重溫大資料---Hbase架構進階

阿新 • • 發佈：2018-11-29

這一講主要是對Hbase JavaApi使用的介紹，程式設計還是挺簡單的，重點在於理解程式設計實現的過程。其次深入講解了Hbase的架構。以及Hbase如何實現資料的遷移。

Hbase Java API

Hbase提供了java開發的介面，可以使用java語言對Hbase資料庫進行操作。

jar包依賴 server client
配置檔案匯入 hdfs-seite.xml core-site.xml hbase-site.xml

程式碼內容很簡單，我也打上了註釋就不多說了。

例項程式碼:

	package 
 com.beifeng.senior.hadoop.hbase;
	
	import org.apache.hadoop.conf.Configuration;
	import org.apache.hadoop.hbase.Cell;
	import org.apache.hadoop.hbase.CellUtil;
	import org.apache.hadoop.hbase.HBaseConfiguration;
	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.util.Bytes;
	import org.apache. 
hadoop.io.IOUtils;
	
	/**
	 * CRUD Operations
	 * 
	 * @author xianglei
	 *
	 */
	public class HBaseOperation {

	public static HTable getHTableByTableName(String tableName) throws Exception {
		// 讀取預設配置檔案資訊
		Configuration configuration = HBaseConfiguration.create();

		//獲取表的例項 
		HTable table = new HTable(configuration, tableName);

		return table;

	}

	public void getData() throws Exception {
		String tableName = "user"; // 預設省略->命名框架+名稱：default.user / hbase:meta

		HTable table = getHTableByTableName(tableName);

		// 獲取一個有著Rowkey的Get 對應shell -->get 'user','10002','info:name'
		Get get = new Get(Bytes.toBytes("10002")); 

		
		// get 查詢  指定（ 列蔟 列名）
		get.addColumn(//
				Bytes.toBytes("info"), //
				Bytes.toBytes("name"));
		get.addColumn(//
				Bytes.toBytes("info"), //
				Bytes.toBytes("age"));

		// 獲取資料
		Result result = table.get(get);

		// Key : rowkey + cf + c + version
		// Value: value
		// 列印 列蔟：列名->值
		for (Cell cell : result.rawCells()) {
			System.out.println(//
			Bytes.toString(CellUtil.cloneFamily(cell)) + ":" //
			+ Bytes.toString(CellUtil.cloneQualifier(cell)) + " ->" //
			+ Bytes.toString(CellUtil.cloneValue(cell)));
		}

		// 關閉資源
		table.close();

	}

	/**
	 * 建議 把tablename 和 columnfamily 定義為 常量 , 寫到一個常量工具類裡面 HBaseTableContent
	 * 
	 * 對於插入的列名和值建議使用 Map<String,Obejct> 使用for進行add
	 * 
	 * @throws Exception
	 */
	public void putData() throws Exception {
		String tableName = "user"; 

		HTable table = getHTableByTableName(tableName);

		Put put = new Put(Bytes.toBytes("10004"));

		// put 'user','10004','info:name','zhaoliu'
		put.add(//
				Bytes.toBytes("info"), //
				Bytes.toBytes("name"), //
				Bytes.toBytes("zhaoliu")//
		);

		put.add(//
				Bytes.toBytes("info"), //
				Bytes.toBytes("age"), //
				Bytes.toBytes(25)//
		);
		put.add(//
				Bytes.toBytes("info"), //
				Bytes.toBytes("address"), //
				Bytes.toBytes("shanghai")//
		);
		//放入資料
		table.put(put);

		table.close();
	}

	public void delete() throws Exception {
		String tableName = "user"; // default.user / hbase:meta

		HTable table = getHTableByTableName(tableName);

		Delete delete = new Delete(Bytes.toBytes("10004"));
		/* 刪除info列蔟下的address列的所有資料deleteColumn刪最新的deleteColumns刪除所有的
		 * delete.deleteColumn(Bytes.toBytes("info"),//
		 * Bytes.toBytes("address"));
		 */
		
		// rowkey為10004行info列蔟所有資料
		delete.deleteFamily(Bytes.toBytes("info"));

		table.delete(delete);

		table.close();
	}

	public static void main(String[] args) throws Exception {
		String tableName = "user"; 

		HTable table = null;
		ResultScanner resultScanner = null;

		try {
			table = getHTableByTableName(tableName);

			Scan scan = new Scan();
			
			// Range 範圍掃描 包頭不包尾
			scan.setStartRow(Bytes.toBytes("10001"));
			scan.setStopRow(Bytes.toBytes("10003")) ;
			// 或者這樣寫
			//Scan scan2 = new Scan(Bytes.toBytes("10001"),Bytes.toBytes("10003"));
			
