Hadoop（四）C#操作Hbase

Hbase

Hbase是一種NoSql模式的資料庫，採用了列式存儲。而採用了列存儲天然具備以下優勢：

1. 可只查涉及的列，且列可作為索引，相對高效
2. 針對某一列的聚合及其方便
3. 同一列的數據類型一致，方便壓縮

同時由於列式存儲將不同列分開存儲，也造成了讀取多列效率不高的問題

LSM Tree

說到HBase，我們不得不說其採用的LSM Tree。我們都知道關係資料庫中常用的B+Tree，葉子節點有序，但寫入時可能存在大量隨機寫入，因此形成了其讀快寫慢的特點。

而HBase採用了LSM Tree，在讀寫之間尋找了平衡，損失了部分讀取的性能，實現了快速的寫入。LSM具體實現如下：

1. 寫入WAL日誌中（防止數據丟失），同時數據寫入記憶體中，記憶體中構建一個有順序的樹，HBase採用跳錶結構。
2. 隨著記憶體中數據逐漸增大，記憶體中flush到磁碟，形成一個個小樹。
3. 磁碟中的小樹存在數據冗餘，且查詢時遍歷多個小樹效率低，LSM定期合併，實現數據合併，而合併的時候，會對數據重新排序，優化讀取性能。

HBase架構

HBase中三個核心的Server形成其分散式存儲架構。

1. RegionServer：負責客戶端讀寫請求，客戶端直接與其通信
2. HBaseMaser：負責維護RegionServer；表結構的維護
3. Zookeeper：維護集群狀態

HBase讀寫操作步驟

1. 客戶端從zookeeper獲取哪台RegionServer存儲MetaTable（一張特殊表，存儲了所有region信息）。
2. 客戶端查詢MetaTable所在的RegionServer，獲取哪台RegionServer應負責此次操作的rowKey
3. 客戶端訪問對應的RegionServer實現數據讀取

RegionServer的組成

1. WAL：Write Ahead Log，用於存儲寫操作的日誌，用於故障恢復
2. BlockCache：讀緩存，用於緩存最常訪問數據
3. MemStore：寫緩存，會定期flush到磁碟
4. HFile：在HDFS上存儲數據，以有序keyvalue形式存儲

HBase存儲機制

1. 表是行的集合。
2. 行是列家族的集合。
3. 列家族是列的集合。
4. 列是鍵值對的集合。

HBase安裝

1.下載Hbase2.4.11

https://hbase.apache.org/downloads.html

2.解壓

tar -zxvf hbase-2.4.11-bin.tar.gz

3.修改環境變數

cat conf/hbase-env.sh
export JAVA_HOME=/usr/local/java18/jdk1.8.0_331/

4.修改hbase存儲位置

cat conf/hbase-site.xml
  <property>
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
<property>
   <name>hbase.rootdir</name>
   <value>hdfs://localhost:9000/hbase</value>
</property>

5.啟動Hbase

./bin/start-hbase.sh 

6.驗證Hbase

http://192.168.43.50:16010/master-status

7.停止Hbase

./bin/stop-hbase.sh

HBase Shell訪問HBase

官方文檔：https://hbase.apache.org/book.html#shell

1.進入shell

./bin/hbase shell

2.查看表

hbase:001:0> list

3.創建表

#create ‘<table name>’,’<column family>’

hbase:001:0> create 'emp', 'personal data', 'professional data'
Created table emp
Took 3.4810 seconds
=> Hbase::Table - emp

4.創建/更新數據

#put ‘table name’,’row ’,'Column family:column name',’new value’

hbase:001:0> put 'emp','1','personal data:name','raju'
Took 1.1807 seconds

5.查看數據

hbase:001:0> scan 'emp'
ROW                                                    COLUMN+CELL
 1                                                     column=personal data:name, timestamp=2022-05-02T09:55:38.861, value=raju
1 row(s)
Took 1.1758 seconds

#get ’<table name>’,’row1’


hbase:002:0>  get 'emp', '1'
COLUMN                                                 CELL
 personal data:name                                    timestamp=2022-05-02T09:55:38.861, value=raju
1 row(s)
Took 1.3090 seconds

6.刪除數據

#delete ‘<table name>’, ‘<row>’, ‘<column name >’, ‘<time stamp>’

hbase:001:0> deleteall 'emp','1'
Took 0.9424 seconds

C#訪問Hbase

C#訪問Hbase可以根據thrift文件自己生成響應rpc client代碼，通過rpc方式訪問。

https://github.com/apache/hbase/tree/master/hbase-thrift/src/main/resources/org/apache/hadoop/hbase

也可以啟動rest server通過微軟的Microsoft.Hbase.Client訪問，我們這次使用rest方式訪問。

1.啟動與關閉rest server

./bin/hbase-daemon.sh start rest
./bin/hbase-daemon.sh stop rest

可通過訪問http://192.168.43.50:8080/version/cluster驗證rest是否啟動成功

2.新增console項目，引入Microsoft.Hbase.Client包

https://github.com/hdinsight/hbase-sdk-for-net

3.編寫測試demo

using Microsoft.HBase.Client;
using Microsoft.HBase.Client.LoadBalancing;
using org.apache.hadoop.hbase.rest.protobuf.generated;

var scanOptions = RequestOptions.GetDefaultOptions();
scanOptions.Port = 8080;
scanOptions.AlternativeEndpoint = "/";
var nodeIPs = new List<string>();
nodeIPs.Add("192.168.43.50");
var client = new HBaseClient(null, scanOptions, new LoadBalancerRoundRobin(nodeIPs));
var version = client.GetVersionAsync().Result;
Console.WriteLine(version);

var testTableSchema = new TableSchema();
testTableSchema.name = "mytablename";
testTableSchema.columns.Add(new ColumnSchema() { name = "d" });
testTableSchema.columns.Add(new ColumnSchema() { name = "f" });
client.CreateTableAsync(testTableSchema).Wait();

通過hbase shell驗證表是mytablename否創建成功

hbase:001:0> list
TABLE
emp
mytablename