Hbase

分享 ⋅ 123456789987654321 ⋅ 于 2021-07-09 08:21:35 ⋅ 2465 阅读

Hbase

查看acl hbase授权目录

scan 'hbase:acl'

file

1.查看hbase状态

status

2.查看版本号

version

file

3.命名空间操作

#创建命名空间
create_namespace '命名空间名'
#显示所有命名空间
list_namespace
#删除命名空间
drop_namespace '命名空间名'

4.创建表

--建表不用指定rowkey,但是必须指定列族

--创建默认命名空间的表 可以创建很多列族
create '表名称', '列族名称1','列族名称2'

--创建带有命名空间的表
create '命名空间:表名称', '列族名称1','列族名称2'
hbase(main):018:0> create 'mpf:mpftable','cf1','cf2','cf3'

--
create '命名空间:表名称',{NAME => '列族名称1',COMPRESSION => '(压缩格式)SNAPPY'}

5.列出所有的表

#查看所有的表
list
#查询指定命名空间下的表
list_namespace_tables '命名空间'

6.获取表描述

#默认命名空间
describe '表名'
#指定命名空间
describe '命名空间:表名'

7. 删除列族

#删除一个列族
alter 'mpf:mpftable',{NAME=>'cf1',METHOD=>'delete'}
#删除多个列族
alter 'mpf:mpftable',{NAME='cf2',METHOD=>'delete'},{NAME='cf3',METHOD=>'delete'}

8.hbase ddl操作

 删除表之前必须要下线表
#把表设置为disable（下线）
disable '表名'

#drop表
#先把表下线，再drop表
disable '表名'
drop '表名'  

#判断表是否存在
exists '表名'

#判断表是否下线
is_disabled '表名'

#判断表是否上线
is_enabled '表名'

9.hbase dml操作

1.添加数据

# 语法：put <table>,<rowkey>,<family:column>,<value>,<timestamp>
put '命名空间:表名','rowkey'.'列族:列族名','值'   #rowkey自己定义
#cf:name 列族下面可以随便添加列字段名称
put 'xinniu:table3','x0001','cf:name','user1'

2.查询数据

#get方式获取单条.
查看表下面的 指定表的 某个rowkey的所有值
get 'xinniu:table3','x00001'
get 'xinniu:table3','x00001','cf1'
查看表下面的 指定表的 某个rowkey的 某个列族下的某个列的 所有值
get 'xinniu:table3','x00001','cf2:address'

3.更新数据

获取指定版本数据  指定版本号，取指定版本数据。 TIMESTAMP不加引号
get 'xinniu:table3','x00001',{COLUMN=>'cf1:age',TIMESTAMP=>1621673127490}

4.扫描表

#Scan ‘表名’，这个动作是全表扫描，如果指定了startrow和endrow则变为范围查询，filter是全表扫。

#扫描全表
scan '表名'

#扫描全表，limit行数   
limit限制的是某一个rowkey的值,只会显示第一个rowkey相同的值
scan 'xinniu:table3',{LIMIT => 1}

#查询指定列族
scan 'xinniu:table3', {COLUMNS => 'cf1'}

#查询指定列数据
scan 'xinniu:table3', {COLUMNS => 'cf2:address'}

#扫描表中值=23 的数据
binary 是等于的意思
scan 'xinniu:table3', FILTER=>"ValueFilter(=,'binary:23')"

使用rowkey范围查询,STARTROW与ENDROW是前闭后开的
'|' 代表的是无限大  
这样查询是不会扫描全表的
scan 'xinniu:table3', { STARTROW => 'x00001', STOPROW => '|'}
scan 'xinniu:table3', { STARTROW => 'x00001', STOPROW => 'x00002'}

scan 'xinniu:table3', { STARTROW => 'x00001', STOPROW => '|',LIMIT => 3,COLUMN => 'cf1:name'}

scan 'xinniu:table3', { STARTROW => 'x00001', STOPROW => '|',LIMIT => 1,COLUMN => 'cf1:name'}

5.删除某列数据

# 语法：delete <table>, <rowkey>, <family:column>
# 必须指定列名
# 会删除执行列的所有版本数据
delete '命名空间:表名','rowkey','列族名:列字段名'     
delete 'mpf:mpftable','x001','cf1:name'

5.1删除整行数据

# 语法：deleteall <table>, <rowkey>
deleteall 'mpf:mpftable','x001'

6.清空表数据

先执行的是关闭表操作
然后在进行清空

#清空表数据且不保留region信息 
truncate <table>
#清空表数据保留region信息
truncate_preserve <table>

7.查询表有多少行--> count

 INTERVAL设置多少行显示一次及对应的rowkey，默认1000；
 CACHE每次去取的缓存区大小，默认是10，调整该参数可提高查询速度
# 语法：count <table>, {INTERVAL => intervalNum, CACHE => cacheNum}

#使用count统计table3行数
每3行显示一次, 每次去缓存取6条
count 'xinniu:table3',{INTERVAL => 3,CACHE => 6}

