HBase基础，

记录HBase的学习历程，趟过的坑和总结。内容较多，请先查看目录。

介绍

那HBase是什么呢？我们能用它来做什么？带着这两个疑问，我们一起学习

• HBase是一个NOSQL数据库，能够完成大数据的秒级查询
• HBase的数据真正存储的地方还是在HDFS
• HBase的核心思想 / Bigtable（大表）原理：将所有数据存入一张表中，以存储空间换性能

HBase的几个概念

• 表：存储和管理数据，Bigtable大表，而不是二维表
• 行键：不唯一且不为空，相同行键作为一条记录
• 列族：列的集合（创建大表时预先定义好列族，列是插入数据时HBase自动创建的）
• 时间戳：列的一个属性
• 单元格：一个单元格存储多个数据

HBase表的特点（五大）

• 大：一张表有上亿行、上百万的列
• 面向列：列式数据库，按照列来存储数据的
• 稀疏：因为空列不占据存储空间
• 无模式：不同行可以有截然不同的列
• 数据类型非常单一：只有字符串类型，没有其他数据类型

安装

• 下载 https://hbase.apache.org/downloads.html
• 解压 tar -zxvf hbase-1.3.3-bin.tar.gz
• 添加环境变量HBASE_HOME
  • vi /ect/profile

    export HBASE_HOME=/root/training/hbase-1.3.3
    export PATH=$HBASE_HOME/bin:$PATH
    

  • source /etc/profile

HBase的四种模式

本地模式

• 特点：1.不需要HDFS，将数据直接保存在本地磁盘上；2.测试HBase数据库的增删改查功能
• 修改hbase-env.sh，添加JAVA_HOME的路径
  
• 修改hbase-site.xml

  <!--配置HBase在本地磁盘上数据保存的路径-->
  <property>
  <name>hbase.rootdir</name>
  <value>file:///root/training/hbase-1.3.3/data</value>
  </property>
  

• 启动 start-hbase.sh，控制台输出以下日志即启动成功
  starting master, logging to /root/training/hbase-1.3.3/logs/hbase-root-master-bigdata11.out
  输入jps也能看到进程HMaster

伪分布式模式

• 特点：单机虚拟出多个节点（HMaster、Regionserver），具备HBase的所有功能，HBase数据保存在HDFS上
• 修改hbase-env.sh，添加JAVA_HOME的路径，设置HBASE_MANAGES_ZK=true（缺省值也是true）
  配置HBase管理Zookeeper的方式有两种，这里使用HBase自带的zookeeper（默认使用自带）
  
• 修改hbase-site.xml

  <!--配置HBase在HDFS上数据保存的路径-->
  <property>
  <name>hbase.rootdir</name>
  <value>hdfs://bigdata11:9000/hbase</value>
  </property>
  <!--配置HBase在HDFS上数据备份的个数-->
  <property>
  <name>dfs.replication</name>
  <value>1</value>
  </property>
  <!--配置HBase集群的模式-->
  <property>
  <name>hbase.cluster.distributed</name>
  <value>true</value>
  </property>
  <!--配置zookeeper地址信息-->
  <property>
  <name>hbase.zookeeper.quorum</name>
  <value>bigdata11</value>
  </property>
  <!--配置zookeeper数据存放路径-->
  <property>
  <name>hbase.zookeeper.property.dataDir</name>
  <value>/data/myzk</value>
  </property>
  

• 先start-all.sh启动Hadoop集群，再start-hbase.sh启动HBase集群，输入后能够看到控制台输出
  
  查看java进程jps
  

全分布式模式

基于Hadoop集群搭建，注意各节点时间要同步，
否则Hadoop执行MapReduce就会报错，HBase的Regionserver会自动停止

• 集群规划
  bigdata12 HMaster、zookeeper
  bigdata13 Regionserver
  bigdata14 Regionserver
• 给上面三个节点添加环境变量HBASE_HOME，然后source ~/.bash_profile
• 修改hbase-env.sh，添加JAVA_HOME的路径，配置HBase管理Zookeeper的方式（默认使用自带）
• 修改hbase-site.xml

  <!--配置HBase在HDFS上数据保存的路径-->
  <property>
  <name>hbase.rootdir</name>
  <value>hdfs://bigdata12:9000/hbase</value>
  </property>
  <!--配置HBase在HDFS上数据备份的个数-->
  <property>
  <name>dfs.replication</name>
  <value>2</value>
  </property>
  <!--配置HBase集群的模式-->
  <property>
  <name>hbase.cluster.distributed</name>
  <value>true</value>
  </property>
  <!--配置zookeeper地址信息-->
  <property>
  <name>hbase.zookeeper.quorum</name>
  <value>bigdata12</value>
  </property>
  <!--配置zookeeper数据存放路径-->
  <property>
  <name>hbase.zookeeper.property.dataDir</name>
  <value>/data/myzk</value>
  </property>
  <!--允许HBase集群时间误差的最大值,单位是：毫秒-->
  <property>
  <name>hbase.master.maxclockskew</name>
  <value>180000</value>
  </property>
  

• 修改regionservers
  bigdata13
  bigdata14
• bigdata12配置好后，把本地整个文件夹拷贝到其他两个节点
  scp -r hbase-1.3.3 root@bigdata13:/root/training
  scp -r hbase-1.3.3 root@bigdata14:/root/training
• 先start-all.sh启动Hadoop集群，再start-hbase.sh启动HBase集群，然后查看各个节点的进程
  
  
  

HA模式

部署HA前，访问http://bigdata12:16010

Hadoop的HA模式需要单独搭建，而HBase的HA模式不需要单独搭建
在从节点bigdata13或bigdata14手动启动：hbase-daemon.sh start master
原理：多几个HMaster

小技巧

如果你用的终端模拟工具是Xshell的话，在使用hbase shell的脚本时，肯定也发现了不能使用delted和back建回退删除，解决方法如下

操作HBase

参考资料：https://www.cnblogs.com/shadowalker/p/7350484.html

HBase数据保存的过程（Region的分裂）

HDFS：数据的倾斜 功能：数据平衡—>数据的拷贝（移动）
hdfs balancer run a cluster balancing utility

HBase：数据倾斜的问题 数据平衡----->数据的移动
问题：网络造成巨大的压力
解决方案：多增加从节点的个数

Java API 操作HBase

需要的依赖

<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-common</artifactId>
    <version>1.3.1</version>
</dependency>
<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>1.3.1</version>
</dependency>

HBase的过滤器

• 列值过滤器：select * from emp where sal=3000;
  SingleColumnValueFilter
• 列名前缀过滤器：查询员工的姓名 select ename from emp;
  ColumnPrefixFilter
• 多个列名前缀过滤器：查询员工的姓名和薪水： select ename,sal from emp;
  MultipleColumnPrefixFilter
• 行键过滤器：通过rowkey查询，类似通过Get查询数据
  RowFilter
• 组合多个过滤器查询数据：where 条件1 and(or) 条件2
  如查询sal=3000的员工姓名，需要用到列值过滤器+列名前缀过滤器
  FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ALL); //and
  filterList.addFilter(singleColumnValueFilter);
  filterList.addFilter(columnPrefixFilter);