分布式NoSQL列存储数据库Hbase Java API（四）-阿里云开发者社区

分布式NoSQL列存储数据库Hbase（四）

知识点01：课程回顾

Hbase Java API DML

DML实现规则

step1：构建连接，客户端连接服务端通用的机制

Configuration：用于管理配置，例如服务端地址【Hbase的JavaAPI服务端地址是ZK的地址】
Connection：连接对象

MySQL：构建MySQL连接：hostname：3306
Hive：构建Hive连接：hostname:10000

step2：构建DML操作的表对象

Table

构建DDL操作的管理员对象：HbaseAdmin

put   表名    rowkey    列族：列    值

step1：构建Put对象，指定rowkey
step2：指定put对象的列族、列、值

addColumn(列族、列、值)

step3：对表执行Put操作

table.put(Put)
table.put(List<Put>)

delete

delete    表名    rowkey    列族：列

step1：构建delete对象，指定rowkey
step2：指定删除的列或者列族

addColumn：删除指定列，最新版本
addColumns：删除指定列的所有版本
addFamily：删除指定列族

step3：执行删除操作

table.delete

get：最快

get   表名    rowkey    [列族：列]

根据rowkey进行查询，Rowkey是索引，所有的查询都是走索引
step1：先构建Get对象，指定rowkey
step2：根据需求指定列族或者列
step3：返回整个Rowkey的所有数据

返回值：Result：一个Result代表一个Rowkey的所有数据

20210101_001                  column=basic:age, timestamp=1616034013623, value=18                                   
 20210101_001                  column=basic:name, timestamp=1616034013623, value=laoda                               
 20210101_001                  column=other:addr, timestamp=1616034013623, value=shanghai                            
 20210101_001                  column=other:phone, timestamp=1616034013623, value=110

迭代取出每一列：Cell：一个Cell代表一列的数据

20210101_001                  column=basic:age, timestamp=1616034013623, value=18

一个Result包含一个Cell数组：rs.rawCells
工具类

Bytes：用于实现类型转换

将其他类型转换为字节类型：写
将字节类型转换为其他类型：读

CellUtil：用于从Cell对象中取数据

scan：全表扫描，不常用

scan  表名

step1：构建Scan对象
step2：表执行Scan对象：getScanner
step3：获取返回值，多个Rowkey的数据

ResultScanner = Iter【Result】

Filter：条件查询，最常用的

scan 表名 Filter

step1：构建Scan对象
step2：根据查询条件构建过滤器

范围过滤

STARTROW：指定从某个Rowkey开始，包含
STOPROW：指定到某个Rowkey结束，不包含

过滤器：Filter

Rowkey过滤：PrefixFilter
列值过滤：SingleColumnValueFilter
列的过滤：MultipleColumnPrefixFilter
组合过滤：FilterList

step3：表执行Scan对象：getScanner
step4：获取返回值，多个Rowkey的数据

ResultScanner = Iter【Result】

操作类知识点的学习方法

命令：一般都是英文缩写，记住英文和语法，背一背
JavaAPI

哪些类：每个类的作用和构建方式
哪些方法：增删改查

知识点02：课程目标

Hbase存储设计

整个Hbase中的存储结构？

Hbase、Zookeeper、HDFS

Table与RegionServer的关系？
Table怎么实现分布式？划分Region的规则是什么呢？写入数据分配的规则？【重要】
Region内部的存储？【重要】
Hbase数据与HDFS的关系？

Hbase最严重的问题：热点

现象、原因
解决方案【重要】

预分区：一张表有多个Region分区
表的设计：Rowkey的设计

知识点03：存储设计：存储架构

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yYfd67AX-1616633798599)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210317190105892.png)]

问题：Hbase整体如何实现数据的存储？
分析

Client：负责连接服务端

提供开发接口，将用户的命令或者代码提交给服务端执行
将服务端执行的结果返回给用户

Zookeeper：存储Hbase部分元数据

所有Hbase客户端，都需要连接Zookeeper获取元数据

Hbase：分布式内存

HMaster：管理类功能
HRegionServer：负责数据的存储，对外提供客户端读写

分布式内存

HDFS：分布式磁盘

DataNode：负责将Hbase内存中的数据写入磁盘

知识点04：存储设计：Table、Region、RegionServer的关系

问题：客户端操作的是表，数据最终存在RegionServer中，表和RegionServer的关系是什么？
分析

Table：是一个逻辑对象，物理上不存在，供用户实现逻辑操作，存储在元数据的一个概念

类似于HDFS中文件

RegionServer：是一个物理对象，Hbase中的一个进程，管理一台机器的存储

类似于HDFS中DataNode

Region：Hbase中数据存储的最小单元

类似于HDFS中Block
就是分区的概念，每张表都可以划分为多个Region，实现分布式存储

默认一张表只有一个分区

每个Region由一台RegionServer所管理，Region存储在RegionServer

一台RegionServer可以管理多个Region

观察监控
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JyhZT7gp-1616633798601)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319091350259.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u8AXyrI7-1616633798603)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319091417912.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WvMurhSI-1616633798606)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319091609104.png)]

