跳至主要內容

分布式面向列的NoSQL数据库Hbase(二)

Znyoung大数据Hbase

01：课程回顾

  1. Hbase中核心概念
    • Rowkey：行健，类似于主键
      • 区别：Hbase中每一张表都有主键这一列，建表的时候自带这一列
      • 功能：1-每个Rowkey唯一决定一行【插入更新】，2-作为Hbase表中的唯一索引
      • 内容：由开发者自己决定
    • ColumnFamily：列族，对列的分组，将列划分到不同的列族
      • 规则：建表的时候会指定表中有几个列族，Hbase表中除Rowkey任何一列都必须属于某个列族
      • 存储：相同列族的数据都放在相同的物理区域
      • 设计：将列进行分组后，查询时可以指定读取某个列族的列，加快查询性能
      • 思想：牺牲一定写的性能，来换取更高查询性能
    • Qualifier：列标签，等同于列的概念
      • 规则：任何一列都必须属于某个列族，访问时候，使用列族名称：列名
      • 特殊：Hbase中每一个Rowkey可以拥有不同的列
    • VERSIONS：多版本，某一个rowkey的某一列允许存储多个版本的值
      • 规则：列族属性，默认情况下每个列族下的列只允许存储1个版本
      • 实现：查询时默认只显示最新版本
      • 区分：每一列的数据在写入时都会自带一个时间戳，使用时间戳来区分不同版本
    • 底层存储：面向列的存储
      • 每个Rowkey只是代表Hbase中逻辑上一行，每个Rowkey在物理层会对应多个KV
      • Rowkey的每一列只是代表Hbase逻辑上列，每一列在物理层会对应一个KV
      • K：rowkey+cf+col+ts
      • V：value
      • 对数据构建有序：每个KV按照rowkey、cf、col升序排序，按照ts降序排序【字典排序】
  2. Hbase的分布式架构和部署
    • 架构角色：普通分布式主从架构
      • HMaster：主：管理节点：管理从节点，管理元数据，分区
      • HRegionServer：从：存储节点：负责存储表的Region，接收所有对Region读写请求，提供分布式内存
    • 架构组成
      • Hbase：负责对外提供读写请求，提供分布式内存读写
      • HDFS：负责提供Hbase底层持久化存储，提供分布式磁盘读写
      • Zookeeper：1-负责辅助选举Active HMaster，2-存储Hbase的管理元数据

02：课程目标

  1. Hbase集群管理和开发场景
    • 目标：掌握Hbase集群管理命令，理解Hbase三种开发场景
  2. Hbase命令行学习
    • 目标：掌握常用的DDL、DML操作命令

07：【掌握】HBASE命令行：Put

  • 目标：掌握Hbase插入更新的数据命令put的使用
  • 实施
    • Hbase最小操作单元：列
    • 功能：插入  /  更新数据【某一行的某一列】
    • 语法
#表名+rowkey+列族+列+值
put 'ns:tbname','rowkey','cf:col','value'
  • 示例
disable 'itcast:t2'
drop 'itcast:t2'
create 'itcast:t2','cf1',{NAME=>'cf3',VERSIONS => 2}
put 'itcast:t2','20210201_001','cf1:name','laoda'
put 'itcast:t2','20210201_001','cf1:age',18
put 'itcast:t2','20210201_001','cf3:phone','110'
put 'itcast:t2','20210201_001','cf3:addr','shanghai'
put 'itcast:t2','20210101_000','cf1:name','laoer'
put 'itcast:t2','20210101_000','cf3:addr','bejing'
  • 注意：put：如果不存在，就插入，如果存在就更新
put 'itcast:t2','20210101_000','cf1:name','laosan'
put 'itcast:t2','20210101_000','cf3:addr','guangzhou'
scan 'itcast:t2',{VERSIONS=>10}
  • 观察结果
    • Hbase表会自动按照底层的Key构建字典有序：逐位比较image-20220804215828787.png
      • 设计思想：为什么要构建排序呢？
      • 设计目标：加快数据的查询，基于有序的数据查询更快
    • 没有物理更新和删除：通过插入来代替的，实现逻辑更新和删除，做了标记不再显示
      • 设计思想：提高数据写入的性能，通过插入数据【只写内存】image-20210524154733066.png
  • 小结：掌握Hbase插入更新的数据命令put的使用

08：【掌握】HBASE命令行：Get

  • 目标：掌握Hbase查询的数据命令get的使用
  • 实施
    • 功能：读取某个Rowkey的数据
      • 缺点：get命令最多只能返回一个rowkey的数据，根据Rowkey进行检索数据
      • 优点：Get是Hbase中查询数据最快的方式，并不是最常用的方式
    • 语法
get	表名	rowkey		[列族,列]
get 'ns:tbname','rowkey'
get 'ns:tbname','rowkey',[cf]
get 'ns:tbname','rowkey',[cf:col]
  • 示例
get 'itcast:t2','20210201_001'
get 'itcast:t2','20210201_001','cf1'
get 'itcast:t2','20210201_001','cf1:name'
  • 小结：掌握Hbase查询的数据命令get的使用

