HBase框架基础（二）

HBase的基础框架，将分成几个章节对HBase进行描述，不当之处还望大家批评指正。下面是了解HBase基础架构的第二部分。

上一节我们了解了HBase的架构原理和模块组成，这一节我们先来聊一聊HBase的读写数据的过程。

HBase的读写流程及3个机制

HBase的读数据流程：

1、HRegionServer保存着meta表以及表数据，要访问表数据，首先Client先去

访问zookeeper，从zookeeper里面获取meta表所在的位置信息，即找到这个

meta表在哪个HRegionServer上保存着。

2、接着Client通过刚才获取到的HRegionServer的IP来访问Meta表所在的

HRegionServer，从而读取到Meta，进而获取到Meta表中存放的元数据。

3、Client通过元数据中存储的信息，访问对应的HRegionServer，然后扫描所

在HRegionServer的Memstore和Storefile来查询数据。

4、最后HRegionServer把查询到的数据响应给Client。

HBase写数据流程：

1、Client也是先访问zookeeper，找到Meta表，并获取Meta表元数据。

2、确定当前将要写入的数据所对应的HRegion和HRegionServer服务器。

3、Client向该HRegionServer服务器发起写入数据请求，然后HRegionServer收

到请求并响应。

4、CLient先把数据写入到HLog，以防止数据丢失。

5、然后将数据写入到Memstore

6、如果HLog和Memstore均写入成功，则这条数据写入成功

7、如果Memstore达到阈(yu)值（注意，不存在“阀值”这么一说，属于长期的误

用，在此提醒），会把Memstore中的数据flush到Storefile中。 8、当Storefile越来越多，会触发Compact合并操作，把过多的Storefile合并成一个大的Storefile。 9、当Storefile越来越大，Region也会越来越大，达到阈值后，会触发Split操作，将Region一分为二。

上述涉及到的3个机制：

1、Flush机制：当MemStore达到阈值，将Memstore中的数据Flush进Storefile 涉及属性： hbase.hregion.memstore.flush.size：134217728 即：128M就是Memstore的默认阈值 hbase.regionserver.global.memstore.upperLimit：0.4 即：这个参数的作用是当单个HRegion内所有的Memstore大小总和超过指定值时，flush该HRegion的所有memstore。RegionServer的flush是通过将请求添加一个队列，模拟生产消费模式来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发OOM。 hbase.regionserver.global.memstore.lowerLimit：0.38 即：当MemStore使用内存总量达到hbase.regionserver.global.memstore.upperLimit指定值时，将会有多个MemStores flush到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到MemStore使用内存略小于hbase.regionserver.global.memstore.lowerLimit。 2、Compact机制：把小的Memstore文件合并成大的Storefile文件。 3、Split机制当Region达到阈值，会把过大的Region一分为二。

HBaseAPI的使用

接下来我们来尝试一下使用Java来操作一下HBase，首先我们需要配置一下开发环境。

下载maven离线依赖包：

maven本次用到的Hbase Hadoop的Maven离线依赖包传送门：具体文件包可上官网下载：http://maven.apache.org/download.cgi

新建Eclipse的Maven Project：

配置pom.xml的dependency如图：

HBase的相关操作：

首先，声明静态配置，用以初始化整个Hadoop以及HBase的配置，如图：

检查表是否存在：

注：由于HBase中有student表，所以执行后返回true

创建数据库表：

此处在Java的主函数中执行了该创建表的方法，表明为staff，并有两个列族，分别为info和other_info，成功后，可以远程进行验证，如图：

其余的数据库增删改查操作可以参考HBase的说明。

HBase的MapReduce调用

1、首先需要查看配置HBase的Mapreduce所依赖的Jar包，使用命令： $ bin/hbase mapredcp，然后出现如下依赖，这些依赖我们一会需要export 到classpath中： /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-common-0.98.6-cdh5.3.6.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/protobuf-java-2.5.0.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-client-0.98.6-cdh5.3.6.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-hadoop-compat-0.98.6-cdh5.3.6.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/hbase-protocol-0.98.6-cdh5.3.6.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/high-scale-lib-1.1.1.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/zookeeper-3.4.5-cdh5.3.6.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/guava-12.0.1.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/htrace-core-2.04.jar: /opt/modules/cdh/hbase-0.98.6-cdh5.3.6/lib/netty-3.6.6.Final.jar 2、执行环境变量的临时导入 $ export HBASE_HOME=/opt/modules/hbase-0.98.6-hadoop2 $ export HADOOP_HOME=/opt/modules/cdh/hadoop-2.5.0-cdh5.3.6 $ export HADOOP_CLASSPATH=`${HBASE_HOME}/bin/hbase mapredcp` 注意：两边有反引号，表示将mapredcp命令的执行结果赋值给classpath。

3、运行官方自带的MapReduce相关的jar 案例一：统计student表有多少行数据直接执行代码： $ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar rowcounter student 案例二：使用MapReduce任务将数据导入到HBase Step1、创建测试文件 $ vi fruit.txt，文件如图：

完事之后，我们要上传这个fruit.txt到HDFS系统中 $ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put ./fruit.txt /input/ Step2、创建HBase表 $ bin/hbase shell hbase(main):001:0> create 'fruit','info' Step3、执行MapReduce到HBase的fruit表中在这一步开始之前，我们先拓展一点知识： * tsv格式的文件：字段之间以制表符t分割 * csv格式的文件：字段之间以逗号,分割（后面的数据分析我们会经常涉及到这样的格式） $ /opt/modules/cdh/hadoop-2.5.0-cdh5.3.6/bin/yarn jar lib/hbase-server-0.98.6-hadoop2.jar importtsv -Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:color fruit hdfs://mycluster/input 成功之后，我们来检查一下HBase中的数据，如图：