行，上百万列
面向列：面向列(族)的存储和权限控制，列(族)独立检索。
稀疏：对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。

HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(row family)。下面是HBASE表的逻辑视图：

在shell客户端展示：

> scan 'member'

ROW                                               COLUMN+CELL                                       lisi                 column=address:, timestamp=1567757931802, value=sichuan                       lisi                 column=info:, timestamp=1567757982455, value=info2

lisi                 column=info:love, timestamp=1567758039091, value=movie                         lisi                 column=school:, timestamp=1567758005941, value=xinhua                         zhangsan             column=address:city, timestamp=1567755403595, value=beijing                   zhangsan             column=info:, timestamp=1567755827530, value=info1                             zhangsan             column=info:age, timestamp=1567756662127, value=26

zhangsan             column=info:birthday, timestamp=1567755398376, value=1993-11-20               zhangsan             column=info:country, timestamp=1567755402535, value=china                     zhangsan             column=school:, timestamp=1567757294341, value=shiyan                         2 row(s)

Took 0.0945 seconds

下面依次介绍这些结构：

Row key：用来检索记录的主键，类似key-value结构的key。访问hbase table的行，只有三种方式：
- 通过单个row key访问；
- 通过row key的range；
- 全表扫描；
列族：hbase表中的每个列，都属于某个列族，列族属于表结构（必须在使用表之前定义），列不属于（插入数据的时候可以随时添加列），比如上面的info，address，school这些属于列族，info:age，info:love这些属于列。
Cell：row key和列以及时间戳唯一确定的单元，用来存储真实的数据，cell中的数据没有类型，全部是字节码形式存储。
时间戳：每个cell中保存着同一份数据的多个版本，版本通过时间戳来索引。为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。

三、安装运行HBASE

wget http://apache.01link.hk/hbase/2.2.0/hbase-2.2.0-bin.tar.gz

tar -zxvf hbase-2.2.0-bin.tar.gz

cd hbase-2.2.0

vim conf/hbase-site.xml

＜configuration＞

	<property>

		<name>hbase.rootdir</name>

		<value>file:///tmp/hbase-${user.name}/hbase</value>

	</property>

＜/configuration＞

# 单机模式运行，使用的是本次文件存储。不依赖Hadoop

./bin/start-hbase.sh

# 查看进程

jps

9758 HMaster

# 启动成功后可以在 http://localhost:16010 访问hbase的web页面

# 停止Hbase服务

./bin/stop-hbase.sh

# 进入HBASE shell

./bin/hbase shell

HBase Shell

Use "help" to get list of supported commands.

Use "exit" to quit this interactive shell.

For Reference, please visit: http://hbase.apache.org/2.0/book.html#shell

Version 2.2.0, rUnknown, Tue Jun 11 04:30:30 UTC 2019

Took 0.0128 seconds

hbase(main):001:0>

四、shell DDL操作

# 建表

> create 'member','member_id','address','info'

Created table member

Took 1.6592 seconds

=> Hbase::Table - member

# 列出所有表

> list

TABLE

member

1 row(s)

Took 0.1501 seconds

=> ["member"]

# 列出表描述

> describe 'member'

Table member is ENABLED                                                                            member                                                                                            COLUMN FAMILIES DESCRIPTION                                                                         {NAME => 'address', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false', NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE => 'false', DATA_BLOCK_ENCODING => 'NO

NE', TTL => 'FOREVER', MIN_VERSIONS => '0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW', CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE => 'false', PREFETCH_BLO

CKS_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE => 'true', BLOCKSIZE => '65536'}                                                                                                       

{NAME => 'info', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false', NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE => 'false', DATA_BLOCK_ENCODING => 'NONE'

, TTL => 'FOREVER', MIN_VERSIONS => '0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW', CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE => 'false', PREFETCH_BLOCKS

_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE => 'true', BLOCKSIZE => '65536'}                                                                                                          

{NAME => 'member_id', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false', NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE => 'false', DATA_BLOCK_ENCODING => '