			// PrefixFilter
			// PageFilter
			//設定過濾器 會影響查詢速度
			//scan.setFilter(filter) ;
			
			//資料讀出後快取到blockcache下一次讀就直接從快取拿
			//每一次獲取多少列
			//scan.setCacheBlocks(cacheBlocks);
			//scan.setCaching(caching);
			
			// 查詢哪些列哪些列蔟
			//scan.addColumn(family, qualifier)
			//scan.addFamily(family)

			resultScanner = table.getScanner(scan);

			for (Result result : resultScanner) {
				// result裡面存的是cell
				System.out.println(Bytes.toString(result.getRow()));
				//System.out.println(result);
				for (Cell cell : result.rawCells()) {
					System.out.println(//
					Bytes.toString(CellUtil.cloneFamily(cell)) + ":" //
					+ Bytes.toString(CellUtil.cloneQualifier(cell)) + " ->" //
					+ Bytes.toString(CellUtil.cloneValue(cell)));
				}
				System.out.println("---------------------------------------");
			}

		} catch (Exception e) {
			e.printStackTrace();
		} finally {

			IOUtils.closeStream(resultScanner);
			IOUtils.closeStream(table);
		}

	}

	}

Hbase架構元件剖析

)

Client
- 叢集訪問入口
- 使用RPC機制與HM和HR進行通訊
- 與HM進行通訊進行管理類操作
- 與HR進行資料讀寫操作
- 維護cache加快對Hbase的訪問

Zookeeper
- 保證叢集只有一個HM，Hbase沒有單節點故障的概念，Hbase可以有多個HM但是隻有一個去管理
- 儲存所有HR的定址入口 meta
- 實時監控HS的上下線資訊，並且通知HM
- 儲存Hbase的schema的table元資料

HMaster
- Hbase沒有單節點故障的概念，Hbase可以有多個HM但是隻有一個去管理
- 管理使用者對錶的操作
- 管理HR的負載均衡，調整Region分佈
- Region Split後，負責新的Region的分佈
- HS失效後，負責失效的HS上的Region的遷移工作
HRegion Server
- 維護region處理IO請求
- 切分大Region
- 客戶端訪問資料不需要HM參與，定址訪問ZK和HS，資料讀寫訪問HS，HM僅僅維護table和Region的元資料。

Hbase整合MapReduce

Hbase繼承所需的jar包

	/opt/modules/hbase-0.98.6-hadoop2/lib/hbase-common-0.98.6-hadoop2.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/protobuf-java-2.5.0.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/hbase-client-0.98.6-hadoop2.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/hbase-hadoop-compat-0.98.6-hadoop2.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/hbase-server-0.98.6-hadoop2.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/hbase-protocol-0.98.6-hadoop2.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/high-scale-lib-1.1.1.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/zookeeper-3.4.5.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/guava-12.0.1.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/htrace-core-2.04.jar:/opt/modules/hbase-0.98.6-hadoop2/lib/netty-3.6.6.Final.jar

使用方法：

export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2
export HADOOP_HOME=/opt/modules/hadoop-2.5.0
HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp` $HADOOP_HOME/bin/yarn jar $HBASE_HOME/lib/hbase-server-0.98.6-hadoop2.jar

 // 此jar下面自帶的
  CellCounter: Count cells in HBase table
  completebulkload: Complete a bulk data load.
  copytable: Export a table from local cluster to peer cluster
  export: Write table data to HDFS.
  import: Import data written by Export.
  importtsv: Import data in TSV format.
  rowcounter: Count rows in HBase table
  verifyrep: Compare the data from tables in two different clusters. WARNING: It doesn't work for incrementColumnValues'd cells since the timestamp is changed after being appended to the log.

TSV 格式
	tab分隔
	>> student.tsv
	1001	zhangsan	26	shanghai
CSV 格式
	逗號分隔
	>> student.csv
	1001,zhangsan,26,shanghai

completebulkload     ★ ★ ★ ★ ★ ★ 直接變成hfile
	file  csv
	  |
	hfile
	  |
	load

程式碼例項

package com.beifeng.senior.hadoop.hbase;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.hbase.Cell;
import org.apache.hadoop.hbase.CellUtil;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Mutation;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class User2BasicMapReduce extends Configured implements Tool {
	
	// Mapper Class
	public static class ReadUserMapper extends TableMapper<Text, Put> {

		private Text mapOutputKey = new Text();

