HBase 基本入門篇
目錄
- 一、簡介
- 有什麼特性
- 與RDBMS的區別
- 二、資料模型
- 三、安裝HBase
- 四、基本使用
- 表操作
- 五、FAQ
- 參考文件
無論是 NoSQL,還是大資料領域,HBase 都是非常"炙熱"的一門資料庫。
本文將對 HBase 做一些基礎性的介紹,旨在入門。
一、簡介
HBase 是一個開源的、面向列的非關係型分散式資料庫,目前是Hadoop體系中非常關鍵的一部分。
HBase 採用 Java 語言實現,在其內部實現了BigTable論文提到的一些壓縮演算法、記憶體操作和布隆過濾器等,這些能力使得HBase 在海量資料儲存、高效能讀寫場景中得到了大量應用,如 Facebook 在 2010年11 月開始便一直選用 HBase來作為訊息平臺的儲存層技術。
有什麼特性
- 基於列式儲存模型,對於資料實現了高度壓縮,節省儲存成本
- 採用 LSM 機制而不是B(+)樹,這使得HBase非常適合海量資料實時寫入的場景
- 高可靠,一個數據會包含多個副本(預設是3副本),這得益於HDFS的複製能力,由RegionServer提供自動故障轉移的功能
- 高擴充套件,支援分片擴充套件能力(基於Region),可實現自動、資料均衡
- 強一致性讀寫,資料的讀寫都針對主Region上進行,屬於CP型的系統
- 易操作,HBase提供了Java API、RestAPI/Thrift API等介面
- 查詢優化,採用Block Cache 和 布隆過濾器來支援海量資料的快速查詢
與RDBMS的區別
對於傳統 RDBMS 來說,支援 ACID 事務是資料庫的基本能力,而 HBase 則使用行級鎖來保證寫操作的原子性,但是不支援多行寫操作的事務性,這主要是從靈活性和擴充套件性上做出的權衡。
ACID 要素包含 原子性(Atomicity)、一致性(Consistency)、隔離性(Isolation)以及永續性(Durability)
總體來說, HBase 與傳統關係資料庫的區別,如下表所示:
特性 | HBase | RDBMS |
---|---|---|
硬體架構 | 類似於 Hadoop 的分散式叢集,硬體成本低廉 | 傳統的多核系統,硬體成本昂貴 |
容錯性 | 由軟體架構實現,由於由多個節點組成,所以不擔心一點或幾點宕機 | 一般需要額外硬體裝置實現 HA 機制 |
資料庫大小 | PB | GB、TB |
資料排布方式 | 稀疏的、分佈的多維的 Map | 以行和列組織 |
資料型別 | Bytes | 豐富的資料型別 |
事物支援 | ACID 只支援單個 Row 級別 | 全面的 ACID 支援,對 Row 和表 |
查詢語言 | 只支援 Java API (除非與其他框架一起使用,如 Phoenix、Hive) | SQL |
索引 | 只支援 Row-key,除非與其他技術一起應用,如 Phoenix、Hive | 支援 |
吞吐量 | 百萬查詢/每秒 | 數千查詢/每秒 |
二、資料模型
下面,我們以關係型資料庫的一個數據表來演示 HBase 的不同之處。 先來看下面這張表:
ID | 裝置名 | 狀態 | 時間戳 |
---|---|---|---|
1 | 空調 | 開啟 | 20190712 10:05:01 |
2 | 電視機 | 關閉 | 20190712 10:05:08 |
這裡記錄的是一些家庭裝置上報的狀態資料(DeviceState),其中包括裝置名、狀態、時間戳這些欄位。
在 HBase 中,資料是按照列族(Column Family,簡稱CF)來儲存的,也就是說對於不同的列會被分開儲存到不同的檔案。
那麼對於上面的狀態資料表來說,在HBase中會被儲存為兩份:
列族1. 裝置名
Row-Key | CF:Column-Key | Timestamp | Cell Value |
---|---|---|---|
1 | DeviceState:裝置名 | 20190712 10:05:01 | 空調 |
2 | DeviceState:裝置名 | 20190712 10:05:08 | 電視機 |
列族2. 狀態
Row-Key | CF:Column-Key | Timestamp | Cell Value |
---|---|---|---|
1 | DeviceState:狀態 | 20190712 10:05:01 | 開啟 |
2 | DeviceState:狀態 | 20190712 10:05:08 | 關閉 |