NONE', TTL => 'FOREVER', MIN_VERSIONS => '0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW', CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE => 'false', PREFETCH_B

LOCKS_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE => 'true', BLOCKSIZE => '65536'}                                                                                                     

3 row(s)

QUOTAS

0 row(s)

Took 0.6478 seconds

# 删除一个列族，alter，disable，enable

> alter 'member',{NAME=>'member_id',METHOD=>'delete'}

# 在用describe 查看表会发现只有两个列族了

# 删除一个表,首先要先disable这个表

> disable 'member'

> drop 'member'

# 表是否存在

> exists 'member'

# 判断表是否enable

> is_enabled 'member'

# 判断表是否disable

> is_disabled 'member'

五、shell DML操作

# 插入数据

put'member','zhangsan','info:age','24'

put'member','zhangsan','info:birthday','1993-11-20'

put'member','zhangsan','info:country','china'

put'member','zhangsan','address:city','beijing'

put'member','lisi','info:birthday','1998-09-09'

put'member','lisi','info:favotite','movie'

put'member','lisi','address:city','beijing'

# 获取一个id的所有数据

> get'member','zhangsan'

COLUMN                                            CELL                                              address:city                                     timestamp=1567754003312, value=beijing             info:age                                         timestamp=1567753903167, value=24                 info:birthday                                    timestamp=1567753950339, value=1993-11-20         info:country                                     timestamp=1567753964169, value=china               1 row(s)

Took 0.1351 seconds

# 获取一个id，一个列族的所有数据

> get'member','zhangsan','info'

COLUMN                                            CELL                                             info:age                                         timestamp=1567753903167, value=24                 info:birthday                                    timestamp=1567753950339, value=1993-11-20         info:country                                     timestamp=1567753964169, value=china               1 row(s)

Took 0.0455 seconds

# 获取一个id，一个列族中一个列的所有数据

> get'member','zhangsan','info:age'

COLUMN                                            CELL                                             info:age                                         timestamp=1567753903167, value=24                 1 row(s)

Took 0.0364 seconds 

# 更新一条记录

> put'member','zhangsan','info:age','25'

> get'member','zhangsan','info:age'

COLUMN                                            CELL                                             info:age                                         timestamp=1567754315161, value=25                 1 row(s)

Took 0.0491 seconds

# 通过timestamp来获取指定版本的数据

> get'member','zhangsan',{COLUMN=>'info:age',TIMESTAMP=>1567753903167}

COLUMN                                            CELL                                             info:age                                         timestamp=1567753903167, value=24                 1 row(s)

Took 0.0342 seconds

# 全表扫描

> scan 'member'

ROW                                COLUMN+CELL

  lisi                              column=address:city, timestamp=1567754078391, value=beijing       lisi                              column=info:birthday, timestamp=1567754038812, value=1998-09-09   lisi                              column=info:favotite, timestamp=1567754057750, value=movie       zhangsan                          column=address:city, timestamp=1567754003312, value=beijing       zhangsan                          column=info:age, timestamp=1567754315161, value=25               zhangsan                          column=info:birthday, timestamp=1567753950339, value=1993-11-20   zhangsan                          column=info:country, timestamp=1567753964169, value=china       2 row(s)

Took 0.1000 seconds

# 删除指定字段

> delete'member','zhangsan','info:age'

# 这个很有意思，如果有两个版本的数据，那么只会删除最新的一个版本，当再次查询的时候结果就是上一个版本的

> get'member','zhangsan','info:age'

COLUMN                                            CELL                                             info:age                                         timestamp=1567753903167, value=24                 1 row(s)

Took 0.0454 seconds

# 再次执行delete就能把当前版本删除

> delete'member','zhangsan','info:age'

> get'member','zhangsan','info:age'

COLUMN                                            CELL                                              0 row(s)

Took 0.0166 seconds

# 删除整行

> deleteall'member','lisi'

Took 0.0235 seconds

# 查询表中有多少行

> count'member'

1 row(s)

Took 0.3753 seconds                                                                                 => 1

# 给"zhangsan"这个id增加'info:age'字段，并使用counter实现递增

> incr 'member','zhangsan','info:age'

COUNTER VALUE = 1

Took 0.0948 seconds

> get 'member','zhangsan','info:age'

COLUMN                                            CELL                                             info:age                                         timestamp=1567755056584, value=\x00\x00\x00\x00\x00\x00\x00\x01                                                             1 row(s)

Took 0.0504 seconds

> incr 'member','zhangsan','info:age'

COUNTER VALUE = 2

Took 0.0211 seconds

> get 'member','zhangsan','info:age'

COLUMN                                            CELL                                              info:age                                         timestamp=1567755133527, value=\x00\x00\x00\x00\x00\x00\x00\x02                                                             1 row(s)

Took 0.0479 seconds

# 获取当前count的值

> get_counter'member','zhangsan','info:age'

COUNTER VALUE = 2

Took 0.0145 seconds

# 清空整张表

> truncate 'member'

Truncating 'member' table (it may take a while):

Disabling table...

Truncating table...

Took 2.1687 seconds

# 如何查看多个版本的数据，首先需要更新表结构，因为默认只保存一个版本数据，我们将保存的版本数设置为3

> alter'member',{NAME=>'info',VERSIONS=>3}

> put'member','zhangsan','info:age','26'

> scan 'member',{COLUMN=>'info:age',VERSIONS=>3}

ROW                                               COLUMN+CELL                                       zhangsan                                         column=info:age, timestamp=1567756662127, value=26  zhangsan                                         column=info:age, timestamp=1567756297089, value=25 1 row(s)

Took 0.0361 seconds

> get 'member','zhangsan',{COLUMN=>'info',VERSIONS=>3}

COLUMN                                            CELL                                              info:                                            timestamp=1567755827530, value=info1               info:age                                         timestamp=1567756662127, value=26                 info:age                                         timestamp=1567756297089, value=25                 info:birthday                                    timestamp=1567755398376, value=1993-11-20         info:country                                     timestamp=1567755402535, value=china               1 row(s)

Took 0.0622 seconds

六、遇到的问题

问题1：

运行hbase shell时报错：

./bin/hbase shell

2019-09-06 11:03:21,079 WARN  [main] util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

HBase Shell

Use "help" to get list of supported commands.

Use "exit" to quit this interactive shell.

For Reference, please visit: http://hbase.apache.org/2.0/book.html#shell

Version 2.2.0, rUnknown, Tue Jun 11 04:30:30 UTC 2019

Took 0.0080 seconds

NotImplementedError: fstat unimplemented unsupported or native support failed to load; see http://wiki.jruby.org/Native-Libraries

  initialize at org/jruby/RubyIO.java:1013

        open at org/jruby/RubyIO.java:1154

  initialize at uri:classloader:/META-INF/jruby.home/lib/ruby/stdlib/irb/input-method.rb:141

  initialize at uri:classloader:/META-INF/jruby.home/lib/ruby/stdlib/irb/context.rb:70

  initialize at uri:classloader:/META-INF/jruby.home/lib/ruby/stdlib/irb.rb:426

  initialize at /home/wangjun/software/hbase-2.2.0/lib/ruby/irb/hirb.rb:47

       start at /home/wangjun/software/hbase-2.2.0/bin/../bin/hirb.rb:207

      <main> at /home/wangjun/software/hbase-2.2.0/bin/../bin/hirb.rb:219

解决方案：

Unable to load native-hadoop library for your platform... using builtin-java classes where applicable这个问题只需要修改conf/hbase-env.sh，加入：

export LD_LIBRARY_PATH=${hadoop_home}/lib/native:$LD_LIBRARY_PATH

${hadoop_home}为你的hadoop的安装路径。

NotImplementedError: fstat unimplemented unsupported or native support failed to load这个问题的解决方案：

sudo apt-get install jruby -y

sudo apt-get install asciidoctor -y

参考：

https://www.cnblogs.com/gaopeng527/p/4967186.html

https://blog.csdn.net/scutshuxue/article/details/6988348