		@Override
		public void map(ImmutableBytesWritable key, Result value,
				Mapper<ImmutableBytesWritable, Result, Text, Put>.Context context)
						throws IOException, InterruptedException {
			// get rowkey
			String rowkey = Bytes.toString(key.get());

			// set map的輸出key
			mapOutputKey.set(rowkey);

			// --------------------------------------------------------
			Put put = new Put(key.get());

			// iterator
			for (Cell cell : value.rawCells()) {
				// add family : info
				if ("info".equals(Bytes.toString(CellUtil.cloneFamily(cell)))) {
					// add column: name
					if ("name".equals(Bytes.toString(CellUtil.cloneQualifier(cell)))) {
						put.add(cell);
					}
					// add column : age
					if ("age".equals(Bytes.toString(CellUtil.cloneQualifier(cell)))) {
						put.add(cell);
					}
				}
			}

			// context write
			context.write(mapOutputKey, put);
		}

	}

	// Reducer Class
	public static class WriteBasicReducer extends TableReducer<Text, Put, //
	ImmutableBytesWritable> {

		@Override
		public void reduce(Text key, Iterable<Put> values,
				Reducer<Text, Put, ImmutableBytesWritable, Mutation>.Context context)
						throws IOException, InterruptedException {
			for(Put put: values){
			// 輸出已經定義好了
				context.write(null, put);
			}
		}

	}

	// Driver
	public int run(String[] args) throws Exception {
		
		// create job
		Job job = Job.getInstance(this.getConf(), this.getClass().getSimpleName());
		
		// set run job class
		job.setJarByClass(this.getClass());
		
		// set job
		Scan scan = new Scan();
		scan.setCaching(500);        // 1 is the default in Scan, which will be bad for MapReduce jobs
		scan.setCacheBlocks(false);  // don't set to true for MR jobs
		// set other scan attrs

		// set input and set mapper
		TableMapReduceUtil.initTableMapperJob(
		  "user",        // input table
		  scan,               // Scan instance to control CF and attribute selection
		  ReadUserMapper.class,     // mapper class
		  Text.class,         // mapper output key
		  Put.class,  // mapper output value
		  job //
		 );
		
		// set reducer and output
		TableMapReduceUtil.initTableReducerJob(
		  "basic",        // output table
		  WriteBasicReducer.class,    // reducer class
		  job//
		 );
		
		job.setNumReduceTasks(1);   // at least one, adjust as required
		
		// submit job
		boolean isSuccess = job.waitForCompletion(true) ;
		
		
		return isSuccess ? 0 : 1;
	}
	
	
	public static void main(String[] args) throws Exception {
		// get configuration
		Configuration configuration = HBaseConfiguration.create();
		
		// submit job
		int status = ToolRunner.run(configuration,new User2BasicMapReduce(),args) ;
		
		// exit program
		System.exit(status);
	}

	}

執行：

export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2
export HADOOP_HOME=/opt/modules/hadoop-2.5.0
HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp` $HADOOP_HOME/bin/yarn jar $HADOOP_HOME/jars/hbase-mr-user2basic.jar

Hbase 資料遷移

Hbase資料來至於Logs或者RDMS等。資料遷移的方式有

Put API
bilk load tool
MapReduce job

準備樣本資料

		10001	zhangsan35	male	beijing	0109876543
		10002	lisi	32	male	shanghia	0109876563
		10003	zhaoliu	35	female	hangzhou	01098346543
		10004	qianqi	35	male	shenzhen	01098732543

importTSV

 export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2

 export HADOOP_HOME=/opt/modules/hadoop-2.5.0

 HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp`:${HBASE_HOME}/conf ${HADOOP_HOME}/bin/yarn jar \
 ${HBASE_HOME}/lib/hbase-server-0.98.6-hadoop2.jar importtsv \
 -Dimporttsv.columns=HBASE_ROW_KEY,\
 info:name,info:age,info:sex,info:address,info:phone \
 student \
 hdfs://masterm:8020/user/hbase/importtsv

bulk load方式快速載入巨量資料

1、準備資料檔案
Bulk Load的第一步。會執行一個Mapreduce作業，當中使用到了HFileOutputFormat輸出HBase資料檔案：StoreFile。
HFileOutputFormat的作用在於使得輸出的HFile檔案能夠適應單個region。使用TotalOrderPartitioner類將map輸出結果分割槽到各個不同的key區間中，每一個key區間都相應著HBase表的region。
2、匯入HBase表
第二步使用completebulkload工具將第一步的結果檔案依次交給負責檔案相應region的RegionServer，並將檔案move到region在HDFS上的儲存資料夾中。一旦完畢。將資料開放給clients。
假設在bulk load準備匯入或在準備匯入與完畢匯入的臨界點上發現region的邊界已經改變，completebulkload工具會自己主動split資料檔案到新的邊界上。可是這個過程並非最佳實踐，所以使用者在使用時須要最小化準備匯入與匯入叢集間的延時，特別是當其它client在同一時候使用其它工具向同一張表匯入資料。