這裡Row-key是唯一定位資料行的ID欄位,而Row-key 加上 CF、Column-Key,再加上一個時間戳才可以定位到一個單元格資料。
其中時間戳用來表示資料行的版本, 在HBase中預設會有 3 個時間戳的版本資料,這意味著對同一條資料(同一個Rowkey關聯的資料)進行寫入時,最多可以儲存3個版本。
在查詢某一行的資料時,HBase需要同時從兩個列族(檔案)中進行查詢,最終將結果合併後返回給客戶端。 由此可見如果列族太多,則會影響讀取的效能,在設計時就需要做一些權衡。
由此可見,HBase的使用方式與關係型資料庫是大不相同的,在使用 HBase 時需要拋棄許多關係型資料庫的思維及做法,比如強型別、二級索引、表連線、觸發器等等。
然而 HBase 的靈活性及高度可伸縮性卻是傳統 RDBMS 無法比擬的。
三、安裝HBase
單機環境安裝
- 準備JDK環境
確保環境上JDK已經裝好,可執行java -version確認:
host:/home/hbase # java -version
openjdk version "1.8.0_201"
OpenJDK Runtime Environment (build 1.8.0_201-Huawei_JDK_V100R001C00SPC060B003-b10)
OpenJDK 64-Bit Server VM (build 25.201-b10, mixed mode)
- 下載軟體
官網的下載地址頁面:
http://archive.apache.org/dist/hbase/
選擇合適的版本,比如1.4.10。 下載後解壓:
wget http://archive.apache.org/dist/hbase/2.1.5/hbase-2.1.5-bin.tar.gz
tar -xzvf hbase-2.1.5-bin.tar.gz
mkdir -p /opt/local
mv hbase-2.1.5 /opt/local/hbase
配置HBase執行命令路徑:
export HBASE_HOME=/opt/local/hbase
export PATH=$PATH:$HBASE_HOME/bin
- 配置軟體
vim conf/hbase-env.sh
#JDK安裝目錄
export JAVA_HOME=/usr/local/jre1.8.0_201
#配置hbase自己管理zookeeper
export HBASE_MANAGES_ZK=true
vim conf/hbase-site.xml
<configuration>
<!-- zookeeper埠 -->
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2182</value>
</property>
<!-- HBase 資料儲存目錄 -->
<property>
<name>hbase.rootdir</name>
<value>file:///opt/local/hbase/data</value>
</property>
<!-- 用於指定 ZooKeeper 資料儲存目錄 -->
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/opt/local/hbase/data/zookeeper</value>
</property>
<!-- 用於指定臨時資料儲存目錄 -->
<property>
<name>hbase.tmp.dir</name>
<value>/opt/local/hbase/temp/hbase-${user.name}</value>
</property>
</configuration>
其中 hbase.rootdir 和 hbase.zookeeper.property.dataDir 都用來指定資料存放的目錄,預設情況下hbase會使用/tmp目錄,這顯然是不合適的。
配置了這兩個路徑之後,hbase會自動建立相應的目錄。
關於更多的引數設定可參考這裡
- 啟動軟體
start-hbase.sh
此時檢視 logs/hbase-root-master-host-xxx.log,如下:
2019-07-11 07:37:23,654 INFO [localhost:33539.activeMasterManager] hbase.MetaMigrationConvertingToPB: hbase:meta doesn't have any entries to update.
