[Hbase]HBase架構詳解和資料的讀寫流程
阿新 • • 發佈：2018-12-14
HBase架構圖理解
18.png
- HMaster連結Zookeeper的目得：HMaster需要知道哪些HRegionServere是活的及HRegionServer所在的位置，然後管理HRegionServer。
- HBase內部是通過DFS client把資料寫到HDFS上的
- 每一個HRegionServer有多個HRegion，每一個HRegion有多個Store，每一個Store對應一個列簇。
- HFile是HBase中KeyValue資料的儲存格式，HFile是Hadoop的二進位制格式檔案，StoreFile就是對HFile進行了封裝，然後進行資料的儲存。
- HStore由MemStore和StoreFile組成。
- HLog記錄資料的所有變更，可以用來做資料恢復。
-
hdfs對應的目錄結構為 namespace->table->列簇->列->單元格
17.png
寫資料流程
- zookeeper中儲存了meta表的region資訊，從meta表獲取相應region資訊，然後找到meta表的資料
- 根據namespace、表名和rowkey根據meta表的資料找到寫入資料對應的region資訊
- 找到對應的regionserver
- 把資料分別寫到HLog和MemStore上一份
- MemStore達到一個閾值後則把資料刷成一個StoreFile檔案。若MemStore中的資料有丟失，則可以總HLog上恢復
- 當多個StoreFile檔案達到一定的大小後，會觸發Compact合併操作，合併為一個StoreFile，這裡同時進行版本的合併和資料刪除。
-
當Compact後，逐步形成越來越大的StoreFIle後，會觸發Split操作，把當前的StoreFile分成兩個，這裡相當於把一個大的region分割成兩個region。如下圖：
19.png
讀資料流程
- zookeeper中儲存了meta表的region資訊，所以先從zookeeper中找到meta表region的位置，然後讀取meta表中的資料。meta中又儲存了使用者表的region資訊。
- 根據namespace、表名和rowkey在meta表中找到對應的region資訊
- 找到這個region對應的regionserver
- 查詢對應的region
- 先從MemStore找資料，如果沒有，再到StoreFile上讀(為了讀取的效率)。
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 {
/*
* 跟去表名獲取表的例項
*/
public static HTable getTable (String name) throws Exception{
//get the hbase conf instance
Configuration conf = HBaseConfiguration.create();
//get the hbase table instance
HTable 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 stub
Get 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 data
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("------------------------------");
}
}
/**
* put the data to the hbase table
*
* put 'tbname','rowkey','cf:col','value'
*
*/
public static void putData(HTable table) throws Exception {
//get the put instance
Put put = new Put(Bytes.toBytes("20161119_10003"));
//conf the put
put.add(
Bytes.toBytes("info"),
Bytes.toBytes("age"),
Bytes.toBytes("20")
);
//load the put
table.put(put);
//print
getData(table);
}
/**
* delete the data from the hbase table
*
* delete 'tbname','rowkey','cf:col'
*
*/
public static void deleteData(HTable table) throws Exception {
//get the delete instance
Delete 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 del
table.delete(del);
//print
getData(table);
}
/**
* scan the all table
* scan 'tbname'
*
*/
public static void scanData(HTable table) throws Exception {
//get the scan instance
Scan scan = new Scan();
//load the scan
ResultScanner 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 instance
Scan 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
//是否啟動快取
scan.setCacheBlocks(true);
//設定快取的條數
scan.setCaching(100);
//每一次取多少條
scan.setBatch(10);
//共同決定了請求RPC的次數
//load the scan
ResultScanner 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架構中各個模組的功能再次總結
- ** Client ** 整個HBase叢集的訪問入口； 使用HBase RPC機制與HMaster和HRegionServer進行通訊； 與HMaster進行通訊進行管理表的操作； 與HRegionServer進行資料讀寫類操作； 包含訪問HBase的介面，並維護cache來加快對HBase的訪問
- ** Zookeeper ** 保證任何時候，叢集中只有一個HMaster； 存貯所有HRegion的定址入口； 實時監控HRegion Server的上線和下線資訊，並實時通知給HMaster； 儲存HBase的schema和table元資料； Zookeeper Quorum儲存表地址、HMaster地址。
- ** HMaster ** HMaster沒有單點問題，HBase中可以啟動多個HMaster，通過Zookeeper的Master Election機制保證總有一個Master在執行，主負責Table和Region的管理工作。 管理使用者對錶的建立、刪除等操作； 管理HRegionServer的負載均衡，調整Region分佈； Region Split後，負責新Region的分佈； 在HRegionServer停機後，負責失效HRegionServer上Region遷移工作。
- ** HRegion Server ** 維護HRegion，處理對這些HRegion的IO請求，向HDFS檔案系統中讀寫資料； 負責切分在執行過程中變得過大的HRegion。 Client訪問hbase上資料的過程並不需要master參與（定址訪問Zookeeper和HRegion Server，資料讀寫訪問HRegione Server），HMaster僅僅維護這table和Region的元資料資訊，負載很低。
hbase與mapreduce的整合
可以把hbase表中的資料作為mapreduce計算框架的輸入，或者把mapreduce的計算結果輸出到hbase表中。 我們以hbase中自帶的mapreduce程式舉例
- 直接執行會發現報錯缺少jar包，所以執行前需引入環境變數
$ 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上執行所需的jar包
$ export HADOOP_CLASSPATH=`$HBASE_HOME/bin/hbase mapredcp`
- 執行示例
$ $HADOOP_HOME/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar rowcounter test:tb1
HBase的資料遷移的importsv的使用
HBase資料來源於日誌檔案或者RDBMS，把資料遷移到HBase表中。常見的有三種方法：（1）使用HBase Put API；（2）使用HBase批量載入工具；（3）自定義MapReduce job實現。 importtsv是HBase官方提供的基於mapreduce的批量資料匯入工具，同時也是hbase提供的一個命令列工具，可以將儲存在HDFS上的自定義分隔符(預設是\t)的資料檔案，通過一條命令方便的匯入到HBase中。 ** 測試 **
- 準備資料檔案
[[email protected] datas]$ cat tb1.tsv
10001 zhangsan 20
10002 lisi 22
10003 wangwu 30
- 把資料檔案上傳到hdsf上
$ bin/hdfs dfs -put /opt/datas/tb1.tsv /
- 在hbase中建立表
> create 'student','info' - 將HDFS中的資料匯入到hbase表中
$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為指定分隔符 Dimporttsv.columns指定資料檔案中每一列如何對應表中的rowkey和列 /tb1.tsv為hdfs上的資料檔案的路徑
- 檢視執行結果
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