Hadoop之Hbase架构以及应用介绍

Hbase全称为Hadoop Database，即hbase是hadoop的数据库，是一个分布式的存储系统。Hbase利用Hadoop的HDFS作为其文件存储系统，利用Hadoop的MapReduce来处理Hbase中的海量数据。利用zookeeper作为其协调工具。 

本篇文章将重点介绍Hbase三个方面的内容：Hbase体系结构（架构）的介绍、Hbase shell的操作、Hbase的Java api的客户端操作。 

一、Hbase的架构介绍 

 
Hbase的体系结构是一个主从式的结构，主节点Hmaster在整个集群当中只有一个在运行，从节点HRegionServer有很 多个在运行，主节点Hmaster与从节点HRegionServer实际上指的是不同的物理机器，即有一个机器上面跑的进程是Hmaster，很多机器上面跑的进程是HRegionServer，Hmaster没有单点问题，Hbase集群当中可以启动多个Hmaster，但是通过zookeeper的事件处理机制保证整个集群当中只有一个Hmaster在运行。 

既然Hbase是数据库，那么数据库从根本上来说就是存储表table的，但是我们在这里必须注意一下，Hbase并非是传统的关系型数据库(例如：MySQL、Oracle)，而是非关系型数据库，因为Hbase是一个面向列的分布式存储系统。下面我们有必要介绍一下Hbase中表table的数据模型，先给大家呈现一个hbase数据库的表users： 


 

特别注意：表中的空白单元并不表示有这个单元存在，在传统的数据库中，空白单元表示该单元存在其值为空(null,这是因为传统数据库总是结构化的)。但在Hbase中，画成二维表只是在逻辑上便于理解，其本质完全是非结构化的。 

我在下面举例子的过程中用的也是这张users表。 

上面这个表就是一个典型的hbase table，与传统的关系型数据库具有很大的差别，下面我们详细介绍有关table的相关概念： 

RowKey(行健)：table的主键，table中的记录默认按照RowKey升序排序。 

列族(Column Family):即表中的address、info。table在水平方向上有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column(例如address中的province、city、country、town)组成，即列族支持动态扩展，无需预先定义Column的数量以及类型，所有Column均已二进制格式进行存储，用户需要自行进行类型转换。 

TimeStamp(时间戳)：每次用户对数据进行操作对应的时间，可以看做是数据的Version number。例如在上面的表中，xiaoming所对应的company有两个数据信息(alibaba、baidu)，而这两个单元格信息实际上是对应操作时间的，如下图所示： 


 
既然Hbase可以将表中的数据进行分布式存储，那么它到底是以怎样的形式进行分布式存储的呢？我们自然而然想到了HDFS这个分布式文件管理系统是将海量数据切分成若干个block块进行存储的，同理Hbase也采取了类似的存储机制， 将一个table切分成若干个region进行存储，下面我们就介绍Region的相关概念： 

当Table随着记录数不断增加而变大后，Table在行的方向上会被切分成多个Region，一个Region由[startkey,endkey) 表示，每个Region会被Master分散到不同的HRegionServer上面进行存储，类似于我的block块会被分散到不同的DataNode节点上面进行存储。下面是Hbase表中的数据与HRegionServer的分布关系，如图所示： 


 

接下来介绍在Hbase的体系结构中，Hmaster、HRegionServer、Zookeeper集群这三个角色的作用： 


 

Hmaster节点的作用： 

①不负责存储表数据，负责管理RegionServer的负载均衡（即防止某些RegionServer存储数据量大，有些 

RegionServer存储数据量小），调整RegionServer上面Region的分布 

②管理RegionServer的状态，例如在HRegionServer宕机后，负责失效HRegionServer上Regions的迁移 

③在Region Split后，负责新Region的分配 

HRegionServer节点的作用： 

HRegionServer主要负责响应用户的I/O请求，即负责响应用户向表中的读写操作，是Hbase体系结构中最核心的模块。HRegionServer内部存储了很多的HRegion，就像DataNode节点中存储了很多的Block块一样，从上图Hbase完整的体系结构中我们可以看到，HRegion实际上是由很多个HStore组成的，所谓HStore就是表中的一个Column Family，可以看出每个Column Family其实就是一个集中的存储单元，这恰恰也帮助我们理解了为什么Hbase是NoSql系列的数据库，为什么是面向列的数据库，在Hbase的表设计中，我们最好将具备共同I/O特性的Column放在同一个列族中，这样读写才最高效，为了让大家更好的理解HRegionServer、HRegion、HStore、ColumnFamily四者之间的关系，我结合之前提到的users表画了一个四者关系的示意图： 


 

简单来说：就是HRegionServer服务器中存储了很多的HRegion，每个HRegion是由很过个HStore组成的，每个ColumnFamily就是一个HSore。 