09：【理解】HBASE命令行：Delete

  • 目标：理解Hbase的删除数据命令delete的使用
  • 实施
    • 功能：删除Hbase中的数据
    • 语法
#删除某列的数据
delete     tbname,rowkey,cf:col
#删除某个rowkey数据
deleteall  tbname,rowkey
#清空所有数据：生产环境不建议使用，有问题，建议删表重建
truncate   tbname
  • 示例
delete 'itcast:t2','20210101_000','cf3:addr'
deleteall 'itcast:t2','20210101_000'
truncate 'itcast:t2'
  • 小结：理解Hbase的删除数据命令delete的使用

10：【掌握】HBASE命令行：Scan

  • 目标：掌握Hbase的查询数据命令scan的使用
  • 实施
    • 功能：根据条件匹配读取多个Rowkey的数据
    • 语法
#读取整张表的所有数据
scan 'tbname'//一般不用
#根据条件查询：工作中主要使用的场景
scan 'tbname',{Filter} //用到最多
  • 示例
    • 插入模拟数据
put 'itcast:t2','20210201_001','cf1:name','laoda'
put 'itcast:t2','20210201_001','cf1:age',18
put 'itcast:t2','20210201_001','cf3:phone','110'
put 'itcast:t2','20210201_001','cf3:addr','shanghai'
put 'itcast:t2','20210201_001','cf1:id','001'
put 'itcast:t2','20210101_000','cf1:name','laoer'
put 'itcast:t2','20210101_000','cf3:addr','bejing'
put 'itcast:t2','20210901_007','cf1:name','laosan'
put 'itcast:t2','20210901_007','cf3:addr','bejing'
put 'itcast:t2','20200101_004','cf1:name','laosi'
put 'itcast:t2','20200101_004','cf3:addr','bejing'
put 'itcast:t2','20201201_005','cf1:name','laowu'
put 'itcast:t2','20201201_005','cf3:addr','bejing'
  -  查看Scan用法 

scan 't1', {ROWPREFIXFILTER => 'row2', FILTER => "
    (QualifierFilter (>=, 'binary:xyz')) AND (TimestampsFilter ( 123, 456))"}
  -  测试Scan的使用 

scan 'itcast:t2'
#rowkey前缀过滤器
scan 'itcast:t2', {ROWPREFIXFILTER => '2021'}
scan 'itcast:t2', {ROWPREFIXFILTER => '202101'}
#rowkey范围过滤器
#STARTROW：从某个rowkey开始，包含，闭区间
#STOPROW：到某个rowkey结束，不包含，开区间
scan 'itcast:t2',{STARTROW=>'20210101_000'}
scan 'itcast:t2',{STARTROW=>'20210201_001'}
scan 'itcast:t2',{STARTROW=>'20210101_000',STOPROW=>'20210201_001'}
scan 'itcast:t2',{STARTROW=>'20210201_001',STOPROW=>'20210301_007'}
  • 在Hbase数据检索，尽量走索引查询：按照Rowkey前缀条件查询
    • 尽量避免走全表扫描
    • Hbase所有Rowkey的查询都是前缀匹配，只有按照前缀匹配才走索引
  • 小结：掌握Hbase的查询数据命令scan的使用

11：【了解】HBASE命令行：incr

  • 目标：了解Hbase的incr和count命令的使用
  • 实施
    • incr：自动计数命令
    • 功能：一般用于自动计数的，不用记住上一次的值，直接做自增
      • 需求：一般用于做数据的计数
      • 与Put区别
        • put：需要记住上一次的值是什么
        • incr：不需要知道上一次的值是什么，自动计数
    • 语法
incr  '表名'，'rowkey','列族:列'
get_counter '表名'，'rowkey','列族:列'
  • 示例
create 'NEWS_VISIT_CNT', 'C1'
incr 'NEWS_VISIT_CNT','20210101_001','C1:CNT',12
get_counter 'NEWS_VISIT_CNT','20210101_001','C1:CNT'
incr 'NEWS_VISIT_CNT','20210101_001','C1:CNT'
  • 小结：了解Hbase的incr命令的使用

12：【了解】HBASE命令行：count

  • 目标：了解Hbase的count命令的使用
  • 实施
    • count：统计命令
      • 功能：统计某张表的行数【rowkey的个数】
      • 语法
count  '表名'
  -  示例 

count 'itcast:t2'
  • 面试题：Hbase中如何统计一张表的行数最快
    • 方案一：分布式计算程序，读取Hbase数据，统计rowkey的个数
#在第一台机器启动
start-yarn.sh
#在第一台机器运行
hbase org.apache.hadoop.hbase.mapreduce.RowCounter 'itcast:t2'
  -  方案二：count命令，相对比较常用，速度中等 

count 'ORDER_INFO'
  -  方案三：协处理器，最快的方式 
     - 类似于Hive中的UDF，自己开发一个协处理器，监听表，表中多一条数据，就加1
     - 直接读取这个值就可以得到行数了
  • 小结：了解Hbase的count命令的使用

附录一：Hbase Maven依赖

	<repositories>
        <repository>
            <id>aliyun</id>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
        </repository>
    </repositories>
    <properties>
        <hbase.version>2.1.2</hbase.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>${hbase.version}</version>
        </dependency>
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.6</version>
        </dependency>
        <!-- JUnit 4 依赖 -->
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.13</version>
        </dependency>
    </dependencies>
上次编辑于:
贡献者: 麦正阳