知识点05：存储设计：Region的划分规则

问题：一张表划分为多个Region，划分的规则是什么？写一条数据到表中，这条数据会写入哪个Region，分配规则是什么？
分析

回顾：HDFS划分规则

划分分区的规则：按照大小划分，文件按照每128M划分一个Block

Hbase分区划分规则：范围划分【根据Rowkey范围】

范围划分：从整个-oo ~ +oo区间上进行范围划分

每个分区都会有一个范围：根据Rowkey属于哪个范围就写入哪个分区

[startKey,stopKey)

前闭后开区间

默认：一张表创建时，只有一个Region

范围：-oo ~ +oo

自定义：创建表时，指定有多少个分区，每个分区的范围

举个栗子：创建一张表，有2个分区Region

region0：-oo ~ 50
region1： 50 ~ +oo

举个栗子：创建一张表，有4个分区Region

region0：-oo ~ 30
region1： 30 ~ 60
region2： 60 ~ 90
region3： 90 ~ +oo

数据分配的规则：根据Rowkey属于哪个范围就写入哪个分区

举个栗子：创建一张表，有4个分区Region

region0：-oo ~ 30
region1： 30 ~ 60
region2： 60 ~ 90
region3： 90 ~ +oo

写入数据的rowkey：比较是按照ASC码比较的，不是数值比较

10 => Region0
1000 => Region0
033 => Region0
789999999 => Region2
91 => Region3

观察监控

只有1个分区
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fSsgCtLA-1616633798607)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319093313002.png)]
多个分区的情况

create 'itcast:t3','cf',SPLITS => ['20', '40', '60', '80']

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eY7aX5N6-1616633798608)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319093457846.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nARHgEC6-1616633798608)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319093602323.png)]

put 'itcast:t3','0300000','cf:name','laoda'   =>  -oo ~ 20
put 'itcast:t3','7890000','cf:name','laoda'   =>  60 ~ 80

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SwnDDMT6-1616633798609)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319093903377.png)]

知识点06：存储设计：Region内部存储结构

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PMqZdtFr-1616633798610)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210317191716413.png)]

问题：数据在Region的内部是如何存储的？
分析

Table【逻辑】/ RegionServer【物理】

Region：分区层，根据rowkey判断属于哪个分区，就写入哪个Region

Store：存储层，对每个分区内部数据存储的划分，根据列族划分，一个列族就对应一个Store

每个列族对应一个Store，不同列族的数据存储在不同的Store中
如果一张表，有2个列族，这张表的region中就会有两个Store
优点：划分不同的数据存储

假设有100列，如果没有列族，100列存储在一起，想查询其中1列，最多会比较100次
假设有100列，如果有两个列族，50列存储在一起，想查询某个列族中的某1列，最多比较51次

先比较我要查询哪个Store，比较1次

Store中的存储

一个MemStore：Region中的内存区域，会为每个Store分配一部分

数据先读写MemStore

0个或者多个StoreFile文件：Store中的数据文件，如果Memstore存储达到阈值，就会将内存数据写入HDFS

StoreFile：逻辑上属于Store的

物理上存储在HDFS上：本质上存储的是HFILE：有序的二进制文件

总结

RegionServer：Region存储在Regionserver中

Region：一张表有多个Region，根据Rowkey判断写入哪个region

一个表中有多个列族，每个列族对应一个Store，一个region中有多个store
Store：根据列族判断写入哪个Store

memstore：内存区域
storefile：HDFS上的文件

知识点07：存储设计：HDFS中的存储结构

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fLHCvTK8-1616633798610)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210317191754182.png)]

