• Hbase(二)进阶


    一.Hbase分区

    1.预分区

    每一个region维护着startRow与endRowKey,如果加入的数据符合某个region维护的rowKey范围,则该数据交给这个region维护。那么依照这个原则,我们可以将数据所要投放的分区提前大致的规划好,以提高HBase性能

    预分区的常用方法

    1.手动设定预分区

    hbase> create 'ns:tbl','cf',SPLITS => ['1000','2000','3000','4000']
    
    • 1

    表tbl1有5个region,再添加新的列族,也是5个region

    当row_key的范围在-∞到1000 会在分区0

    2.生成16进制序列预分区

    create 'ns:tbl','cf',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
    
    • 1

    3.按照文件中设置的规则预分区

    创建splits.txt文件内容如下:

    1000
    2000
    3000
    4000
    
    • 1
    • 2
    • 3
    • 4

    然后执行:

    create 'ns:tbl','cf',SPLITS_FILE => 'splits.txt'
    
    • 1

    4.使用JavaAPI创建预分区

    在这里插入图片描述

    2.row_key设计

    一条数据的唯一标识就是rowkey,那么这条数据存储于哪个分区,取决于rowkey处于哪个一个预分区的区间内,设计rowkey的主要目的 ,就是让数据均匀的分布于所有的region中,在一定程度上防止数据倾斜

    rowkey常用的设计方案

    1.生成随机数、hash、散列值

    原本rowKey为1001的,SHA1后变成:dd01903921ea24941c26a48f2cec24e0bb0e8cc7
    原本rowKey为3001的,SHA1后变成:49042c54de64a1e9bf0b33e00245660ef92dc7bd
    原本rowKey为5001的,SHA1后变成:7b61dec07e02c188790670af43e717f0f46e8913
    在做此操作之前,一般我们会选择从数据集中抽取样本,来决定什么样的rowKey来Hash后作为每个分区的临界值

    2.字符串反转

    20170524000001转成10000042507102
    20170524000002转成20000042507102
    这样也可以在一定程度上散列逐步put进来的数据

    3.字符串拼接

    20170524000001_a12e
    20170524000001_93i7

    二.Phoenix

    1.简介

    在这里插入图片描述

    Phoenix是HBase的开源SQL皮肤。可以使用标准JDBC API代替HBase客户端API来创建表,插入数据和查询HBase数据

    Phoenix特点

    1)容易集成:如Spark,Hive,Pig,Flume和Map Reduce
    2)操作简单:DML命令以及通过DDL命令创建和操作表和版本化增量更改
    3)支持HBase二级索引创建

    Phoenix架构

    在这里插入图片描述
    如图,是thin client,也就是客户端是轻量级的,我们在客户端写完SQL后,需要将SQL传到一个Phoenix Query Server(需要单独启动)上来将SQL解析成Hbase的Shell语句,然后就可以操作Hbase了

    当然,也有普通的client,该客户端是重量级的,也即Phoenix Query Server(不需要单独启动)是包含在客户端里面的,但是由于Phoenix Query Server不在RegionServer上,它需要与ZooKeeper通信,来获取Hbase的位置

    2.Phoenix安装

    解压
    在这里插入图片描述

    sudo vim /etc/profile.d/my_env.sh
    
    • 1
    #phoenix
    export PHOENIX_HOME=/opt/module/phoenix-5.0.0
    export PHOENIX_CLASSPATH=$PHOENIX_HOME
    export PATH=$PATH:$PHOENIX_HOME/bin
    
    • 1
    • 2
    • 3
    • 4

    复制server包并拷贝到各个节点的hbase/lib

    cd /opt/module/phoenix-5.0.0/
    
    cp /opt/module/phoenix-5.0.0/phoenix-5.0.0-HBase-2.0-server.jar /opt/module/hbase-2.0.5/lib/
    
    xsync /opt/module/hbase-2.0.5/lib/phoenix-5.0.0-HBase-2.0-server.jar
    
    • 1
    • 2
    • 3
    • 4
    • 5

    默认情况下,在phoenix中不能直接创建schema。需要将如下的参数添加到Hbase中conf目录下的hbase-site.xml和phoenix中bin目录下的hbase-site.xml中

    <property>
        <name>phoenix.schema.isNamespaceMappingEnabled</name>
        <value>true</value>
    </property>
    
