Hadoop组件--分布式数据库HBase-阿里云开发者社区

开发者社区> 五维空间s> 正文

Hadoop组件--分布式数据库HBase

简介:  1. HBase概述 先来看下HBase在Hadoop生态中的位置 HBase是Apache Hadoop⽣态系统中的重要⼀员,主要⽤于海量结构化数据存储。 HBase是一个构建在HDFS上的分布式列存储系统(严格的来说应该是列族存储),数据保存在HDFS上。
+关注继续查看

 1. HBase概述

先来看下HBase在Hadoop生态中的位置

HBase是Apache Hadoop⽣态系统中的重要⼀员,主要⽤于海量结构化数据存储。

HBase是一个构建在HDFS上的分布式列存储系统(严格的来说应该是列族存储),数据保存在HDFS上。

HBase与MapReduce良好的集成,使用MapReduce来处理数据。

HBase利用Zookeeper做分布式协同。

从逻辑上讲,HBase将数据按照表、⾏和列进⾏存储,它是⼀个分布式的、稀疏的、持久化存储的多维度排序表。

相对于Hive来说,HBase适合实时数据访问,Hive则适合批处理数据分析。

HBase的应用场景很多,百度的页面库,淘宝的商品库,小米的云存储服务等。

 2. HBase数据模型

(Table, RowKey, Family, Qualifier, TimeStamp) -->Value

在HBase中,一行数据由行健RowKey作为键,包含多个列族(Famliy),列族由可同时访问的多个列组成(Qualifier),

时间戳作为索引(TimeStamp)。

--可以是稀疏的,空值在HBase中不会被存储。

Row Key

--行健,数据在表中的唯一标实

--所有的操作都是基于主键的。

--数据安照行健来排序。

特点

--大:⼀个表可以有数⼗亿⾏,上百万列

--⾯向列:⾯向列(族)的存储,列(族)独⽴检索

--稀疏:对于空(null)的列,并不占⽤存储空间,表可以设计的非常稀疏

--数据多版本:每个单元中的数据可以有多个版本(时间戳不同)

--数据类型单⼀:HBase中的数据都是字节,没有类型

3. 物理模型

--以列族为单位存储

--每个cell中会存储以下信息

• Row key

• Column family name
• Column name
• Timestamp
• Value

 

数据表中所有行,安照Row Key字典序排列,Table在行的方向上分为多个region,

Region按⼤⼩分割的,每个表开始只有⼀个Region,随着数据增多,Region不断增⼤,当增⼤到⼀个阀值的时候,

Region就会等分会两新的Region,之后会有越来越多的Region。Region是HBase中分布式存储和负载均衡的最⼩单元,

不同Region分布到不同RegionServer上。

 

 

Region虽然是分布式存储的最⼩单元,但并不是存储的最⼩单元。

--Region由⼀个或者多个Store组成,每个Store保存⼀个columns family

--每个Strore又由⼀个MemStore和0至多个StoreFile组成
--MemStore存储在内存中,StoreFile存储在HDFS上

 

4. HBase架构

 

HRegion

--HBase 会⾃动地将表划分为不同的区域

-- 每个区域包含所有⾏的⼀个⼦集

--对⽤户来说,每个表是⼀堆数据的集合,靠主键来区分

--从物理上来说,⼀张表被拆分成了多块,每⼀块是⼀个HRegion

-- 我们⽤表名+ 开始和结束主键,来区分每⼀个HRegion

-- ⼀个HRegion 会保存⼀个表⾥⾯某段连续的数据,从开始主键到结束主键

--⼀张完整的表格是保存在多个HRegion上⾯

HRegionServer

--所有的数据库数据都保存在HDFS上⾯

-- ⽤户通过访问HRegionServer获取这些数据

--⼀台机器上⾯⼀般只运⾏⼀个HRegionServer

-- ⼀个HRegionServer上⾯有多个HRegion,⼀个HRegion 也只会被⼀个HRegionServer维护

--HRegionServer主要负责响应⽤户I/O请求,从HDFS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

-- 最好将具备共同IO特性的Column放在⼀个Column Family中

HMaster

--每个HRegionServer都会与HMaster通信

-- HMaster的主要任务就是给HRegionServer分配HRegion

-- HMaster指定HRegionServer 要维护哪些HRegion

-- 当⼀台HRegionServer宕机时,HMaster会把它负责的HRegion标记为未分配,然后再把它们分配到其他HRegionServer 中

 

5. HBase Shell

启动HBase shell

$./bin/hbase shell

建表:表名scores,有两个列族:‘grade’和‘course’