问题：Hbase的数据在HDFS中是如何存储的？
分析

整个Hbase在HDFS中的存储目录：由配置决定

hbase.rootdir=hdfs://node1:8020/hbase

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LE98p1w6-1616633798611)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103050484.png)]
Namespace的目录
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j0kiin6w-1616633798611)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103216678.png)]
表的目录
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MgYZIbnt-1616633798612)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103307682.png)]
Region的目录
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BYjAQ9yu-1616633798612)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103437641.png)]
Store的目录：按照列族划分的
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cNt2Oxbn-1616633798612)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103636158.png)]
观察数据
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OwP9fqL8-1616633798613)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319103835828.png)]

hbase> flush 'TABLENAME'
  hbase> flush 'REGIONNAME'
  hbase> flush 'ENCODED_REGIONNAME'
  hbase> flush 'REGION_SERVER_NAME'

#强制将内存的数据写入HDFS变成StoreFile
flush 'itcast:t3'

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sNA9vzoZ-1616633798613)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319104124012.png)]

知识点08：热点问题：现象及原因

现象：在某个时间段内，大量的读写请求全部集中在某个Region中，导致这台RegionServer的负载比较高，其他的Region和RegionServer比较空闲
问题：这台RegionServer故障的概率就会增加，整体性能降低，效率比较差
原因：本质上的原因，数据分配不均衡

情况一：如果这张表只有一个分区

region0：-oo ~ +oo
所有数据都是读写这一个分区
肯定会出现热点

情况二：如果这张表有多个分区，如果你的Rowkey写入时是连续的

region0：-oo ~ 30
region1：30 ~ 70
region2：70 ~ +oo
写入的rowkey

00000001
00000002
00000003
……
29999999：都在往Region0中写入
30000000：开始写入region1
……
全部写region1
……

原因：region的设计是按照范围有序的，Rowkey也是有序的，连续的rowkey写入同一个region

解决

创建表的时候给定多个分区
Rowkey写入时不能是连续的

知识点09：分布式设计：预分区

需求：在创建表的时候，指定一张表拥有多个Region分区
分析

划分多个分区，实现分布式并行读写，将无穷区间划分为几段
段的划分的依据：Rowkey或者Rowkey的前缀来划分
举个栗子：如果分区都是按照数值划分的

region0：-oo ~ 3
region1：3 ~ 7
region2：7 ~ +oo
Rowkey：都是以字母开头的

a143434343
ydfjdkfjd4
……

出现了热点问题

实现

方式一：指定分隔段，实现预分区

create 'ns1:t1', 'f1', SPLITS => ['10', '20', '30', '40']
#将每个分割的段写在文件中，一行一个
create 't1', 'f1', SPLITS_FILE => 'splits.txt'

方式二：指定Region个数，自动进行Hash划分：字母和数字的组合

#你的rowkey的前缀可能是字母可能是数字
create 'itcast:t4', 'f1', {NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gEmrClkI-1616633798614)(20210319_分布式NoSQL列存储数据库Hbase（四）.assets/image-20210319111755041.png)]
方式三：Java API

HBASEAdmin admin = conn.getAdmin
admin.create(表的描述器对象,byte[][] splitsKey)

总结

原则：必须根据rowkey或者rowkey前缀来设计分区的划分
方式：三种方式任何一种只要能满足需求都可以

知识点10：Hbase表设计：Rowkey设计

问题

Rowkey功能

唯一标识符
作为Hbase唯一索引
划分Region的标识，不能连续

问题

Rowkey不重复
尽量保证按照rowkey查询数据是最快的
Rowkey是散列的，无序的

需求：根据业务需求，来合理的设计rowkey，实现高性能的数据存储
分析：不同的业务需求的表，Rowkey设计都不一样

设计规则
业务原则：Rowkey设计必须贴合业务需求，尽量实现基于Rowkey数据检索，走索引

Rowkey是Hbase中的唯一索引，按照Rowkey的查询是按照前缀匹配实现的
如果不按照Rowkey检索，就是全表扫描
尽量将最常用的查询条件作为Rowkey的前缀

地区
时间
ID：订单ID、用户ID

唯一原则：Rowkey必须唯一标识一条数据，Rowkey是不能重复的
组合原则：尽量将最常用的几个查询条件组合作为Rowkey，最常用的那一个作为前缀

常见的条件：时间、订单id、用户id
最常用的：时间
Rowkey

1616124723000_user001_order001

以下的查询都是走索引

查询某个时间的所有订单数据
查询某个时间某个人的所有订单数据
查询某个时间某个人的某个订单数据

以下的查询不走索引

查询某个人的所有订单
只能走全表扫描：慢
问题：学习二级索引来解决

散列原则：Rowkey不能是按照有序生成的，由于Region范围划分的，如果rowkey是有序的，会导致热点，必须构建无序的Rowkey

问题：有序的rowkey，用时间作为前缀，时间是有序的

1616124723000_user001_order001
1616124723000_user002_order002
1616124723000_user003_order003
1616124723001_user001_order004
1616124723002_user001_order005
1616124723000_user001_order001
……