    • 1
    • 2
    • 3
    • 4

    分发Hbase的文件

    重启Hbase

    启动Phoenix(使用重量级客户端)

    在这里插入图片描述

    3.Shell

    注意:在phoenix中,schema名,表名,字段名等会自动转换为大写,若要小写,使用双引号,如"student"

    1.创建schema(库) 对应Hbase中的namespace

    create schema if not exists pbd;
    
    • 1

    2.删除schema

    drop schema if exists "pbd";   
    
    • 1

    3.创建表

    use pdb选择库创建表

    CREATE TABLE IF NOT EXISTS student(
    id VARCHAR primary key,
    name VARCHAR,
    addr VARCHAR);
    COLUMN_ENCODED_BYTES = NONE;
    
    • 1
    • 2
    • 3
    • 4
    • 5

    首先,必须指定primary key作为row_key
    在这里插入图片描述
    由于Hbase必须有列族,phoenix自动将我们创建表的属性划分为一个列族,列族名字是数字0

    在这里插入图片描述
    COLUMN_ENCODED_BYTES = NONE; 作用是告知phoenix不要进行字段编码,没有这一行,phoenix会对字段编码,Hbase中存储的字段是我们看不懂的东西

    可以指定多个列的联合作为RowKey CONSTRAINT关键字来指定

    CREATE TABLE IF NOT EXISTS us_population (
    State CHAR(2) NOT NULL,
    City VARCHAR NOT NULL,
    Population BIGINT
    CONSTRAINT my_pk PRIMARY KEY (state, city));
    
    • 1
    • 2
    • 3
    • 4
    • 5

    4.插入数据、修改数据

    upsert into student (id, name, addr) values('1001','zhangsan','beijing');
    
    • 1

    5.查询数据

    select id, name, addr from student;
    
    • 1

    在这里插入图片描述
    可加where根据条件查询

    6.删除数据

    delete from student where id = '1001' ;  
    
    • 1

    4.表的映射

    默认情况下,直接在HBase中创建的表,通过Phoenix是查看不到的。如果要在Phoenix中操作直接在HBase中创建的表,则需要在Phoenix中进行表的映射。映射方式有两种:视图映射和表映射

    方法一.视图映射(Hbase有表,但Phoenix不知道)

    顾名思义就是创建一个视图

    如图,我在Hbase中创建了一个表,并插入了一条数据,此时Phoenix是查看不到的
    在这里插入图片描述

    PHOENIX创建视图

    create view "mydb"."tb"(
      id varchar primary key , 
      "info"."name" varchar ,
      "info"."age" varchar ,
      "info"."addr" varchar
    );
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    在这里插入图片描述

    drop view "xxx"; # 删除视图
    
    • 1

    就可以在PHOENIX查询了
    在这里插入图片描述

    创建视图,这个视图是只读的!!删除视图,Hbase中不会删除表!

    方法二.创建表(Hbase有,Phoenix不知道)

    create table "emp"(
      id varchar primary key , 
      "info"."name" varchar ,
      "info"."addr" varchar
    )
    COLUMN_ENCODED_BYTES = NONE;
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    假设没有最后一行,这样建立的表是查不到数据的,因为在Phoenix建表会对字段进行一些编码,但是Hbase并没有编码,因此两者字段是不对应的(建立视图时不会进行编码),解决办法就是建表映射表添加**COLUMN_ENCODED_BYTES = NONE;**告诉phoenix不要编码了,我建立表是什么字段,我就去Hbase中找什么字段!

    删除映射表,Hbase的表也会删除!修改映射表,Hbase也会修改!注意,如果对同一张Hbase表做映射,只能二选一,要么做视图映射,要么做表映射,否则会出现同名错误!

    5.符号数值问题

    phoenix创建表,注意整型是Integer

    create table dbnum (
      id varchar primary key , 
      name varchar ,
      salary integer 
    )
    COLUMN_ENCODED_BYTES = NONE;  
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    在这里插入图片描述
    一.phoenix存整型数据

    使用phoenix插入一条数据

    upsert into dbnum values('1001','zs',123456); 
    