#put数据用于统计行数
put 'xinniu:table3','id06', 'cf2:cert_no','110625'
put 'xinniu:table3','id06', 'cf2:cert_type','身份证'
put 'xinniu:table3','id07', 'cf2:cert_no','110725'
put 'xinniu:table3','id07', 'cf2:cert_type','身份证'
put 'xinniu:table3','id08', 'cf2:cert_no','110825'
put 'xinniu:table3','id08', 'cf2:cert_type','身份证'
put 'xinniu:table3','id09', 'cf2:cert_no','110925'
put 'xinniu:table3','id09', 'cf2:cert_type','身份证'
put 'xinniu:table3','id10', 'cf2:cert_no','110925'
put 'xinniu:table3','id11', 'cf2:cert_type','身份证'
put 'xinniu:table3','id01', 'cf2:cert_no','110925'
put 'xinniu:table3','id02', 'cf2:cert_type','身份证'
put 'xinniu:table3','id03', 'cf2:cert_no','110925'
put 'xinniu:table3','id03', 'cf2:cert_type','身份证'
put 'xinniu:table3','id04', 'cf2:cert_no','110925'
put 'xinniu:table3','id04', 'cf2:cert_type','身份证'
put 'xinniu:table3','id05', 'cf2:cert_no','110925'
put 'xinniu:table3','id05', 'cf2:cert_type','身份证'

8.大表count

在linux执行,不是在hbase shell里面查询
#大表取多少条使用如下方式进行统计。
#语法
hbase org.apache.hadoop.hbase.mapreduce.RowCounter ‘tablename’  

#例如
hbase org.apache.hadoop.hbase.mapreduce.RowCounter 'mpftable'

1.)cdh设置用户id1到1000有效

想用超级管理员去跑,这里需要改为1,然后重启yarn

file

file

2.)用户被禁用 -->删掉hdfs用户 重启yarn

file

9.counter计数器

#该场景适合在一些实时场景使用，如某点击类事件触发时则在hbase中incr一条，用于统计累计点击数比较方便。

#语法： incr <tablename>,<rowkey>,<family:column>,long n
# 给表的指定行指定列族的指定列设置计数器
插入的时候 列字段不能一样
incr 'xinniu:table3','id01','cf1:cert_no',1
#获取counter数
get_counter 'xinniu:table3', 'id01', 'cf1:cert_no'

#多用于统计点击量等场景使用较多

10.多版本管理 即，相同rowkey相同列插入不同值。

相同rowkey 相同列 插入不同值。
#1.建表
create 'mpf:mpftable1','cf1'
#2.修改设置版本，查询时，加上版本就可以查出来版本
alter 'mpf:mpftable1',{ NAME =>'cf1', VERSIONS => 2 }
#插入多个版本数据
put 'mpf:mpftable1','id01','cf1:cert_no','version1'
put 'mpf:mpftable1','id01','cf1:cert_no','version2'
put 'mpf:mpftable1','id01','cf1:cert_no','version3'
#获取指定版本数据
get 'mpf:mpftable1', 'id01', { COLUMN =>'cf1:cert_no',  VERSIONS => 2}

10.hbase预分region

#为什么要预分region

    #不预分region，hbase默认只有一个region，并且startkey和endkey不指定，只有触发了region split之后才会分裂成多个region，当写入的数据量较大的时候会伴随着频繁的region split操作，严重影响性能，同时不能充分利用IO性能，造成因IO瓶颈影响写入性能。

   #预分region后一张表的数据被预分到不同的region上，同时向多个region中写数据，大大提升了并发，且减少了region split的次数，避免单节点IO瓶颈问题。

#建表时预分region

#region个数
#官方推荐region个数计算公式：
(RSXmx*hbase.regionserver.global.memstore.size)/(hbase.hregion.memstore.flush.size*column familys)

#RS Xmx为regionserver堆栈内存大小，官方推荐每台regionserver内存大小设置20-24G，不推荐设置更大，因为  更大的堆栈内存GC效率较低

#hbase.regionserver.global.memstore.size为整个regionserver中memstore总大小占用总内存的比例，一般默认为0.4

#hbase.hregion.memstore.flush.size为memstoreflush阈值，一般默认128，可以自己设置column familys为列族数
#例：(20G*0.4)/(128M*2)=32
#官方推荐每个regionserver上region个数在20-200之间。

#region大小
#单个region官方推荐大小为5-10GB，
#可以通过hbase.hregion.max.filesize设置，当超过该值后会触发split，与region split策略相关。

#预分region需要考虑两个因素，即  region个数与region大小。

#预分region
#1.VERSIONS => 3 最大版本数有三个
#2.预分region的{}放到后面
#3.SPLITS_FILE => 文件地址,里面文件写的是,region从几到几

#实现步骤
#1.创建SPLITS_FILE: 文件里面内容 
1
10
20
30
40
50
60
#2.创建表

create 'xinniu:advance_split_region',{NAME => 'cf',VERSIONS => 3}, 
{SPLITS_FILE => '/tmp/advance_split_region_file'}

