HBASE学习笔记

Hbase表结构

HBASE中的表由 列族，列，rowKey组成 ，建表时需要先给定列族信息，添加数据时，需要给定当前数据的Rowkey以及列族下的列信息。

由于HBASE是一个列式存储，可伸缩的数据库，那么由于列可伸缩，那么必须要一开始定义时指定列信息，但是对于列可以划分类型，比如上图中，列族分为 veh_info、pass_info ,其中和车辆基本信息相关的列数据保存到对于veh_info列中，和车辆通过信息相关的列可以保存到 pass_info列中

HBASE SHELL

Group name: namespace

对数据库的操作

Commands: alter_namespace, create_namespace, describe_namespace, drop_namespace, list_namespace, list_namespace_tables

创建

create_namespace
create_namespace 'bigdata28'

查看

list_namespace 

NAMESPACE                                     
bigdata28 -- 创建的
default --默认命名空间
hbase  --用于存储命名空间以及表的元数据信息

查看详细信息

describe_namespace

describe_namespace 'bigdata28'

删除命名空间

drop_namespace
drop_namespace 'bigdata28'

查看命名空间下的表

list_namespace_tables

list_namespace_tables 'default'

Group name: ddl

对表进行操作

Commands: alter, alter_async, alter_status, clone_table_schema, create, descr

ibe, disable, disable_all, drop, drop_all, enable, enable_all, exists, get_table, is_disabled, is_enabled, list, list_regions, locate_region, show_filters

创建表

create 
# t 表示表名称
# f 表示列族

create 't1', 'f1', 'f2', 'f3'

create 'bigdata28:veh_pass','veh_info','pass_info'

查看表

list_namespace_tables 'bigdata28'

list

查看表的描述信息

describe "bigdata28:veh_pass"

# 每个列族都有对应一个描述信息 
#  VERSIONS 表示当前列族中存储的数据对应的最多的版本数
{NAME => 'pass_info', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false', NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE => 'false', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', MIN_VERSIONS => '0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW', CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE => 'false', PREFETCH_BLOCKS_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE => 'true', BLOCKSIZE => '65536'}                                                                                                                
{NAME => 'veh_info', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false', NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE => 'false', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', MIN_VERSIONS => '0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW', CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE => 'false', PREFETCH_BLOCKS_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE => 'true', BLOCKSIZE => '65536'}

修改表信息

alter

alter 'bigdata28:veh_pass', {NAME => 'pass_info', IN_MEMORY => 'true'}

# 表示将当前pass_info列族中的数据版本设置为最高可保留3个版本的数据 
alter 'bigdata28:veh_pass', {NAME => 'pass_info', VERSIONS => 3}

删除表

drop

drop 't1'
# 对于表删除时，需要对其进行关闭之后再进行删除
ERROR: Table t1 is enabled. Disable it first.

关闭或开启表

disable 't1'
enable 't1'

查看表的Region信息

list_regions 

list_regions "bigdata28:veh_pass"

Hbase中的数据是存储在HDFS中，那么如何进行存储的？

Hbase的数据存储目录在 /hbase/data/ 路径中

命名空间、表都是以目录的形式存在的

在表目录下，会存在有一个Region目录，Region是按照RowKey进行划分的（当数据量较少时，仅有一个） 在Region下对应有列族的目录，列族目录下存储具体的数据 ，当数据添加到HBASE后先放在内存当中，之后再保存到对于HDFS路径中

Group name: dml

对数据进行操作

Commands: append, count, delete, deleteall, get, get_counter, get_splits, inc

r, put, scan, truncate, truncate_preserve

添加数据

put 
# ns1 表示命名空间
# t1 表示表名称
# r1 表示RowKey信息 
# c1 表示列族及列信息 
# value 表示对应具体列下的单个数据 
put 'ns1:t1', 'r1', 'c1', 'value'

put 'bigdata28:veh_pass','pass1','veh_info:hphm','ASJ666'
put 'bigdata28:veh_pass','pass1','veh_info:cllx','K33'
put 'bigdata28:veh_pass','pass1','veh_info:clys','red'


put 'bigdata28:veh_pass','pass12','veh_info:hphm','ASJ888'
put 'bigdata28:veh_pass','pass12','veh_info:cllx','K13'
put 'bigdata28:veh_pass','pass12','veh_info:clys','w'


