05 Hbase技术整理及应用Word格式.docx

1、t1r2t5content=每天t4 Row Key: 行键，Table的主键，Table中的记录按照Row Key排序 Timestamp: 时间戳，每次数据操作对应的时间戳，可以看作是数据的version number Column Family：列簇，Table在水平方向有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column组成，即Column Family支持动态扩展，无需预先定义Column的数量以及类型，所有Column均以二进制格式存储，用户需要自行进行类型转换。 Region当Table随着记录数不断增加而变大后，会逐渐分裂成多

2、份splits，成为regions，一个region由startkey,endkey）表示，不同的region会被Master分配给相应的RegionServer进行管理：-ROOT- & .META. TableHBase中有两张特殊的Table，-ROOT-和.META. .META.：记录了用户表的Region信息，.META.可以有多个regoin -ROOT-：记录了.META.表的Region信息，-ROOT-只有一个region Zookeeper中记录了-ROOT-表的locationClient访问用户数据之前需要首先访问zookeeper，然后访问-ROOT-表，接着访问.

3、META.表，最后才能找到用户数据的位置去访问，中间需要多次网络操作，不过client端会做cache缓存。四、MapReduce on HBase在HBase系统上运行批处理运算，最方便和实用的模型依然是MapReduce，如下图：HBase Table和Region的关系，比较类似HDFS File和Block的关系，HBase提供了配套的TableInputFormat和TableOutputFormat API，可以方便的将HBase Table作为Hadoop MapReduce的Source和Sink，对于MapReduce Job应用开发人员来说，基本不需要关注HBase系统自身

4、的细节。五、HBase系统架构ClientHBase Client使用HBase的RPC机制与HMaster和HRegionServer进行通信，对于管理类操作，Client与HMaster进行RPC；对于数据读写类操作，Client与HRegionServer进行RPCZookeeperZookeeper Quorum中除了存储了-ROOT-表的地址和HMaster的地址，HRegionServer也会把自己以Ephemeral方式注册到Zookeeper中，使得HMaster可以随时感知到各个HRegionServer的健康状态。此外，Zookeeper也避免了HMaster的单点问题，见

5、下文描述HMasterHMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行，HMaster在功能上主要负责Table和Region的管理工作：1. 管理用户对Table的增、删、改、查操作2. 管理HRegionServer的负载均衡，调整Region分布3. 在Region Split后，负责新Region的分配4. 在HRegionServer停机后，负责失效HRegionServer 上的Regions迁移HRegionServerHRegionServer主要负责响应用户I/O请求，向

6、HDFS文件系统中读写数据，是HBase中最核心的模块。HRegionServer内部管理了一系列HRegion对象，每个HRegion对应了Table中的一个Region，HRegion中由多个HStore组成。每个HStore对应了Table中的一个Column Family的存储，可以看出每个Column Family其实就是一个集中的存储单元，因此最好将具备共同IO特性的column放在一个Column Family中，这样最高效。HStore存储是HBase存储的核心了，其中由两部分组成，一部分是MemStore，一部分是StoreFiles。MemStore是Sorted Memo

7、ry Buffer，用户写入的数据首先会放入MemStore，当MemStore满了以后会Flush成一个StoreFile（底层实现是HFile），当StoreFile文件数量增长到一定阈值，会触发Compact合并操作，将多个StoreFiles合并成一个StoreFile，合并过程中会进行版本合并和数据删除，因此可以看出HBase其实只有增加数据，所有的更新和删除操作都是在后续的compact过程中进行的，这使得用户的写操作只要进入内存中就可以立即返回，保证了HBase I/O的高性能。当StoreFiles Compact后，会逐步形成越来越大的StoreFile，当单个StoreFi

8、le大小超过一定阈值后，会触发Split操作，同时把当前Region Split成2个Region，父Region会下线，新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer上，使得原先1个Region的压力得以分流到2个Region上。下图描述了Compaction和Split的过程：在理解了上述HStore的基本原理后，还必须了解一下HLog的功能，因为上述的HStore在系统正常工作的前提下是没有问题的，但是在分布式系统环境中，无法避免系统出错或者宕机，因此一旦HRegionServer意外退出，MemStore中的内存数据将会丢失，这就需要引入H

9、Log了。每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServe

10、r在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复。HBase存储格式HBase中的所有数据文件都存储在Hadoop HDFS文件系统上，主要包括上述提出的两种文件类型：1. HFile， HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile2. HLog File，HBase中WAL（Write Ahead Log） 的存储格式，物理上是Had

11、oop的Sequence FileHFile下图是HFile的存储格式：首先HFile文件是不定长的，长度固定的只有其中的两块：Trailer和FileInfo。正如图中所示的，Trailer中有指针指向其他数据块的起始点。File Info中记录了文件的一些Meta信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等。Data Index和Meta Index块记录了每个Data块和Meta块的起始点。Data Block是HBase I/O的基本单元，为了提高效率，HRegionServer中有基于L

12、RU的Block Cache机制。每个Data块的大小可以在创建一个Table的时候通过参数指定，大号的Block有利于顺序Scan，小号Block利于随机查询。每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成, Magic内容就是一些随机数字，目的是防止数据损坏。后面会详细介绍每个KeyValue对的内部构造。HFile里面的每个KeyValue对就是一个简单的byte数组。但是这个byte数组里面包含了很多项，并且有固定的结构。我们来看看里面的具体结构：开始是两个固定长度的数值，分别表示Key的长度和Value的长度。紧接着是Key，开始是固定长度的数值，表示Ro

13、wKey的长度，紧接着是RowKey，然后是固定长度的数值，表示Family的长度，然后是Family，接着是Qualifier，然后是两个固定长度的数值，表示Time Stamp和Key Type（Put/Delete）。Value部分没有这么复杂的结构，就是纯粹的二进制数据了。HLogFile上图中示意了HLog文件的结构，其实HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括sequence number和timestamp，

14、timestamp是“写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。HLog Sequece File的Value是HBase的KeyValue对象，即对应HFile中的KeyValue，可参见上文描述。六、HBase接口shell常用命令Hbase的shell操作命令：名称命令表达式创建表create 表名称, 列名称1,列名称2列名称N添加记录 put 行名称列名称:值查看记录get 查看表中的记录总数count 删除记录delete 表名 , , 列名称删除一张表先要屏蔽该表，才能对该表进行删除，第一步 disable

15、 第二步 drop 查看所有记录scan 表名称 查看某个表某个列中所有数据 , 更新记录 就是重写一遍进行覆盖Shell接口：启动hbase：$ ./bin/start-hbase.shstarting Master, logging to logs/hbase-user-master-example.org.out用shell连接你的Hbase$ ./bin/hbase shellHBase Shell; enter help for list of supported commands.Type exit显示所有表：list015: listTABLE student 1 row（s）

16、in 0.0200 seconds= student016:输入 help 然后 3、更新操作：根据row值查询一条记录：根据row值更新name值（系统会直接更新）： put tom2再查询时，系统返回最新的值： get 根据timestamp查询更新之前的 name值：lsi,TIMESTAMP=13014731128754、删除操作d删除Id为temp的值的“info:age”：tempinfo:agels删除整行：deleteall 将整张表清空： truncate 设置表不可用：disable 删除表：drop 5、查询操作查询数据库中所有的表：查询student表中所有数据：sca

17、n 查看student表中address列族的所有数据：,COLUMNS = Get一行：查询表是否存在：exists查询表结构：describe 查询服务器状态：status如：3 servers, 0 dead,1.0000 average load查询hbase版本：version0.90.4, r1150278, Sun Jul 24 15:53:29 PDT 20116、其他操作：判断表是否enable 或disable：is_enabled 或is_disabled 关闭shell： exit七、Hbase基于Mapreduce的编程将mapreduce的输出结果保存到大型分布式数

18、据库中HBase中，一个例子，求各url的访问pv数据,由于用到rcfile格式需要导入hive-exce包，还需要加载hbase包，如果这两个包都已经被集群管理员放到各节点的hadoop/lib下那就可以省去这一步八、GN话单入Hbase库通过MapReduce程序进行入库，在Map函数内调用HBase Api进行put，在入库前先检查表是否创建，没有就先建表。程序调起：hadoop jar /home/boco/lq/lq.jar com.boco.lq.load.gn.GN2HBaseDriver 111 20140312 /user/boco/lq导入报文：D:01 技术资料00 Ha

19、doop技术掌握过程及度量支付类热点业务分析支付类热点业务分析CDR-20140312010104.139_1.txt存储（Hbase）结果013:0* scan GN_20140312ROW COLUMN+CELL 360781897201403120163665 column=f:c, timestamp=1394557234000, value=CMNETx09460001064759021x093519390571475046x09Nokiax09Nokia 900 Nokia 900x09WH-EBSC- 810-D1x090.0.0.0x090.0.0.0x09221.177.16

20、6.16x09221.177.162.22x09SGSN06x09GGSN09x0910.67.34.71x0965.55.42.196x092x091x0986 x0918x091802x095x0912x091210x0912x091210x094x09112x090x090x090x090x0928971x0964901x09701x092014-03-12 01:00:34x09 2014-03-12 01:01:02x0928720.7188x097742.0000x095397.0000x09x09Service: 1802 d, timestamp=1394557234000,

21、value=09679F3BF2AFEBCEEAF9758DD91E13E4 889382221201403120019862 column=f:c, timestamp=1394557164000, value=xEFxBBxBFCMWAPx09460001804766329x098602550101877401x09Ximax09GilD C9x09XN-EBSC-8 10BSC-12x09221.177.160.219x09221.177.162.225x09221.177.160.219x09221.177.162.245x09SGSN23x09GGSN07x0910.200.219.

22、101x0910.0. 0.172x092x091x0986x0912x091203x091x0912x091212x0912x091212x094x091x090x09460x090x09255x0929143x094502x09602x092 014-03-12 00:59:24x092014-03-12 00:48x0924202.6758x092257.0000x0960.0000x09x09 _480_A6-hsdroid_3-0-3-44_p-a1-3-61&uid=bd_747781010552068&from=1671a&rid=5286339655&pm=8TKn9D2C42HTtfwanfSar9r3DmD6sqAEQJSzj-14I6UE fWObqcr9FlRjOW1PqG00ATyWxH9OKiG1tPgQaZLUmoLLpiAEC d, timestamp=1394557164000, value=CF5996B3CEF7E5DFC405858418CC5795 2 row（s） in 0.0560 seconds