在此还要简单介绍一下HLog与MemStore这两个角色的作用： 

Hlog：Hlog中存储了用户对表数据的最新的一些操作日志记录。 

MemSore：HRegion会将大量的热数据、访问频次最高的数据存储到MemStore中，这样用户在读写数据的时候不需要从磁盘中进行操作，直接在内存中既可以读取到数据，正因为MemStore这个重要角色的存在，Hbase才能支持随机，高速读取的功能。 

Zookeeper集群的作用： 

①通过zk集群的事件处理机制，可以保证集群中只有一个运行的Hmater 

②Zookeeper集群中记录了-ROOT-表的位置 

在这里顺便介绍一下Hbase中两张特殊的表：-ROOT-表与.META.表 

-ROOT-表：记录了所有.META.表的元数据信息，-ROOT-表只有一个Region 

.META.表：记录了Hbase中所有用户表的HRegion的元数据信息，.META.表可以有多个Region 

③Zookeeper集群实时监控着HRegionServer这些服务器的状态，将HRegionServer的上线和下线信息实时通知给Hmaster节点，使得Hmaster节点可以随时感知各个HRegionServer的健康状态。 

在上面我们依次介绍了HMaster、HRegionServer、zookeeper集群的作用，Client使用Hbase的RPC机制与Hmaster与HRegionServer进行通信，对于管理类操作，Client与Hmaster进行RPC进行通信，对于数据(表)的读写类操作，Client与HRegionServer进行通信。注意：在用户对数据表的读写过程中，与Hmaster是没有任何关系的，Hmaster在这一点上不同于我们的NameNode节点，可以看出由于zookeeper集群的存在，Hmaster节点的作用被大大弱化了。 

在Hbase的架构介绍中在介绍最后一点：Hbase的寻址机制，即Hbase在海量的表数据中，是如何找到用户所需要的表数据的呢？——Hbase是通过索引的机制解决了这个问题。 


 

Client访问用户数据之前需要首先访问zookeeper集群，通过zookeeper集群首先确定-ROOT-表在的位置，然后在通过访问-ROOT- 表确定相应.META.表的位置，最后根据.META.中存储的相应元数据信息找到用户数据的位置去访问。通过 这种索引机制解决了复杂了寻址问题。 

二、Hbase中shell的相关操作 

前面讲的都是Hbase的理论知识，对于Hbase的操作分为两种方式：shell与java api的方式，既然是对数据库的操作，无非就是增删改查四中操作，下面我列出里几个常用的Hbase Shell操作，如下： 


 

以之前的users表为例，我现在用shell命令进行相应操作： 

①创建users表 

create ‘users’, ‘address’,’info’ 

②向表中用put进行插入操作 

put ‘users’,’xiaoming’,’address:province’,’zhejiang’ 

put ‘users’,’xiaoming’,’address:city’,’hangzhou’ 

put ‘users’,’xiaoming’,’address:country’,’china’ 

put ‘users’,’xiaoming’,’info:age’,’24’ 

put ‘users’,’xiaoming’,’info:age’,’25’ 

put ‘users’,’xiaoming’,’info:birthday’,’1987/06/17’ 

put ‘users’,’xiaoming’,’info:company’,’alibaba’ 

put ‘users’,’xiaoming’,’info:company’,’baidu’ 

……………… 

③通过get命令获取表中的信息，例如： 

1、获取xiaoming的country单元格信息 

get ‘users’,’xiaoming’,’address:country’ 

2、获取小明两个版本的年龄信息 

get ‘users’,’xiaoming’,{COLUMN=>’info:age’,VERSIONS=>2} 

3、获取zhangyifei全部的信息 

get ‘users’,’zhangyifei’ 

4、获取zhangyifei的address列族的全部信息 

get ‘users’,’zhangyifei’,’address’ 

5、遍历表中的全部信息 

scan ‘users’ 

④用shell命令删除users表 

disable ‘users’ 

drop ‘users’ 

综上：Hbase的shell命令操作整体来说还是非常简单的，获取信息的方法主要是按照下面的主线进行： 

tablename———》rowkey———》Column Family:Colum———->Version信息——》获取信息！ 


 


 

注:在Java api操作中,对遍历一条记录或者遍历所有记录所用的思想就是：key为{行健、类族、列名、版本号}，而value为{具体数值}，即一行记录本质上为包含很多键值对。 