    • 1

    当时用phoenix查询
    在这里插入图片描述
    结论一:使用phoenix插入整型数据,再使用phoenix查询,整型数据时没有问题的

    当使用Hbase查询,看到我们的整型数据并不是123456

    在这里插入图片描述

    结论二:使用phoenix插入整型数据,使用Hbase查询,整型数据时有问题

    二.Hbase存整型

    Hbase插入整型数据要用Bytes.toBytes

    put 'DBNUM','1002','0:NAME','ls'
    put 'DBNUM','1002','0:SALARY',Bytes.toBytes(456789)   // 注意是Long类型 
    
    • 1
    • 2

    查询(注意要删掉1001那条数据,因为其实int格式)

    scan 'DBNUM',{COLUMNS=>['0:SALARY:toLong']}
    
    • 1

    在这里插入图片描述
    结论三:Hbase插入整型数据,Hbase查没问题

    使用phoenix查询
    在这里插入图片描述
    结论四:使用Hbase插入整型数据,phoenix查询有问题

    为什么会这样呢?是phoenix导致的,我们存有符号的数据时,由于二进制的最高位表示符号位,0表示正数,1表示负数,但是根据字典序,0会排在1前面,也就是正数排在了负数前面,因为phoenix认为我把有符号的数正负换一下,就可以了,因此前面我们存的正数都被转成了负数

    解决办法

    一.尽量不要用整型类型

    二.使用无符号的类型(这样无法使用负数了)

    phoenix建表并插入数据

    create table test1 (
      id varchar primary key , 
      name varchar ,
      salary UNSIGNED_INT 
    )
    COLUMN_ENCODED_BYTES = NONE;  
    
    upsert into test1 values('1001','zs',123456); 
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    Hbase查询
    在这里插入图片描述

    三.谁存的谁查,这样就不会出问题了

    7.Phoenix的Java API

    thick客户端为例

    <dependency>
        <groupId>org.apache.phoenix</groupId>
        <artifactId>phoenix-core</artifactId>
        <version>5.0.0-HBase-2.0</version>
        <exclusions>
            <exclusion>
                <groupId>org.glassfish</groupId>
                <artifactId>javax.el</artifactId>
            </exclusion>
        </exclusions>
    </dependency>
    
    <dependency>
        <groupId>org.glassfish</groupId>
        <artifactId>javax.el</artifactId>
        <version>3.0.1-b06</version>
    </dependency>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    public class Thick {
        Connection connection;
        @Before
        public void initConnection(){
            try {
                String url = "jdbc:phoenix:hadoop102,hadoop103,hadoop104:2181";
                Properties props = new Properties();
                props.put("phoenix.schema.isNamespaceMappingEnabled","true");
                connection = DriverManager.getConnection(url,props);
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
        // 查询数据 可加条件
        public void select(String sql,Object[] params) {
            PreparedStatement ps = null;
            try {
                ps = connection.prepareStatement(sql);
                if(params != null && params.length > 0){
                    for(int i = 0;i < params.length;i++){
                        ps.setObject(i + 1,params[i]);
                    }
                }
                ResultSet rs = ps.executeQuery();
                while(rs.next()){
                    System.out.println(rs.getString(1)+":" +rs.getString(2));
                }
                ps.close();
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
    
        @Test
        public void testSelect(){
           String sql =  "select * from \"mydb\".\"tb\"where \"age\" > ?";
           select(sql,new Object[]{"20"});
        }
    
        // 插入修改单条数据
        public void insertData(String sql,Object[] params){
            PreparedStatement ps = null;
    
            try {
                connection.setAutoCommit(false);
                ps = connection.prepareStatement(sql);
                if(params != null && params.length > 0){
                    for(int i = 0;i < params.length;i++){
                        ps.setObject(i + 1,params[i]);
                    }
                }
                ps.executeUpdate();
                connection.commit();
                ps.close();
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
        @Test
        public void testInsert(){
            String sql = "upsert into PDB.STUDENT (ID,NAME,ADDR) values (?,?,?)";
            Object[] o = new Object[]{"101","liuy","gz"};
            insertData(sql,o);
        }
    
        public void insertBatch(String sql,ArrayList<Object[]> list){
            PreparedStatement ps = null;
    
            try {
                connection.setAutoCommit(false);
                ps = connection.prepareStatement(sql);
                for (Object[] params : list) {
                    if(params != null && params.length > 0){
                        for(int i = 0; i < params.length;i++){
                            ps.setObject(i + 1,params[i]);
                        }
                        ps.addBatch();
                    }
                }
    
                ps.executeBatch();
                connection.commit();
                ps.close();
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
        @Test
        public void testBatch(){
            ArrayList<Object[]> list = new ArrayList<>();
            list.add(new Object[]{"103","liuy","gz"});
            list.add(new Object[]{"104","wang","sh"});
            String sql = "upsert into PDB.STUDENT (ID,NAME,ADDR) values (?,?,?)";
            insertBatch(sql,list);
        }
    