2019-07-11 07:37:23,654 INFO [localhost:33539.activeMasterManager] hbase.MetaMigrationConvertingToPB: META already up-to date with PB serialization
2019-07-11 07:37:23,664 INFO [localhost:33539.activeMasterManager] master.AssignmentManager: Clean cluster startup. Assigning user regions
2019-07-11 07:37:23,665 INFO [localhost:33539.activeMasterManager] master.AssignmentManager: Joined the cluster in 11ms, failover=false
2019-07-11 07:37:23,672 INFO [localhost:33539.activeMasterManager] master.TableNamespaceManager: Namespace table not found. Creating...
檢查程序情況,發現程序已經啟動
ps -ef |grep hadoop
root 11049 11032 2 07:37 pts/1 00:00:20 /usr/local/jre1.8.0_201/bin/java -Dproc_master -XX:OnOutOfMemoryError=kill -9 %p -XX:+UseConcMarkSweepGC -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m -Dhbase.log.dir=/opt/local/hbase/logs -Dhbase.log.file=hbase-root-master-host-192-168-138-148.log -Dhbase.home.dir=/opt/local/hbase -Dhbase.id.str=root -Dhbase.root.logger=INFO,RFA -Dhbase.security.logger=INFO,RFAS org.apache.hadoop.hbase.master.HMaster start
root 18907 30747 0 07:50 pts/1 00:00:00 grep --color=auto hadoop
通過JPS(JDK自帶的檢查工具) 可以看到當前啟動的Java程序:
# jps
5701 Jps
4826 HMaster
1311 jar
檢視 data目錄,發現生成了對應的檔案:
host:/opt/local/hbase/data # ls -lh .
total 36K
drwx------. 4 root root 4.0K Jul 11 08:08 data
drwx------. 4 root root 4.0K Jul 11 08:08 hbase
-rw-r--r--. 1 root root 42 Jul 11 08:08 hbase.id
-rw-r--r--. 1 root root 7 Jul 11 08:08 hbase.version
drwx------. 2 root root 4.0K Jul 11 08:08 MasterProcWALs
drwx------. 2 root root 4.0K Jul 11 08:08 oldWALs
drwx------. 3 root root 4.0K Jul 11 08:08 .tmp
drwx------. 3 root root 4.0K Jul 11 08:08 WALs
drwx------. 3 root root 4.0K Jul 11 08:08 zookeeper
關於執行模式
HBase啟動時預設會使用單機模式,此時 Zookeeper和 HMaster/RegionServer 會執行在同一個JVM中。
以standalone模式啟動的HBase會包含一個HMaster、RegionServer、Zookeeper例項,此時 HBase 會直接使用本地檔案系統而不是HDFS。
通過將 conf/hbase-site.xml中的 hbase.cluster.distributed 配置為true,就是叢集模式了。
在這個模式下,你可以使用分散式環境進行部署,或者是"偽分散式"的多程序環境。
<configuration>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
</configuration>
需要注意的是,如果以standalone啟動的話,HMaster、RegionServer埠都是隨機的,無法通過配置檔案指定。
四、基本使用
開啟HBase Shell
hbase shell
執行status命令
Version 2.1.5, r76ab087819fe82ccf6f531096e18ad1bed079651, Wed Jun 5 16:48:11 PDT 2019
hbase(main):001:0> status
1 active master, 0 backup masters, 1 servers, 0 dead, 2.0000 average load
這表示有一個Master在執行,一個RegionServer,每個RegionServer包含2個Region。
表操作
- 建立DeviceState表
hbase(main):002:0> create "DeviceState", "name:c1", "state:c2"
=> Hbase::Table - DeviceState
此時,已經建立了一個DeviceState表,包含name(裝置名稱)、state(狀態)兩個列。
查看錶資訊:
hbase(main):003:0> list
TABLE
DeviceState
1 row(s) in 0.0090 seconds
=> ["DeviceState"]
hbase(main):003:0> describe "DeviceState"
Table DeviceState is ENABLED
DeviceState
COLUMN FAMILIES DESCRIPTION
{NAME => 'name', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSIO
N => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}
{NAME => 'state', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSI
ON => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}
2 row(s) in 0.0870 seconds
- 寫入資料
通過下面的命令,向DeviceState寫入兩條記錄,由於有兩個列族,因此需要寫入四個單元格資料:
put "DeviceState", "row1", "name", "空調"
put "DeviceState", "row1", "state", "開啟"
put "DeviceState", "row2", "name", "電視機"
put "DeviceState", "row2", "state", "關閉"
- 查詢資料
查詢某行、某列
hbase(main):012:0> get "DeviceState","row1"
COLUMN CELL
name: timestamp=1562834473008, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
state: timestamp=1562834474630, value=\xE5\x85\xB3\xE9\x97\xAD
1 row(s) in 0.0230 seconds
hbase(main):013:0> get "DeviceState","row1", "name"
COLUMN CELL
name: timestamp=1562834473008, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
1 row(s) in 0.0200 seconds
掃描表
hbase(main):026:0> scan "DeviceState"
ROW COLUMN+CELL
row1 column=name:, timestamp=1562834999374, value=\xE7\xA9\xBA\xE8\xB0\x83
row1 column=state:, timestamp=1562834999421, value=\xE6\x89\x93\xE5\xBC\x80
row2 column=name:, timestamp=1562834999452, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
row2 column=state:, timestamp=1562835001064, value=\xE5\x85\xB3\xE9\x97\xAD
2 row(s) in 0.0250 seconds
查詢數量
hbase(main):014:0> count "DeviceState"
2 row(s) in 0.0370 seconds
=> 1
- 清除資料
刪除某列、某行
delete "DeviceState", "row1", "name"
0 row(s) in 0.0080 seconds
hbase(main):003:0> deleteall "DeviceState", "row2"
0 row(s) in 0.1290 seconds
清空整個表資料
hbase(main):021:0> truncate "DeviceState"
Truncating 'DeviceState' table (it may take a while):
- Disabling table...
- Truncating table...
0 row(s) in 3.5060 seconds
刪除表(需要先disable)
hbase(main):006:0> disable "DeviceState"
0 row(s) in 2.2690 seconds
hbase(main):007:0> drop "DeviceState"
0 row(s) in 1.2880 seconds
五、FAQ
- 啟動時提示 ZK 埠監聽失敗:
Could not start ZK at requested port of 2181. ZK was started at port: 2182. Aborting as clients (e.g. shell) will not be able to find this ZK quorum
原因
HBase需要啟動Zookeeper,而本地的2181埠已經被啟用(可能有其他Zookeeper例項)
解決辦法
conf/hbase-site.xml中修改hbase.zookeeper.property.clientPort的值,將其修改為2182,:
<configuration>
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2182</value>
</property>
</configuration>
- 啟動HBase Shell時提示java.lang.UnsatisfiedLinkError
原因
在執行hbase shell期間,JRuby會在“java.io.tmpdir”路徑下建立一個臨時檔案,該路徑的預設值為“/tmp”。如果為“/tmp”目錄設定NOEXEC許可權,然後hbase shell會啟動失敗並丟擲“java.lang.UnsatisfiedLinkError”錯誤。
解決辦法
- 取消/tmp的noexec許可權(不推薦)
- 設定java.io.tmpdir變數,指向可用的路徑,編輯conf/hbase-env.sh檔案:
export HBASE_TMP_DIR=/opt/local/hbase/temp
export HBASE_OPTS="-XX:+UseConcMarkSweepGC -Djava.io.tmpdir=$HBASE_TMP_DIR"
參考文件
HBase 官方權威指南
https://hbase.apache.org/book.html#quickstart
HBase 單機模式搭建
https://my.oschina.net/jackieyeah/blog/712019
HBase 深入淺出
較詳細介紹了HBase的由來以及特性,文中提供了HBase叢集、儲存機制的一些簡介,非常適合入門閱讀
https://www.ibm.com/developerworks/cn/analytics/library/ba-cn-bigdata-hbase/index.