三、Hbase中Java api的相关操作 

Hbase中，可以通过shell命令进行增删改查四种操作，但是shell命令用起来比较麻烦，比如说用put一次只能查询一个单元格的信息等等。因此我们在日常工作中总是用Java api的方式对Hbase进行相应操作，在这里还是以上面的users举例，下面是完整的代码操作： 

package IT01;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.KeyValue;
import org.apache.hadoop.hbase.client.Get;
import org.apache.hadoop.hbase.client.HBaseAdmin;
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;

public class HbaseJavaapi
{
public static String tablename = "users";
public static void main(String[]  args) throws Exception
{
Configuration conf = HBaseConfiguration.create();
/**下面这行代码必须有，指定Hbase所用的zookeeper集群信息****/
/*Configuration conf = new Configuration();这样写的话不会自动读取hbase-site.xml文件，所以别用这个*/
conf.set("hbase.zookeeper.quorum","hadoop80");

/*创建表-----用的Java api是HbaseAdmin**/
@SuppressWarnings("resource")
HBaseAdmin hBaseAdmin = new HBaseAdmin(conf);
if(hBaseAdmin.tableExists(tablename))
{
hBaseAdmin.disableTable(tablename);
hBaseAdmin.deleteTable(tablename);
}
HTableDescriptor desc = new HTableDescriptor(tablename);//指定创建表的名字users
HColumnDescriptor family1 = new HColumnDescriptor("address");
desc.addFamily(family1 );
HColumnDescriptor family2 = new HColumnDescriptor("info");//指定列族的名称
desc.addFamily(family2 );
hBaseAdmin.createTable(desc);

/*****插入记录------用的Java api是HTable****/
@SuppressWarnings("resource")
HTable hTable = new HTable(conf,tablename);  //一定要注意:HTable这个客户端只有在表已经存在的时候才有意义！！！！不然抛出异常！
Put put1 = new Put("xiaoming".getBytes());//插入记录时要指定行健
put1.add("address".getBytes(), "province".getBytes(), "zhejiang".getBytes());
put1.add("address".getBytes(), "city".getBytes(), "hangzhou".getBytes());
put1.add("address".getBytes(), "country".getBytes(), "china".getBytes());
put1.add("info".getBytes(),"age".getBytes(),"24".getBytes());
put1.add("info".getBytes(),"age".getBytes(),"25".getBytes());
put1.add("info".getBytes(),"birthday".getBytes(),"1987/06/17".getBytes());
put1.add("info".getBytes(),"company".getBytes(),"baidu".getBytes());
put1.add("info".getBytes(),"company".getBytes(),"alibaba".getBytes());
hTable.put(put1 );
Put put2 = new Put("zhangyifei".getBytes());//插入记录时要指定行健
put2.add("address".getBytes(), "province".getBytes(), "guangdong".getBytes());
put2.add("address".getBytes(), "city".getBytes(), "shenzhen".getBytes());
put2.add("address".getBytes(), "city".getBytes(), "nansha".getBytes());
put2.add("address".getBytes(), "country".getBytes(), "china".getBytes());
put2.add("address".getBytes(), "town".getBytes(), "xianqiao".getBytes());
put2.add("info".getBytes(),"age".getBytes(),"45".getBytes());
put2.add("info".getBytes(),"birthday".getBytes(),"1987/02/12".getBytes());
put2.add("info".getBytes(),"company".getBytes(),"tengxun".getBytes());
put2.add("address".getBytes(), "favorite".getBytes(), "movie".getBytes());
hTable.put(put2 );

/****查询记录--------------用的Java api是Htable***/
/**1------>获取小明的country单元格信息****/
Get get = new Get("xiaoming".getBytes());
Result result = hTable.get(get);
byte[] value = result.getValue("address".getBytes(), "country".getBytes());
System.out.println(new String(value));

System.out.println("**************************");

/**2------>获取zhangyifei的一行的记录****/
Get get2 = new Get("zhangyifei".getBytes());
Result result2 = hTable.get(get2);
for(KeyValue key  : result2.list())//一行的记录当中包含很多的键值对信息，依次遍历即可
{
System.out.println(key.toString());
System.out.println(new String(key.getValue()));
}

System.out.println("**************************");

/**3------>遍历所有的记录****/
Scan scan = new Scan();
ResultScanner scanner = hTable.getScanner(scan);//scanner中包含很多条行记录
for (Result result3 : scanner)
{
for(KeyValue key  : result3.list())//一行的记录当中包含很多的键值对信息，依次遍历即可
{
System.out.println(key.toString());
System.out.println(new String(key.getValue()));
}
}

System.out.println("**************************");

/**4------>仅仅获取每行的city信息****/
Scan scan1 =new Scan();
ResultScanner scanner1 = hTable.getScanner(scan1 );
for (Result result4 : scanner1)
{
System.out.println(new String(result4.getRow()));
System.out.println(new String(result4.getValue("address".getBytes(), "city".getBytes())));
}
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110

代码的运行结果如下： 


 


 

对于Hbase的Java api操作就简单的介绍到这里！