bulkload的優點

消除了對Hbase叢集的插入壓力
提高了Job的執行速度，降低了Job的執行時間

使用方法

	export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2

	export HADOOP_HOME=/opt/modules/hadoop-2.5.0

	HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp`:${HBASE_HOME}/conf \
	        ${HADOOP_HOME}/bin/yarn jar \
	${HBASE_HOME}/lib/hbase-server-0.98.6-hadoop2.jar importtsv \
	-Dimporttsv.columns=HBASE_ROW_KEY,\
	info:name,info:age,info:sex,info:address,info:phone \
	-Dimporttsv.bulk.output=hdfs://master:8020/user/hbase/hfileoutput \
	student2 \
	hdfs://master:8020/user/hbase/importtsv
	
	=======================================================================
	
	export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2

	export HADOOP_HOME=/opt/modules/hadoop-2.5.0

	HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp`:${HBASE_HOME}/conf \
	${HADOOP_HOME}/bin/yarn jar \
	${HBASE_HOME}/lib/hbase-server-0.98.6-hadoop2.jar \
	completebulkload \
	hdfs://hadoop-senior.ibeifeng.com:8020/user/beifeng/hbase/hfileoutput \
	student2

由於BulkLoad是繞過了Write to WAL，Write to MemStore及Flush to disk的過程，所以並不能通過WAL來進行一些複製資料的操作。

總結

這一塊的東西挺多的。詳見官網Hbase，我還得去看看官網的內容再來總結。

重溫大資料---Hbase架構進階

這一講主要是對Hbase JavaApi使用的介紹，程式設計還是挺簡單的，重點在於理解程式設計實現的過程。其次深入講解了Hbase的架構。以及Hbase如何實現資料的遷移。 Hbase Java API Hbase提供了java開發的介面，可以使用java語

重溫大資料---HA架構部署

說完這一講，Hadoop四個核心模組的內容基本上就結束了。前面講過了基礎的部署，包括單機、偽分散式，雖然完全分散式其實也挺簡單的，但是既然是知識的梳理，在本節我也做個講解吧。本節最重要的內容是對HDFS的HA架構的搭建。一年前看得我頭大，其實嘛沒有那麼難，只是

重溫大資料---Hbase細節剖析

這一節我能說多少說多少吧，資訊量太大。Hbase的官方文件我感覺寫的挺亂糟的，反正用起來沒有Hadoop的舒服。最終還是一個原則不會再查！ Hbase架構 Hbase Region定位 Hbase表建立 help ‘create’ 引號‘’是

大資料點點滴滴積少成多---進階之路

未雨綢繆：Java高階架構進階必學之 ⑥ 大知識要點附視訊學習資料

程式設計師，一個令人嚮往的職業，看起來有著高薪酬、高技術，還是一群高智商、頭腦靈活的人。事實上，程式設計師的工作，讓人非常抓狂，程式設計師的生活，異常線性單調。而且技術更新快，相互之間競爭壓力非常大~~ 相信你可能經歷過這些：已經工作3年了，每個專案都會保質保量的完成，

重溫大資料---Hive進階

這一塊的內容自我感覺算不上進階。除了一些看似需要死記硬背但實際上我並不會去背的東西，真沒啥好寫的。只能全當做筆記了。另外值得提一嘴的就是那個UDF，其實只要有那麼一點點Java基礎看起來就很簡單。不要因為程式設計兩個字就選擇性忽略了。單學習來講UDF程式設計還

高級架構進階之HashMap源碼就該這麽學

variants 自帶枯燥 ring 成員 batis 基本 ket none 引言--面試常見的問題問：“你用過HashMap，你能跟我說說它嗎？”“當然用過，HashMap是一種<key,value>的存儲結構，能夠快速將key的數據put方式存儲起來，然

[大資料]hbase HA配置

1 叢集規劃 bigdata01.com bigdatan2.com bigdata03.com master master region

大資料HBase系列之HBase分散式資料庫部署

一、部署準備 1. 依賴框架大資料Hadoop系列之Hadoop分散式叢集部署：https://blog.csdn.net/volitationLong/article/details/80285123 大資料Zookeeper系列之Zookeeper叢集部署：https://

