大数据学习 HBase

hbase列式分布式数据库：

 

结构化数据和非结构化数据

支持实时数据处理

列存储

水平扩展优秀

HBASE接口：java api ，shell，hive

 

HBASE数据模型：

 

列式存储在数据分析中效率很高，同一列数据类型相同能够达到更高的压缩率；

事务性操做比较多使用传统   行式存储；

分析型应用为主                    列式储存；

 

master服务器：

分区信息维护和管理、维护region服务器列表、监控region、负责对region进行分配、负载均衡

region服务器：

客户端存取数据、维护redion

 

hbase三级寻址：

zookeeper -> -ROOT表-> .META->用户数据表

 

hbase安装：

伪分布式：

hbase-site.xml文件

  <property>
   <name>hbase.cluster.distributed</name>  #是否为分布式
   <value>true</value>
   </property>

   <property>
       <name>hbase.rootdir</name>
       <value>hdfs://weide:8020/hbase</value>  #hbase共享目录，持久化hbase数据
   </property>

   <property>
       <name>hbase.master.port</name>   #hbasemaster的主机和端口
       <value>weide:16000</value>
  </property>

  <property>
  <name>hbase.master.maxclockskew</name>     #时间同步容许的时间差
  <value>180000</value>
  </property>

  <property>
  <name>hbase.zookeeper.quorum</name>  #zookeeper地址，内置zookeeper进程名HQuorumPeer
  <value>weide</value>
  </property>

    <property>
       <name>hbase.zookeeper.property.dataDir</name>  #zookeeper配置信息快照的位置，须要本身建立
       <value>/home/hadoop/tmp/zookeeperdata</value>
    </property>

hbase-env.sh文件，修改jdk位置、hadoop配置文件位置、zookeeper是否使用内置的；

regionservers文件 修改hbase从机器主机地址

一主多从模式：

 

java api：

 

hbase shell 增删改查：

增：put 'sinaNews','444','info1:title','weide'

删：

改：

查：

单条查根据列名   scan 'sina',{COLUMNS => ['info2:type'] }

根据行名 get 'sina','258'

全表扫描、

过滤器

 

上传数据：Dimportcsv方式

1.如今hbase建表

2./hbase org.apache.hadoop.hbase.mapreduce.ImportTsv  -Dimporttsv.separator="," -Dimporttsv.columns=HBASE_ROW_KEY,info1:data,info1:source,info2:title,info1:type,info2:body,info1:url sinanews /weide/csv3.txt

 

 

mapreduce操做hbase: