目录
1. HBase简介
HBase是一个基于HDFS的面向列的分布式数据库。HDFS基于流式数据访问,低时间延迟的数据访问并不适合在HDFS上运行。所以,如果需要实时地随机访问超大规模数据集,使用HBase是更好的选择。HBase时NoSQL(非关系型数据库)数据库,不支持关系型数据库地SQL,并且是以键值对地方式按列存储,是非关系型数据库(Not Only SQL)中的一个重要代表。NoSQL目前并没有明确地范围和定义,其主要特点是通常被用于大规模数据地存储、没有预定义地模式(如表结构)、表和表之间没有复杂的关系。总体上可将NoSQL数据库分为以下4类:
- 基于列存储地类型
- 基于文档存储的类型
- 基于键值对存储的类型
- 基于图形数据存储的类型
HBase 是一个可以建立在HDFS上的分布式NoSQL数据库(非关系型数据库只有对数据表进行增、删、查操作;没有改地操作,要做改的操作,需要先删除,再插入来代替)。
2. hbase安装
hbase有三种安装方式:单机、伪分布式、完全分布式。
【单机hbase】:hbase数据库的数据文件存在单一的一台设备上,使用的是该设备的文件系统。
【伪分布式hbase】:hbase数据库的数据文件存在一台设备构成的hdfs上,数据库也分主从结构。
【完全分布式hbase】:hbase数据库的数据文件存在多台设备构成的hdfs上,数据库也分主从结构。
我们这里为了后期学习,直接采用【完全分布式hbase】方式安装:
1)获取hbase安装包并解压到node1的/home/hdser/下 并重命名为hbase
[hduser@node1 ~]$ tar -zxvf /home/hduser/桌面/hbase-1.2.0-bin.tar.gz -C /home/hduser/
[hduser@node1 ~]$ mv /home/hduser/hbase-1.2.0/ /home/hduser/hbase
2)配置hbase核心配置文件(hbase-site.xml)
/home/hduser/hbase/conf/下
用安装的gedit记事本进入:
[hduser@node1 conf]$ gedit hbase-site.xml
增加以下核心内容:
<!-- 设置hbase 在hdfs 数据的存储位置 即配置HRegionServer的数据库存储目录-->
<property>
<name>hbase.rootdir</name>
<value>hdfs://node1:9000/hbase</value>
</property>
<!-- 设置hbase是完全分布式类型,默认为false,即单机运行,true表示在分布模式运行 -->
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<!-- 指定hbase的HMaster访问地址、端口 -->
<property>
<name>hbase.master</name>
<value>node1:60000</value>
</property>
<!-- hbase的家庭成员(主从机的网络用户名) -->
<property>
<name>hbase.zookeeper.quorum</name>
<value>node1,node2,node3</value>
</property>
3)配置hbase环境配置文件(hbase-env.sh)
/home/hduser/hbase/conf/下
用安装的gedit记事本进入:
[hduser@node1 conf]$ gedit hbase-env.sh
在文末增加以下环境变量配置:
修改JAVA_HOME配置:
export JAVA_HOME=/usr/java/jdk1.8.0_171
增加HADOOP_HOME配置:
export HADOOP_HOME=/home/hduser/hadoop
增加HBASE_HOME配置:
export HBASE_HOME=/home/hduser/hbase
增加启用hbase 内置zookeeper配置:
export HBASE_MANAGERS_ZK=true
4)配置从机网络用户名(regionservers)
/home/hduser/hbase/conf/下
用安装的gedit记事本进入:
[hduser@node1 conf]$ gedit regionservers
将内容更改成从机用户名信息:
node2
node3
5)拷贝node1的hbase的主目录到node2,node3下,使得各个节点上都能运行HBase来构建HBase集群,执行以下两个命令
[hduser@node1 ~]$ scp -r hbase hduser@node2:/home/hduser/
[hduser@node1 ~]$ scp -r hbase hduser@node3:/home/hduser/
6)配置hbase的环境变量
用记事本命令打开配置环境
[hduser@node1 ~]$ sudo gedit /etc/profile
增加以下配置内容:
export HBASE_HOME=/home/hduser/hbase
export PATH=$PATH:$HBASE_HOME/bin
保存并退出,使文件生效:
[hduser@node1 ~]$ source /etc/profile
3. hbase的启动与关闭
1)启动(启动前必须保证hdfs已经启动)
语法:【$>hbase主目录下/bin/start-base.sh】