大資料HBase系列之初識HBase

1. HBase簡介 1.1 為什麼使用HBase 傳統的RDBMS關係型資料庫（MySQL/Oracle）儲存一定量資料時進行資料檢索沒有問題，可當資料量上升到非常巨大規模的資料（TB/PB）級別時，傳統的RDBMS已無法支撐，這時候就需要一種新型的資料庫系統更好更

這是我見過最牛X的Java架構進階學習路線圖，沒有之一！

大部分職業都是需要有成長體系，才能讓人有奮發向上的追求。架構師就是程式設計師這個群體成長道路上往往會出現的一個重要節點。每個好架構師都是一位出色的程式設計師。然而好的程式設計師進階為架構師，並不容易。在規劃和設計系統架構時，涉及到方方面面的技術知識點，可選的方案也很多，如何在各種各樣，紛

大資料平臺架構思考

筆者早期從事資料開發時，使用spark開發一段時間，感覺大資料開發差不多學到頭了，該會的似乎都會了。在後來的實踐過程中，發現很多事情需要站在更高的視角來看問題，不然很容易陷入“不識廬山真面目”的境界。最近在思考資料資產管理平臺的建設，進行血緣分析開發，有如下感悟：大資料平臺從資料層面來說，包括資料本身和元

Java架構進階學習路線圖，看過的都說好！

大部分職業都是需要有成長體系，才能讓人有奮發向上的追求。架構師就是程式設計師這個群體成長道路上往往會出現的一個重要節點。每個好架構師都是一位出色的程式設計師。然而好的程式設計師進階為架構師，並不容易。對於有一定後臺研發經驗（尤其是5年以上經驗）的程式設計師們來說，

Udacity資料分析（進階）- 統計學：檢驗心理學現象

統計學：檢驗心理學現象背景資訊在一個Stroop （斯特魯普）任務中，參與者得到了一列文字，每個文字都用一種油墨顏色展示。參與者的任務是將文字的列印顏色大聲說出來。這項任務有兩個條件：一致文字條件，和不一致文字條件。在一致文字條件中，顯示的文字是與它們的列印顏色匹配的顏色詞，如“

重溫大資料---Hive介紹與填坑配置

沿著前面的內容，接下來的文章就是關於Hive從基礎的搭建到高階應用的知識。鄙人在大二初學Hive的時候，只是覺得Hive和Mysql差不多，但是對於Hive為什麼叫做資料倉庫，以及Hive的UDF程式設計我並沒有太多思考。所以啊，為了混口飯吃遲早還是要還的。所幸目前算是明白了資料

十年JAVA架構師傅帶徒進階模式——架構進階

一個程式設計師技術的高低，不是掌握了多少的框架，做過多少專案；而是掌握了多少原理，把握了多少精髓。要知道萬變不離其宗的道理。架構班作業內容：作業一：寫一個Mvc框架作業二：寫一個apache伺服器作業三：將Mvc框架實現annocation註解方式作業四：模仿monogdb

多圖技術貼：深入淺出解析大資料平臺架構

化資料也爆發式增長。比如： 1、業務系統現在平均每天儲存20萬張圖片，磁碟空間每天消耗100G； 2、平均每天產生簽約視訊檔案6000個，每個平均250M，磁碟空間每天消耗1T; …… 三國裡的“大資料” “草船借箭”和大資料有什麼關係呢？對天象的觀察是基於一種對風、雲、溫度、溼度、光照和

阿里如何實現秒級百萬TPS？搜尋離線大資料平臺架構解讀

什麼是搜尋離線？一個典型的商品搜尋架構如下圖所示，本文將要重點介紹的就是下圖中的離線資料處理系統（Offline System）。何謂離線？在阿里搜尋工程體系中我們把搜尋引擎、線上算分、SearchPlanner等ms級響應使用者請求的服務稱之為“

大資料的架構及配置技術（一）

大資料 Hadoop Hadoop安裝與配置 HDFS 一、大資料大資料的定義 — 大資料是指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，需要新處理模式才能具有更強的決策力。洞察發現力和流程優化能力的海量、高增長率和

Android----MVP架構進階（一）

相信大家一定在用mvp架構去設計App，但是在設計運用的過程中，大家有沒有考慮簡化程式碼，View層和Model層會有很多重複的程式碼，在顯示資料之前還需每次判斷View！=null，Presenter層每次需要去new Model層的例項，View層還有可能會對應多個Presenter

重溫大資料---Hbase架構進階

Hbase Java API

Hbase架構元件剖析

Hbase整合MapReduce

Hbase 資料遷移

總結

相關推薦