解决

方案一：不将连续的字段作为前缀，例如：将用户id作为前缀

user001_1616124723000_order001
user999_1616124723000_order002

一个用户不可能在同一秒下多个订单
所有用户在同一秒也不可能的连续的
缺点：前缀不是最常用的查询条件

方案二：基于有序的进行反转，将时间进行反转构建Rowkey

0003274216161_user001_order001
0003274216161_user002_order002
0003274216161_user003_order003
1003274216161_user001_order004
1003274216161_user001_order005
2003274216161_user001_order001
3003274216161
4003274216161
……

缺点：每次查询时，也必须先反转，再查询

方案三：编码，构建随机

1616124723000_user001_order001
1616124723000_user002_order002
1616124723000_user003_order003
1616124723001_user001_order004
1616124723002_user001_order005
1616124723000_user001_order001
……
|  通过对原来的rowkey进行加密，得到一个加密码
12345678_1616124723000_user001_order001
37483784_1616124723000_user002_order002
……

缺点：每次查询时，也必须先编码

方案四：加盐，给Rowkey前缀添加一个随机值

1616124723000_user001_order001
1616124723000_user002_order002
1616124723000_user003_order003
1616124723001_user001_order004
1616124723002_user001_order005
1616124723000_user001_order001
……
| 新的rowkey前缀是个随机值【0-9】
0_1616124723000_user001_order001
4_1616124723000_user002_order002
9_1616124723000_user003_order003
0_1616124723001_user001_order004
0_1616124723002_user001_order005
1_1616124723000_user001_order001

缺点：每次查询时，挨个试，读的性能降低

长度原则：Rowkey的长度不建议过长

原则：能满足业务需求的情况下越短越好
问题：如果rowkey越长，索引占用的空间越大，比较rowkey就越慢，性能就越差

rowkey在底层是冗余存储的

建议：不超过100个字节

如果超过100个字节，建议进行编码

100位 =》 MD5 => 32位、16位

总结

业务原则：保证前缀是最常用的查询字段
唯一原则：每条rowkey表示一条数据
组合原则：常用的查询条件作为Rowkey
散列原则：rowkey构建不连续
长度原则：满足业务需求越短越好

9】

0_1616124723000_user001_order001
    4_1616124723000_user002_order002
    9_1616124723000_user003_order003
    0_1616124723001_user001_order004
    0_1616124723002_user001_order005
    1_1616124723000_user001_order001
    ```
    - 缺点：每次查询时，挨个试，读的性能降低

长度原则：Rowkey的长度不建议过长

原则：能满足业务需求的情况下越短越好
问题：如果rowkey越长，索引占用的空间越大，比较rowkey就越慢，性能就越差

rowkey在底层是冗余存储的

建议：不超过100个字节

如果超过100个字节，建议进行编码

100位 =》 MD5 => 32位、16位

总结

业务原则：保证前缀是最常用的查询字段
唯一原则：每条rowkey表示一条数据
组合原则：常用的查询条件作为Rowkey
散列原则：rowkey构建不连续
长度原则：满足业务需求越短越好

分布式NoSQL列存储数据库Hbase Java API（四）

分布式NoSQL列存储数据库Hbase（四）

知识点01：课程回顾

知识点02：课程目标

知识点03：存储设计：存储架构

知识点04：存储设计：Table、Region、RegionServer的关系

知识点05：存储设计：Region的划分规则

知识点06：存储设计：Region内部存储结构

知识点07：存储设计：HDFS中的存储结构

知识点08：热点问题：现象及原因

知识点09：分布式设计：预分区

知识点10：Hbase表设计：Rowkey设计

热门文章

最新文章

相关课程

相关电子书

相关实验场景

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

分布式NoSQL列存储数据库Hbase Java API（四）

分布式NoSQL列存储数据库Hbase（四）

知识点01：课程回顾

知识点02：课程目标

知识点03：存储设计：存储架构

知识点04：存储设计：Table、Region、RegionServer的关系

知识点05：存储设计：Region的划分规则

知识点06：存储设计：Region内部存储结构

知识点07：存储设计：HDFS中的存储结构

知识点08：热点问题：现象及原因

知识点09：分布式设计：预分区

知识点10：Hbase表设计：Rowkey设计

热门文章

最新文章

相关课程

相关电子书

相关实验场景