#3.查看预分region数量

11.开启压缩

#查看压缩方式
describe '命名空间:表名'

#建表时指定压缩格式，开启压缩后可以非常有效的缓解hbase数据膨胀问题。
#                                  NAME 列族名
create 'xinniu:compression_table',{NAME => 'cf',VERSIONS => 3,COMPRESSION => 'SNAPPY'}, {SPLITS_FILE => '/tmp/advance_split_region_file'}

hive数据导入hbase

1 .使用hbase外表方式加载(第一种方式)

#在hive中创建hbase外表，并指定hbase表名，将hbase映射到hive表。
#在hive中向hbase外表中插入数据，将数据同步到hbase中。
#不需要在hdfs建表,但是必须要用hive的内表去做.  如果要用外表方式,必须现在hbase建表

# 1.创建hbase外表
create 'xinniu:dataload2',{NAME => 'cf',COMPRESSION => 'SNAPPY'}

#2.准备hive源表数据
create table xinniu.source_table4hbase(
  key string,
  pk string,
  col1 string,
  col2 string,
  datatime string
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'   
                                                #:key指的是主键,往外表家在数据的固定写法     
WITH SERDEPROPERTIES ("hbase.columns.mapping" =":key,cf:pk,cf:col1,cf:col2,cf:datatime") 
TBLPROPERTIES("hbase.table.name" = "xinniu:dataload1"); 

#3.查询hive表数据插入到hbase外表中
insert into table xinniu.source_table4hbase select concat(pk,datatime) key,pk pk,col1 col1,col2 col2,datatime datatime from xinniu.source_table;

查询hbase表数据
scan '命名空间:表名'

2.importTSV+bulkload(第二种方式)

#importTSV 只支持 text 或者 csv
#参数详解

#-Dimporttsv.separator指定分隔符
#-Dimporttsv.columns指定列映射：HBASE_ROW_KEY强制要求写，cf:pk指定rowkey字段，其他字段与hive表中对应
#-Dimporttsv.skip.bad.lines是否跳过无效行
#-Dimporttsv.bulk.output：hfile输出路径

1.使用importTSV生成hfile文件

#1.执行语句 在hdfs上创建文件 在linux下面执行,不在hive下面执行
hbase  org.apache.hadoop.hbase.mapreduce.ImportTsv  
# | 指定的hive的分隔符
-Dimporttsv.separator='|' 
# HBASE_ROW_KEY 指定列 必须要写, 其预期段位表的映射关系
-Dimporttsv.columns=HBASE_ROW_KEY,cf:pk,cf:col1,cf:col2,cf:datatime 
 #是否跳过无效行 false如果遇到无效的,整个任务就退回去了
-Dimporttsv.skip.bad.lines=false
#  hfile输出路径                            xinniu:dataload2 指定的是在hbase创建的表的表名
-Dimporttsv.bulk.output=/user/xinniu/hfile xinniu:dataload2 
#hive这张表的路径 在hdfs的路径s
hdfs://ns1/hive/warehouse/xinniu.db/source_table/datatime=20210107/sourcedata-20210107

2.使用bulkload加载数据到hbase表中

#语法 xxxLoadIncrementalHFiles  hfile路径(上一步的输出路径)   hbase表名
hbase org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles /user/xinniu/hfile xinniu:dataload2

导出hbase数据

使用hive外表的方式导出hbase数据(这张外表就是用来导数据的,不是用来分析查询的,如果外表被删掉hbase数据也不会被删掉,另外如果hbase表已经存在,hive创建内表会报错)

使用hive外表的方式先关联到hbase 表，然后将hive外表数据导出到指定目录。

--加载本地数据到 hive外表
insert overwrite local directory'/tmp/xinniu/source_table4hbase'
row format delimited fields terminated by ','
select * from xinniu.source_table4hbase;

hbase数据导出为orc文件

如果需要导出为orc文件，则需要创建一张临时的orc表，再将hbase外表的数据查询插入到orc表中，再将orc表数据执行导出，导出orc文件到指定路径。

-- 创建orc表
create table orctable stored as orc 
as 
select * from source_table4hbase 
where 1=0;
-- 通过hbase的hive外表将数据导入到orc表中
insert into table orctable 
select * from source_table4hbase;
版权声明:原创作品,允许转载，转载时务必以超链接的形式表明出处和作者信息。否则将追究法律责任。来自海汼部落－123456789987654321,http://hainiubl.com/topics/75757
点赞
成为第一个点赞的人吧 :bowtie:
回复数量: 0
    暂无评论~~
    • 请注意单词拼写，以及中英文排版，参考此页
    • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
    • 支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
    • 上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
    • 发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空
    Ctrl+Enter
    新 建 话 题

    作者：123456789987654321

    牛仕
    奶牛(野牛的大哥)

    123456789987654321 的其他话题

    分类下其他主题

    随机推荐话题

    QQ群1：551936262 海牛大数据QQ群1

    关注海牛部落大数据技术社区