        // 删除数据
        public void deleteData(String sql,Object[] params){
            PreparedStatement ps = null;
            try {
                connection.setAutoCommit(false);
                ps = connection.prepareStatement(sql);
                if(params != null && params.length > 0){
                    for(int i = 0;i < params.length;i++){
                        ps.setObject(i + 1,params[i]);
                    }
                }
                ps.executeUpdate();
                connection.commit();
                ps.close();
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
    
        @Test
        public void testDelete(){
            String sql = "delete from PDB.STUDENT where ID = ?";
            Object[] params = new Object[]{"104"};
            deleteData(sql,params);
        }
    
    
    
        @After
        public void close(){
            try {
                connection.close();
            } catch (SQLException e) {
                throw new RuntimeException(e);
            }
        }
    
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110
    • 111
    • 112
    • 113
    • 114
    • 115
    • 116
    • 117
    • 118
    • 119
    • 120
    • 121
    • 122
    • 123
    • 124
    • 125
    • 126
    • 127
    • 128
    • 129
    • 130
    • 131
    • 132
    • 133
    • 134

    8.二级索引

    一级索引就是row_key,我们查询绝大部分都是根据row_key进行查询的,所谓的二级索引,就是给除row_key之外的列建立的索引

    添加如下配置到HBase的HRegionserver节点的hbase-site.xml

    <!-- phoenix regionserver 配置参数-->
    <property>
        <name>hbase.regionserver.wal.codec</name>
        <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>
    </property>
    
    <property>
        <name>hbase.region.server.rpc.scheduler.factory.class</name>
        <value>org.apache.hadoop.hbase.ipc.PhoenixRpcSchedulerFactory</value>
        <description>Factory to create the Phoenix RPC Scheduler that uses separate queues for index and metadata updates</description>
    </property>
    
    <property>
        <name>hbase.rpc.controllerfactory.class</name>
        <value>org.apache.hadoop.hbase.ipc.controller.ServerRpcControllerFactory</value>
        <description>Factory to create the Phoenix RPC Scheduler that uses separate queues for index and metadata updates</description>
    </property>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    分发

    8.1 全局二级索引

    准备一张简单的数据表

    在这里插入图片描述

    当我们根据row_key查询时

    explain select name from PDB.STUDENT where id = '101';
    
    • 1

    在这里插入图片描述
    由于前面提到过,row_key本身就是一级索引,所以会走索引,POINT LOOKUP表示该列的取值唯一,即该列的每一行都不重复,我们可以认为此时id就是一个聚簇索引,找到了id就找到了全部的数据

    创建单个字段的全局索引

    CREATE INDEX my_index ON my_table (my_col);
    
    • 1

    我们给name创建一个索引

    CREATE INDEX name_index ON PDB.STUDENT (NAME);
    
    • 1

    分析查询语句,发现是RANGE OVER,说明走了索引

    explain select id from pdb.student where name = 'zs';
    
    • 1


    此时查看表,发现竟然多了一张表NAME_INDEX
    在这里插入图片描述

    这张表的row_key就是建立索引的字段+原表的row_key,这不就是MySQL的非聚簇索引吗!!!
    在这里插入图片描述
    所谓的全局二级索引,意味着建索引会创建一张索引表。在索引表中, 将索引列与原表中的rowkey组合起来作为索引表的rowkey,当我们根据索引列时,其实是查的索引表,而不是原表!

    explain select id,name,addr from pdb.student where name = 'zs';
    
    • 1

    看上面的语句,虽然name建立了索引,但是我们根据索引表只能找到索引和id,找不到addr,因此想找addr还是要全表扫描(FULL OVER)!
    在这里插入图片描述

    复合索引

    先删除上面的索引

    drop index name_index ON PDB.STUDENT;
    
    • 1

    我们给这张表的两个字段创建了索引,也就是一个复合索引

    create index index_name_addr on PDB.STUDENT(NAME,ADDR);
    
