HBase框架基础（二）

* HBase框架基础（二）

上一节我们了解了HBase的架构原理和模块组成，这一节我们先来聊一聊HBase的读写数据的过程。

* HBase的读写流程及3个机制

HBase的读数据流程：

1、HRegionServer保存着meta表以及表数据，要访问表数据，首先Client先去访问zookeeper，从zookeeper里面获取meta表所在的位置信息，即找到这个meta表在哪个HRegionServer上保存着。

2、接着Client通过刚才获取到的HRegionServer的IP来访问Meta表所在的HRegionServer，从而读取到Meta，进而获取到Meta表中存放的元数据。

3、Client通过元数据中存储的信息，访问对应的HRegionServer，然后扫描所在HRegionServer的Memstore和Storefile来查询数据。

4、最后HRegionServer把查询到的数据响应给Client。

HBase写数据流程：

1、Client也是先访问zookeeper，找到Meta表，并获取Meta表元数据。

2、确定当前将要写入的数据所对应的HRegion和HRegionServer服务器。

3、Client向该HRegionServer服务器发起写入数据请求，然后HRegionServer收到请求并响应。

4、CLient先把数据写入到HLog，以防止数据丢失。

5、然后将数据写入到Memstore

6、如果HLog和Memstore均写入成功，则这条数据写入成功

7、如果Memstore达到阈(yu)值（注意，不存在“阀值”这么一说，属于长期的误用，在此提醒），会把Memstore中的数据flush到Storefile中。

8、当Storefile越来越多，会触发Compact合并操作，把过多的Storefile合并成一个大的Storefile。

9、当Storefile越来越大，Region也会越来越大，达到阈值后，会触发Split操作，将Region一分为二。

重申强调上述涉及到的3个机制：

** Flush机制：

当MemStore达到阈值，将Memstore中的数据Flush进Storefile

涉及属性：

hbase.hregion.memstore.flush.size：134217728

即：128M就是Memstore的默认阈值

hbase.regionserver.global.memstore.upperLimit：0.4

即：这个参数的作用是当单个HRegion内所有的Memstore大小总和超过指定值时，flush该HRegion的所有memstore。RegionServer的flush是通过将请求添加一个队列，模拟生产消费模式来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发OOM。

hbase.regionserver.global.memstore.lowerLimit：0.38

即：当MemStore使用内存总量达到hbase.regionserver.global.memstore.upperLimit指定值时，将会有多个MemStores flush到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到MemStore使用内存略小于hbase.regionserver.global.memstore.lowerLimit。

** Compact机制：

把小的Memstore文件合并成大的Storefile文件。

** Split机制

当Region达到阈值，会把过大的Region一分为二。

 

 

* HBaseAPI的使用

接下来我们来尝试一下使用Java来操作一下HBase，首先我们需要配置一下开发环境。

** 下载maven离线依赖包

maven本次用到的Hbase+Hadoop的Maven离线依赖包传送门：

链接：http://pan.baidu.com/s/1bpthCcf 密码：wjq

** 新建Eclipse的Maven Project，配置pom.xml的dependency如图：

 

 

** 接下来我们来表演一下HBase的相关操作

首先，声明静态配置，用以初始化整个Hadoop以及HBase的配置，如图：

 

 

检查表是否存在：

 

由于我的HBase中有student表，所以执行后返回true

注：这就是一个最简单的示例，接下来的代码展示，只展示最核心的函数块，不再全部截图，文后结束给大家Demo源码传送门

创建数据库表：

 

 

此处我在Java的主函数中执行了该创建表的方法，表明为staff，并有两个列族，分别为info和other_info，成功后，来到CRT验证一下，如图：

 

 

删除数据库表：

完成后请自行测试，如何测试已经在上一步告诉你了

 

 

增：

向我们之前创建好的student表中插入一条数据

 

 

然后执行：

 

请自行观察执行结果

结果：

 

 

删：

 

 

改：

与增的案例意思是一样的，只需要按照指定的rowKey和列族:列覆盖原来的值就可以了

查：

查询表中的所有数据和信息，所有的都会查了，单行信息就很简单了~

 

 

测试结果：

 

 

源码传送门：

链接：http://pan.baidu.com/s/1o8x5q8i 密码：2kf1

* HBase的MapReduce调用

1、首先需要查看配置HBase的Mapreduce所依赖的Jar包，使用命令：

$ bin/hbase mapredcp，然后出现如下依赖，这些依赖我们一会需要export 到classpath中：

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-common-0.98.6-cdh5.3.6.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/protobuf-java-2.5.0.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-client-0.98.6-cdh5.3.6.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-hadoop-compat-0.98.6-cdh5.3.6.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-protocol-0.98.6-cdh5.3.6.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/high-scale-lib-1.1.1.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/zookeeper-3.4.5-cdh5.3.6.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/guava-12.0.1.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/htrace-core-2.04.jar:

/opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/netty-3.6.6.Final.jar

2、执行环境变量的临时导入

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

$ export HADOOP_HOME=/opt/modules/cdh/hadoop-2.5.0-cdh5.3.6

$ export HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp`

注意：两边有反引号，表示将mapredcp命令的执行结果赋值给classpath。

3、运行官方自带的MapReduce相关的jar

案例一：统计student表有多少行数据

直接执行代码：

$ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar rowcounter student

案例二：使用MapReduce任务将数据导入到HBase

Step1、创建测试文件

$ vi fruit.txt，文件如图：

 

 

完事之后，我们要上传这个fruit.txt到HDFS系统中

$ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put ./fruit.txt /input/

Step2、创建HBase表

$ bin/hbase shell

hbase(main):001:0> create 'fruit','info'

Step3、执行MapReduce到HBase的fruit表中

在这一步开始之前，我们先拓展一点知识：

* tsv格式的文件：字段之间以制表符 分割

* csv格式的文件：字段之间以逗号,分割（后面的数据分析我们会经常涉及到这样的格式）

$ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/yarn jar

lib/hbase-server-0.98.6-hadoop2.jar importtsv

-Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:color

fruit hdfs://mycluster/input

成功之后，我们来检查一下HBase中的数据，如图：

 

 

惊不惊喜？意不意外？

* 总结

本节主要是了解一些HBase的一些基本Java API，以及如何使用官方的jar来执行一些常用的MapReduce操作，比如向HBase中导入数据。注意：一定要仔细观察每一条语句执行的参数和意义，不要直接复制。（截图展示代码的目的也正是如此）

---

个人微博：http://weibo.com/seal13

QQ大数据技术交流群（广告勿入）：476966007

作者：Z尽际
链接：https://www.jianshu.com/p/fb59dabbd67a
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。