[hduser@node1 ~]$ ./hbase/bin/start-hbase.sh
node1: starting zookeeper, logging to /home/hduser/hbase/logs/hbase-hduser-zookeeper-node1.out
node2: starting zookeeper, logging to /home/hduser/hbase/logs/hbase-hduser-zookeeper-node2.out
node3: starting zookeeper, logging to /home/hduser/hbase/logs/hbase-hduser-zookeeper-node3.out
starting master, logging to /home/hduser/hbase/logs/hbase-hduser-master-node1.out
node3: starting regionserver, logging to /home/hduser/hbase/logs/hbase-hduser-regionserver-node3.out
node2: starting regionserver, logging to /home/hduser/hbase/logs/hbase-hduser-regionserver-node2.out
node3: Java HotSpot(TM) 64-Bit Server VM warning: ignoring option PermSize=128m; support was removed in 8.0
node3: Java HotSpot(TM) 64-Bit Server VM warning: ignoring option MaxPermSize=128m; support was removed in 8.0
node2: Java HotSpot(TM) 64-Bit Server VM warning: ignoring option PermSize=128m; support was removed in 8.0
node2: Java HotSpot(TM) 64-Bit Server VM warning: ignoring option MaxPermSize=128m; support was removed in 8.0
Hbase首先启动的是ZooKeeper,再启动的是HMaster和HRegionServer,启动成功后注意node1上增加了两个java进程—"HQuorumPeer"和"HMaster",分别是ZooKeepper进程和HBase进程:
[hduser@node1 bin]$ jps
12226 HMaster
11186 NameNode
13651 Jps
11526 ResourceManager
11384 SecondaryNameNode
5353 HQuorumPeer
12748 Main
再看从机的Java进程,这里多了两个进程“HQuorumPeer”和“HRegionServer”,同样分别是ZooKeepper进程和HBase进程:
[hduser@node2 bin]$ jps
5444 DataNode
5557 NodeManager
4437 HQuorumPeer
4542 HRegionServer
6303 Jps
2)关闭
语法:【 $>hbase主目录下/bin/stop-base.sh】
[hduser@node1 hbase]$ /home/hduser/hbase/bin/stop-hbase.sh
stopping hbase................
node3: stopping zookeeper.
node2: stopping zookeeper.
node1: stopping zookeeper.
3)浏览器测试:
访问: http://node1.16010
4)命令测试(登陆进入数据库)
语法:【$>hbase主目录下/bin/hbase shell】
[hduser@node1 ~]$ ./hbase/bin/hbase shell
进入HBase Shell后,使用HBase Shell命令“status”可在HBase Shell中查看HBase的运行状态,如下,表示当前共有两个HRegionServer正在正常运行:
hbase(main):001:0> status
2 servers, 0 dead, 1.5000 average load
4. 术语
1)hregion
hregion指的是hbase的数据存储是以区块(region)存储的。
2)hregionserver
hregionserver指的是hbase数据库从机,存具体数据。
3)hmaster
hmaster指的是hbase主机,存储元数据(结构数据)。
4)行(row)与行键(rowkey)
hbase中一条完整的数据即一行,由一个唯一的行键+多个列键值构成。
行键:每一行都有一条内置的主键,用于区别其他行数据。
5)列簇(columnfamily)
hbase中列簇指的是一个大列,这个大的列可以有0个(列簇即列)或多个列(column)构成。
如成绩表score中course列簇由数学(math)、美术(art)等。
新建表只需要指定列簇,而不需要指定列。
create table score ,'course:'.