# 添加数据时指定时间戳
put 't1', 'r1', 'c1', 'value', ts1

put 'bigdata28:veh_pass','pass9','veh_info:hphm','ASJ000_5', 1709279201100
# 展示数据时，按照时间戳从大到小依次展示

put命令可以按照 Rowkey 列族 列 添加单个数据

查看数据

get

get 'ns1:t1', 'r1'
get 'bigdata28:veh_pass','pass1'

# 指定列进行查看数据
get 'bigdata28:veh_pass','pass9', {COLUMN => ['veh_info:cllx', 'veh_info:hphm']}

# Column family cllx does not exist 表示给定的列族不存在，列需要使用列族对其进行修饰

get 可以根据rowKey信息获取到一行数据

查看所有数据

scan 
scan 'bigdata28:veh_pass'

# 扫描某个列下所有数据
scan 'bigdata28:veh_pass',{COLUMNS => 'veh_info:hphm'}
# 获取多列数据
scan 'bigdata28:veh_pass',{COLUMNS => ['veh_info:hphm','veh_info:cllx']}

# 限制展示行数(RowKey)
scan 'bigdata28:veh_pass',{LIMIT => 3}
scan 'bigdata28:veh_pass',{COLUMNS => 'veh_info:hphm',LIMIT => 3}


# 指定范围过滤数据
# STARTROW指定开始的RowKey
# STARTROW是包含的 
scan 'bigdata28:veh_pass',{STARTROW => 'pass12'}
# STOPROW可以指定结束Rowkey,并且不包含
scan 'bigdata28:veh_pass',{STARTROW => 'pass12',STOPROW => 'pass8'}

# 案例：
# 需求：获取pass1开头的所有数据 
scan 'bigdata28:veh_pass',{STARTROW => 'pass1',STOPROW => 'pass8'}
# 当添加了pass7,当前的扫描的数据不符合规范
scan 'bigdata28:veh_pass',{STARTROW => 'pass1',STOPROW => 'pass1~'}
# 在设定STARTROW及STOPROW范围时，可以参考ASC码表中的最大值和最小值 

# 扫描所有数据
scan 'bigdata28:veh_pass', {RAW => true, VERSIONS => 4}

scan 可以扫描当前表中的所有数据

删除

delete 'ns1:t1', 'r1', 'c1', ts1

delete 'bigdata28:veh_pass','pass9','veh_info:hphm', 1709279201176

# 删除某个RowKey下的 一列
delete 'bigdata28:veh_pass','pass9','veh_info:hphm'

# 当删除数据时，实际上是对数据进行标记 type=Delete
# 在之后的某一时刻会对标记数据进行批量整理 

deleteall
deleteall 'bigdata28:veh_pass','pass9'

# 删除列族信息 可以使用表的Alter语法
alter 'bigdata28:veh_pass',{ METHOD => 'delete', NAME => 'pass_info' }

count

# 统计表的行数
count 'bigdata28:veh_pass'

truncate

# 清空表
# 立即生效
truncate 'bigdata28:veh_pass'

HBASE名词

Rowkey

唯一标识一行数据

可以通过RowKey获取一行数据

按照字典顺序排序的:字典序排序规则是按位置比较，比较大小是按照ASC码值进行比较

Row key只能存储64k的字节数据 一般情况下RowKey在 10-100byte 之间最为合适

put 'bigdata28:veh_pass','pass1','veh_info:hphm','ASJ777'
put 'bigdata28:veh_pass','pass1','veh_info:cllx','K31'
put 'bigdata28:veh_pass','pass1','veh_info:clys','w'

get 'bigdata28:veh_pass','pass1'


put 'bigdata28:veh_pass','pass8','veh_info:hphm','ASJ999'
put 'bigdata28:veh_pass','pass8','veh_info:cllx','K32'
put 'bigdata28:veh_pass','pass8','veh_info:clys','r'

put 'bigdata28:veh_pass','pass10','veh_info:hphm','ASJ000'
put 'bigdata28:veh_pass','pass10','veh_info:cllx','K30'
put 'bigdata28:veh_pass','pass10','veh_info:clys','w'

Column Family（列族）和qualifier（列）

HBase表中的每个列都归属于某个列族(簇)，列族必须作为表模式(schema)定义的一部分预先给出。如 create 'test', 'course'。

列名以列族作为前缀，每个"列族"都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入。权限控制、存储以及调优都是在列族层面进行的；

HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。（在HDFS的列族目录下，可以查看到）

Timestamp时间戳

在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。

alter 'bigdata28:veh_pass', {NAME => 'veh_info', VERSIONS => 3}
# 将veh_pass中的veh_info列族版本设置为3，其列族下的列，可以同时存储三个版本的时间戳数据

put 'bigdata28:veh_pass','pass9','veh_info:hphm','ASJ000_1'
put 'bigdata28:veh_pass','pass9','veh_info:cllx','K30_1'
put 'bigdata28:veh_pass','pass9','veh_info:clys','w_1'

put 'bigdata28:veh_pass','pass9','veh_info:hphm','ASJ000_2'
put 'bigdata28:veh_pass','pass9','veh_info:cllx','K30_2'
put 'bigdata28:veh_pass','pass9','veh_info:clys','w_2'

put 'bigdata28:veh_pass','pass9','veh_info:hphm','ASJ000_3'
put 'bigdata28:veh_pass','pass9','veh_info:cllx','K30_3'
put 'bigdata28:veh_pass','pass9','veh_info:clys','w_3'

get 'bigdata28:veh_pass','pass9' 
# get命令只能获取最新版本的数据

scan 'bigdata28:veh_pass', {RAW => true, VERSIONS => 3}
扫描全表时，可以获取多个版本的数据 


put 'bigdata28:veh_pass','pass9','veh_info:hphm','ASJ000_4'
put 'bigdata28:veh_pass','pass9','veh_info:cllx','K30_4'
put 'bigdata28:veh_pass','pass9','veh_info:clys','w_4'

scan 'bigdata28:veh_pass', {RAW => true, VERSIONS => 4}
# 对于HBASE中的数据操作，并不是一个实时的。对于不符合要求的数据，会通过定期检查，再将数据去除

Cell单元格

由行和列的坐标交叉决定。

单元格是有版本的。

单元格的内容是未解析的字节数组。

由 {row key， column( = +)， version} 唯一确定的单元。

cell中的数据是没有类型的，全部是字节码形式存贮。（对于JavaAPI调用时，需要指定数据类型）

put 'bigdata28:veh_pass','pass9','veh_info:hpzl','大型汽车'
# 对于命令行，如果出现有中文，那么展示时，无法对其进行直接查看，英文可以由命令行转换


put 'bigdata28:veh_pass','pass9','pass_info:hpzl','大型汽车'
# 列是归属于列族的，不同列族之间的列名可以相同 
#  一般情况下相同类型的列会放到一个列族下，所以列名一般不重复

HBase架构分析

HMaster

1.为Region server分配region （当表中添加数据时，产生的Region具体是由HMaster将其分配给从节点HRegionServer）

2.负责Region server的负载均衡 (当表在使用过程中，一开始仅有一个Region，当数据量不断增大时，会对Region进行分裂成多个，分裂的Region是由HMaster进行指定到具体的从节点)

3.发现失效的Region server并重新分配其上的region（如果当Region server 宕机，此时需要将该RegionServer上的数据分配给其他节点）

4.管理用户对table的增删改操作（对表中元数据的操作，需要请求Master，但是数据的读写，并不是由HMaster管理）

RegionServer

1.Region server维护region，处理对这些region的IO请求（负责对HMaster分配的Region进行数据的检查更新操作，同时客户端的数据访问，会直接请求HRegionServer）

2.Region server负责切分在运行过程中变得过大的region(当表中的数据不断添加，数据是存储在Region中，当Region数据量过大时，会降低查询效率，于是需要将Region中的数据划分成多个Region进行分开存储)

Region

1.HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据（对于表中的RowKey是按照字典序排序，同时按照RowKey进行划分Region）；每个表一开始只有一个region（但是建表时，也可以指定Region划分的规则生成多个Region），随着数据不断插入表，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region（裂变）

2.当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver 上。（通过该方式可以达到降低用户的单节点请求压力，当大量的用户请求被分配到少了的RegionServer上此时称为热点问题）

Memstore

一个region由多个store组成，一个store对应一个CF（列族）store包括位于内存中的memstore和位于磁盘的storefile , 写操作先写入memstore，当memstore中的数据达到某个阈值，hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile

（在读取数据时，会对相同列族中的数据进行获取，同时为了提高查询速度，将数据按照列族划分，数据保存在不同的文件中，同时由不同的线程进行管理，为了提高查询速度，同时将数据放入内存缓存，但是内存容量有限，于是会将数据按照一定的阈值，将内存中的数据缓存到HDFS磁盘中形成storefile）

当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major compaction），在合并过程中会进行版本合并和删除工作（majar），形成更大的storefile

（当内存缓存刷写到磁盘时，每个文件大小不一样，同时文件中存储的数据有的会被标记成 delete等，需要对该数据进行删除操作，于是需要对数据进行合并整理，那么合并时，如果一次性将所有的数据进行合并，那么数据量较大，对资源的要求比较高，于是可以分为小合并和大合并）

当一个region所有storefile的大小和数量超过一定阈值后，会把当前的region分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载均衡

客户端检索数据，先在memstore找，找不到再找storefile（由于最新的数据一定是存储在memstore中的，当查询数据时，可以先去memstore中查询，如果能查询到，那么可以直接返回，如果没有查询到，那么可以从HDFS中进行遍历查询）

Hbase读写流程

当数据被客户端提交到Hbase集群时，Hbase如何发现数据要存储的位置 => 数据存储位置是当前Hbase的元数据信息 =>Hbase元数据信息存储在什么位置？=> 通过查看namespace 发现有hbase命名空间，在该命名空间中对应有meta（表的元数据表，包括当前表的Region中保存的RowKey信息以及位置信息）namespace表示当前命名空间的元数据 => 当提交写入数据请求时，需要通过meta表知道表的Region存储位置 => 那么meta表客户端如何知道存储在什么位置？meta表也是一张Hbase表 => Zookeeper中/hbase路径下存在有meta-region-server, namespace节点，该节点中保存的数据为具体哪个节点中的RegionServer中 => 于是可以先去Meta表中的RegionServer中发现表的元数据 => 再去目标表中的RegionServer中添加数据

写操作

1）Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。 2）访问对应的 Region Server，获取 hbase:meta 表，根据写请求的 namespace:table/rowkey，查询出目标数据所在的 Region Server的Region信息,并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。

3）向Region Server发送写操作

4）将数据顺序写入（追加）到 WAL

5）将数据写入对应的 MemStore，数据会在 MemStore 进行排序

6）向客户端发送 ack响应信息

7）等达到 MemStore 的刷写时机后，将数据刷写到 HFile。

读操作

1）Client 先访问 zookeeper，获取 hbase:meta 表位于哪个 Region Server。2）访问对应的 Region Server，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache，方便下次访问。

3）与目标 Region Server 进行通讯

4） 当在MemStore中如果直接找到对应的数据，那么可以直接返回，如果找不到，再去BlockCache（读缓存，存放了HFile中的元数据信息）中进行查询，如果能查询到对应HFile，那么可以直接返回，如果查询到多个HFile那么对应会进行合并操作，将合并后的结果数据进行返回

5）将从文件中查询到的数据块元数据信息（Block，HFile 数据存储单元，默认大小为 64KB）缓存到Block Cache。

6）将合并后的最终结果返回给客户端。

原理及优化

布隆过滤器

对于Hbase可以由Rowkey进行划分Region，再由Region中的列族划分store,Store中有MemStore对数据进行缓存，对刷写的数据可以保存在HDFS中的HFile文件中，每次MemStore刷写都会生成一个HFile文件，如果要过滤数据 找到对应数据存储在对应哪个HFile中即可。于是对于布隆过滤器的使用，可以将HFile看成是一个集合，当数据添加到HFile中，可以由布隆过滤器维护一个二进制的向量，通过Hash函数对数据进行映射。当有数据要验证时，直接对RowKey数据进行hash计算，找到对应位置是否为1即可。过滤掉大部分的HFile，减少需要扫描的Block。误判对于查询结果影响并不大。

RowKey设计-三原则

Rowkey长度原则

rowkey是一个二进制码流，可以是任意字符串，最大长度 64kb ，实际应用中一般为10-100bytes原因如下：一、数据的持久化文件HFile中是按照KeyValue存储的，如果rowkey过长，比如超过100字节，1000w行数据，光rowkey就要占用100*1000w=10亿个字节，将近1G数据，这样会极大影响HFile的存储效率；二、MemStore将缓存部分数据到内存，如果rowkey字段过长，内存的有效利用率就会降低，系统不能缓存更多的数据，这样会降低检索效率。