    • 1

    可以看到建立了一张新表,并且row_key是name+addr+原表row_key组成的
    在这里插入图片描述

    explain select id,name,addr from pdb.student where name = 'zs' and addr = 'gz';
    
    • 1

    在这里插入图片描述
    很明显走了索引

    explain  select id,name,addr from pdb.student where addr = 'gz';
    
    • 1

    在这里插入图片描述
    进行了全表扫描,创建联合索引的规则是首先会对联合索引的最左边第一个字段排序,在第一个字段的排序基础上,然后对第二个字段进行排序,现在直接使用第二个字段查询,导致索引失效了,不符合最左前缀法则

    explain select id,name,addr from pdb.student where addr = 'gz' and name = 'zs';
    
    • 1

    在这里插入图片描述
    走了索引,原理和MySQL一样,因为会有优化器,所以顺序无所谓的

    8.2 本地二级索引

    先删除上面的二级索引

    drop index INDEX_NAME_ADDR on pdb.student;
    
    • 1

    我们创建一个本地二级索引,就是在index加个local即可

    create local index idx_local on pdb.student(name); 
    
    • 1

    分析这条语句,竟然发现没有FULL OVER,而是RANGE OVER!

    explain select id,name,addr from pdb.student where name = 'zs';
    
    • 1

    在这里插入图片描述
    我们查看Hbase中的数据,原来本地二级索引就是把索引列+row_key放到了原表中
    在这里插入图片描述
    这样我们根据索引name,虽然只找到了name和id,但是我们不用回表了,直接在当前表定位到对应的id,索引不会是FULL OVER

    三.Hbase整合Hive

    在hive-site.xml中添加zookeeper的属性,如下:

    <property>
        <name>hive.zookeeper.quorum</name>
        <value>hadoop102,hadoop103,hadoop104</value>
    </property>
    
    <property>
        <name>hive.zookeeper.client.port</name>
        <value>2181</value>
    </property>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9

    启动hive

    nohup /opt/module/hive/bin/hive --service metastore &
    
    nohup /opt/module/hive/bin/hive --service hiveserver2 &
    
    • 1
    • 2
    • 3

    Hive建立表,Hbase也建立

    CREATE TABLE hive_hbase_emp_table(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
    WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno")
    TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    在这里插入图片描述

    在这里插入图片描述
    不能将数据直接load进Hive所关联HBase的那张表中

    在Hive中创建临时中间表,用于load文件中的数据

    CREATE TABLE emp(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    row format delimited fields terminated by '\t';
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    向Hive中间表中load数据

    hive> load data local inpath '/home/admin/softwares/data/emp.txt' into table emp;
    
    • 1

    通过insert命令将中间表中的数据导入到Hive关联Hbase的那张表中

    hive> insert into table hive_hbase_emp_table select * from emp;
    
    • 1

    查看Hive以及关联的HBase表中是否已经成功的同步插入了数据

    Hive:
    hive> select * from hive_hbase_emp_table;
    HBase:
    Hbase> scan 'hbase_emp_table'
    
    • 1
    • 2
    • 3
    • 4

    Hbase已经有表,Hive关联

    就是多了一个EXTERNAL字段,告知Hive它只管理表元数据的生命周期,不会影响Hbase中的数据

    CREATE EXTERNAL TABLE relevance_hbase_emp(
    empno int,
    ename string,
    job string,
    mgr int,
    hiredate string,
    sal double,
    comm double,
    deptno int)
    STORED BY 
    'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
    WITH SERDEPROPERTIES ("hbase.columns.mapping" = 
    ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno") 
    TBLPROPERTIES ("hbase.table.name" = "hbase_emp_table");
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
  • 相关阅读:
    面试知识点【java基础篇】
    私有化+国产化,这款安全可靠的知识管理系统超赞
    前端收藏夹 ,以及他们的github地址:GitHub - w3ctrain/w3ctrain.github.io: w3ctrian前端收藏夹
    论文阅读_医疗知识图谱_GraphCare
    精智达在科创板过会:拟募资6亿元,2022年前三季度收入约3亿元
    flyway的快速入门教程
    react - hooks中的setTimeout问题
    低成本打造便携式无线网络攻防学习环境
    Java面向对象程序设计综合练习1(编程题)
    netty系列之:可以自动通知执行结果的Future,有见过吗?
  • 原文地址:https://blog.csdn.net/ks_1998/article/details/124806143