6)列键(column key)
hbase中每一行数据都是由很多列键构成的,其中一个列一般都有一个或多个列键。
每一个列键值都由行键、单元格值、时间戳、版本构成。
如:成绩表中数学成绩结构如下->
行键 列 单元格值 时间戳 版本
1001 course:math 55 2019-1*** 1(及时间戳,以1,2,3.....增加)
7)单元格(cell 或者列键值)
在hbase中,值是作为一个单元保存在系统中的,要定位一个单元,需要使用”行键+列键+时间戳“等三要素
8)时间戳(Timestamp)
插入单元格时的时间,默认作为单元格的版本号。
9)来两个自定义的概要图理解
5. HBase Shell命令简单使用
命令都在hbase主目录下/bin/下,可以配置bin到环境变量PATH下(即上面做的环境变量配置)
注意:所有的表名和列名都要用单引号括起来并以逗号分隔开。
1)查看所有表:list
语法:【$hbase>list】
示例:
hbase(main):006:0> list
TABLE
music
scores
2 row(s) in 0.0310 seconds
=> ["music", "scores"]
2) 查看当前表所有列簇的详细描述信息:describe
语法:【$hbase>describe '表名'】
示例:
hbase(main):007:0> describe 'scores'
Table scores is ENABLED
scores
COLUMN FAMILIES DESCRIPTION
{NAME => 'course', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false',
KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER',
COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '
65536', REPLICATION_SCOPE => '0'}
{NAME => 'grade', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', K
EEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', C
OMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '6
5536', REPLICATION_SCOPE => '0'}
2 row(s) in 0.3110 seconds
3)新建表、列、列簇:create
简化方式语法:【$hbase>create '表名’,‘列簇1',......'列簇n'】
示例:
hbase(main):005:0> create 'scores','grade','course'
0 row(s) in 1.6600 seconds
=> Hbase::Table - scores
完整的语法写法:【$hbase>create '表名',{NAME=>'列簇名',VERSIONS=>可保存在单元时间版本的最大数量},....】
样例:
$hbase>create 'scores',{NAME=>'grade',VERSIONS=>5},{NAME=>'course',VERSIONS=5}
对比上一个方式,此命令制定了列簇名及可保存的单元时间版本最大数量。可以看出,指定列簇参数的格式为:参数名=>参数值,注意赋值符号为“=>”且参数名必须大写。如果制定了多个参数,应以逗号分开,最后所有参数以“{}”括起来表示一个列簇。
4)插入数据:put
语法:【$hbase>put '表名','行键名','列键名称','单元格值'】
样例:插入播放记录
$hbase>put 'music','1001','song','music1'
$hbase>put 'music','1001','singer','singer1'
$hbase>put 'music','1001','playdata','2019-11-1'
示例:
hbase(main):008:0> put 'scores','tom','grade:','1'
0 row(s) in 0.2000 seconds
hbase(main):009:0> put 'scores','tom','course:art','80'
0 row(s) in 0.0400 seconds
hbase(main):010:0> put 'scores','tom','course:math','89'
0 row(s) in 0.0090 seconds
hbase(main):011:0> put 'scores','jason','grade:','2'
0 row(s) in 0.0330 seconds
hbase(main):012:0> put 'scores','jason','course:art','87'
0 row(s) in 0.0120 seconds
hbase(main):013:0> put 'scores','jason','course:math','57'
0 row(s) in 0.0040 seconds
5)扫描一张表:scan
语法:【 $hbase>scan '表名',{COLUMNS=>['列簇名1’,‘列簇名2'......],参数名=>参数值....}】 大括号内的内容为扫描条件,如果不指定则查询所有数据。
示例1:
hbase(main):014:0> scan 'scores'
ROW COLUMN+CELL
jason column=course:art, timestamp=1547563878493, value=87
jason column=course:math, timestamp=1547563894482, value=57
jason column=grade:, timestamp=1547563847271, value=2
tom column=course:art, timestamp=1547563796441, value=80
tom column=course:math, timestamp=1547563812083, value=89
tom column=grade:, timestamp=1547563754447, value=1
2 row(s) in 0.0550 seconds
示例2:以上输出结果显示2行数据,因为在scan的结果中,将相同的行键的所有单元视为一行。如果对有些列簇不关心,便可以指定只查询某一个列簇:
hbase(main):015:0> scan 'scores',{COLUMNS=>'course'}
ROW COLUMN+CELL
jason column=course:art, timestamp=1547563878493, value=87
jason column=course:math, timestamp=1547563894482, value=57