Rowkey散列原则

Rowkey散列原则

如果rowkey按照时间戳的方式递增，不要将时间放在二进制码的前面，建议将rowkey的高位作为散列字段，由程序随机生成，低位放时间字段，这样将提高数据均衡分布在每个RegionServer，以提高负载均衡的几率。如果没有散列字段，首字段直接是时间信息，所有的数据都会集中在一个RegionServer上，这样在数据检索的时候负载会集中在个别的RegionServer上，造成热点问题，会降低查询效率。

如果Rowkey现定义以时间戳作为 Rowkey+随机值，那么Rowkey是有序的，对应会将连续的Rowkey发送到同一个RegionServer中，在存储时，如果数据量较大，那么大部分的写入请求会连续的写入到一个RegionServer中，没有形成分布式的效果。于是形成写热点问题。同时读取数据时，时间戳最近的数据，其访问频率相对较高，所以所有的读请求也会发送到对应少了的RegionServer中，也会形成读热点问题

rowkey唯一原则

必须在设计上保证其唯一性

经常读取的数据存储到一块，将最近可能会被访问的数据放到一块 => 当查询数据时，是按照Rowkey的区间对数据进行获取，相连续的数据会在一个HFile中存储，将遍历的数据一次性返回即可，而不需要再从多个Region中加载多个HFile文件进行返回。

RowKey热点问题

①加盐：在rowkey的前面增加随机数，具体就是给rowkey分配一个随机前缀以使得它和之前的rowkey的开头不同。分配的前缀种类数量应该和你想使用数据分散到不同的region的数量一致。

优点：对数据进行均匀的分散到多个Region中，有效避免热点问题

缺点：要按照RowKey查询对应的Value数据 rand_id 时，会造成数据不确定存放在哪个位置，不能直接根据一个RowKey获取对应Value值
②哈希：哈希也可以使负载分散到整个集群，但是读却是可以预测的。使用确定的哈希可以让客户端重构完整的rowkey，可以使用get操作准确获取某一个行数据

id:1500001 =hash> 5a91734fe2f68e2cb93cd4c3d46776a7

通过生成的密文作为Rowkey可以有效的将数据进行分散开

优点：使负载分散到整个集群，但是读却是可以预测的

缺点：使用Scan方式扫描数据时，不能以明文的方式查看到对应ID的内容，同时也不能使用连续的方式扫描ID数据
③反转：使得rowkey中经常改变的部分（最没有意义的部分）放在前面。这样可以有效的随机rowkey，但是牺牲了rowkey的有序性

20240304154101 直接使用时间戳会导致热点问题，于是使用反转的方式将变化快的数据放在前面，不变的放在后面

=> 10145104034202 当秒数发生变化时，对应连续时间数据数据会分散到多个Region中进行存储

优点：有效解决热点问题，同时数据内容可以有效展示，同时对于get方法获取数据时，也可以直接获取到其Value值

缺点：丢失了数据的连续性
④预分区：可以通过指定SPLITS_FILE的值指定分区文件,如果分区信息比较少，也可以直接用SPLITS分区。create 'split_table_test', 'cf', {SPLITS_FILE => 'region_split_info.txt'}

思考：

当数据一开始保存到表中时，表中只会存在一个Region，如果插入的数据量较大，所有的写请求都会存入一个RegionServer中的1个Region中，其写入压力非常大，会影响其他表在同RegionServer中的Region的访问

如果一开始创建表时，就给定初始的Region，那么对应数据按照Region中的Rowkey范围进行划分， 那么就不存在有写入压力了

create 'api:student_split', 'info', {SPLITS_FILE => '/root/region_split_info.txt'}

region_split_info.txt：该文件中保存了每个Region的RowKey存储范围

1500100100!

1500100200!

1500100300!

1500100400!

1500100500!

1500100600!

1500100700!

1500100800!

1500100900!

在Hbase中如何判断是否存在有热点问题？

1.打开Hbase页面16010端口

2.找到对应表的描述页面

3.在页面中对每个Region的请求数量进行分析，当某个Region的请求过多时，说明存在有热点问题。需要对当前表进行RowKey重构