>create 'scores' ,'grade','course'

查看HBase中的表

>list

查看表结构

>describe 'scores'

put: 写⼊数据,格式如下:

>put 't1', 'r1', 'c1', 'value', ts1

t1指表名,r1指⾏键(key),c1指列名,value指值,ts1指数据戳,
⼀般都省略不设置。

向scores表中插⼊数据

> put 'scores', 'Tom', 'grade', 6
> put 'scores', 'Tom', 'course:math', 89
> put 'scores', 'Tom', 'course:art', 63
> put 'scores', 'Jim', 'grade', 7
> put 'scores', 'Jim', 'course:math', 75
> put 'scores', 'Jim', 'course:science', 48

get随机查找数据

格式

>get 't1', 'r1'
>get 't1', 'r1', 'c1'
>get 't1', 'r1', 'c1', 'c2'
>get 't1', 'r1', {COLUMN => 'c1', TIMESTAMP => ts1}
>get 't1', 'r1', {COLUMN => 'c1', TIMERANGE => [ts1, ts2],
VERSIONS => 4}

>get 'sources', 'Tom'
>get 'sources', 'Tom', 'grade'
>get 'sources', 'Tom', 'grede' , 'course'


scan 范围查找数据,scan命令格式如下

>scan 't1'
>scan 't1', {COLUMNS => 'c1:q1'}
>scan 't1', {COLUMNS => ['c1', 'c2'], LIMIT => 10, STARTROW
=> 'xyz'}
>scan 't1', {REVERSED => true}


> scan 'scores'
> scan 'scores',{COLUMNS =>'course:math'}
> scan 'scores',{COLUMNS =>'course'}

> scan 'scores',{COLUMNS =>'course', LIMIT => 1, STARTROW => 'Jim'}


delete删除数据

delete命令格式如下

>delete 't1', 'r1', 'c1', ts1

> delete 'scores', 'Jim', 'course:math'

Truncate删除全表数据

> truncate 'scores'

alter修改表结构

为scores表增加⼀个family列族,名为profile

> alter 'scores', NAME => 'profile'

删除profile列族

> alter 'scores', NAME => 'profile', METHOD => 'delete'

删除表

> drop 'scores'

上述所写如有不对之处,还请各位前辈指出赐教。--五维空间

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
阿里云服务器ECS远程登录用户名密码查询方法
阿里云服务器ECS远程连接登录输入用户名和密码,阿里云没有默认密码,如果购买时没设置需要先重置实例密码,Windows用户名是administrator,Linux账号是root,阿小云来详细说下阿里云服务器远程登录连接用户名和密码查询方法
3262 0
使用OpenApi弹性释放和设置云服务器ECS释放
云服务器ECS的一个重要特性就是按需创建资源。您可以在业务高峰期按需弹性的自定义规则进行资源创建,在完成业务计算的时候释放资源。本篇将提供几个Tips帮助您更加容易和自动化的完成云服务器的释放和弹性设置。
8095 0
阿里云服务器安全组设置内网互通的方法
虽然0.0.0.0/0使用非常方便,但是发现很多同学使用它来做内网互通,这是有安全风险的,实例有可能会在经典网络被内网IP访问到。下面介绍一下四种安全的内网互联设置方法。 购买前请先:领取阿里云幸运券,有很多优惠,可到下文中领取。
9480 0
阿里云服务器如何登录?阿里云服务器的三种登录方法
购买阿里云ECS云服务器后如何登录?场景不同,阿里云优惠总结大概有三种登录方式: 登录到ECS云服务器控制台 在ECS云服务器控制台用户可以更改密码、更换系.
5784 0
windows server 2008阿里云ECS服务器安全设置
最近我们Sinesafe安全公司在为客户使用阿里云ecs服务器做安全的过程中,发现服务器基础安全性都没有做。为了为站长们提供更加有效的安全基础解决方案,我们Sinesafe将对阿里云服务器win2008 系统进行基础安全部署实战过程! 比较重要的几部分 1.
5512 0
阿里云ECS云服务器初始化设置教程方法
阿里云ECS云服务器初始化是指将云服务器系统恢复到最初状态的过程,阿里云的服务器初始化是通过更换系统盘来实现的,是免费的,阿里云百科网分享服务器初始化教程: 服务器初始化教程方法 本文的服务器初始化是指将ECS云服务器系统恢复到最初状态,服务器中的数据也会被清空,所以初始化之前一定要先备份好。
3514 0
25
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载