tom column=course:art, timestamp=1547563796441, value=80
tom column=course:math, timestamp=1547563812083, value=89
2 row(s) in 0.0260 seconds
语法:【 $hbase>scan '表名' ,{COLUNMN=>['列键1’,‘列键2'......],参数名=>参数值....}】将COLUMNS替换成COLUMN,表示当前扫描的目标时列键,如下示例中扫描所有行的列键为“course:math”的单元,并使用LIMIT参数限制只输出一个单元:
示例3:
hbase(main):016:0> scan 'scores',{COLUMN=>'course:math',LIMIT=>1}
ROW COLUMN+CELL
jason column=course:math, timestamp=1547563894482, value=57
1 row(s) in 0.2050 seconds
6)查询一行数据(不筛选):get
语法:【 $hbase>get '表名' ,'行主键名'】
样例:只查看 1001的数据
$hbase>get 'music','1001'
示例:查找行键为“jason”的所有单元
hbase(main):018:0> get 'scores','jason'
COLUMN CELL
course:art timestamp=1547563878493, value=87
course:math timestamp=1547563894482, value=57
grade: timestamp=1547563847271, value=2
3 row(s) in 0.1180 seconds
7)查询一行中某些单元格的数据(筛选):get
语法:【 $hbase>get '表名' ,'行主键名',{COLUNMNS=>['列簇名1’,‘列簇名2'......],参数名=>参数值....}】
语法:【 $hbase>get '表名' ,'行主键名',{COLUNMN=>['列键1’,‘列键2'......],参数名=>参数值....}】
示例:精确查找行键为“jason”,列键为"course:math"的单元
hbase(main):020:0> get 'scores','jason',{COLUMN=>'course:math'}
COLUMN CELL
course:math timestamp=1547563894482, value=57
1 row(s) in 0.0080 seconds
与scan相比多一个行键参数。因为scan查找的目标是全表的某个列簇、列键,而get查找的目标是某行的某个列簇、列键。
提示:
- get 'scores','jason',{COLUMNS=>'course'} 等价于 get 'scores','jason','course'
- get 'scores','jason',{COLUMN=>'course:math'} 等价于 get 'scores','jason','course:math'
- get 'scores','jason',{COLUMNS=>['course','grade']} 等价于 get 'scores','jason','course','grade'
- get 'scores','jason',{COLUMN=>['course:math','grade:']} 等价于 get 'scores','jason','course:math','grade:'
7)删除数据(删除一行中的一个单元):delete
语法:【$hbase>delete '表名','行主键名' {CLOUMNS=>'列键值'}】注意:'列键值'--->'列簇名:查找的单元名称'
示例:
hbase(main):021:0> delete 'scores','jason','course:art'
0 row(s) in 0.0690 seconds
hbase(main):022:0> get 'scores','jason'
COLUMN CELL
course:math timestamp=1547563894482, value=57
grade: timestamp=1547563847271, value=2
2 row(s) in 0.0150 seconds
8)删除一行:deleteall
语法:【$hbase>deleteall '表名','行主键名'】
9)修改表:alter
语法:【$hbase>alter'表名称',参数名=>参数值,........】为表增加或修改列簇;其中列簇名参数NAME必须提供,如果已存在则修改,否则会增加一个列簇。
示例:将scores表的列簇“course”的“VERSIONS”参数修改为“5”
hbase(main):023:0> alter 'scores',NAME=>'course',VERSIONS=>'5'
Updating all regions with the new schema...
1/1 regions updated.
Done.
0 row(s) in 2.4070 seconds
语法:【$hbase>alter'表名称',{参数名=>参数值,....},{参数名=>参数值,....}.......】 同时修改或增加多个列簇时应用逗号分开,并且每个列簇用“{}”括起来。
示例:将同时修改scores表的两个列簇
hbase(main):024:0> alter 'scores',{NAME=>'grade',VERSIONS=>'5'},{NAME=>'course',VERSIONS=>'5'}
Updating all regions with the new schema...
1/1 regions updated.
Done.
Updating all regions with the new schema...
1/1 regions updated.
Done.
0 row(s) in 3.8990 seconds
10)删除表:drop
语法:【$hbase>drop '表名'】
HBase表分为两种状态:ENABLED和DISABLED,分别表示是否可用。
使用disable将表设置为不可用状态:
语法:【$hbase>disable'表名'】
使用enable将表设置为可用状态:
语法:【$hbase>enable '表名'】
当表为ENABLED状态时,会被禁止删除,所以必须先将表设置为DISABLED状态才可以被删除。
示例:
hbase(main):032:0> disable 'scores'
0 row(s) in 2.2610 seconds
hbase(main):033:0> drop 'scores'
0 row(s) in 1.2970 seconds
hbase(main):034:0> list
TABLE
music
1 row(s) in 0.0040 seconds
=> ["music"]
hbase(main):035:0>
提示:以上示例的顺序不完全是按正常顺序操作下来的,所以,应该按照正常的创建,增加,获取,修改,删除流程来操作。