Hbase Java API詳解

HBase是Hadoop的數據庫，可以對大數據提供隨機、實時讀寫訪問。他是開源的，分佈式的，多版本的，面向列的，存儲模型。

在講解的時候我首先給你們講解一下HBase的總體結構，以下圖：

HBase Master是服務器負責管理全部的HRegion服務器，HBase Master並不存儲HBase服務器的任何數據，HBase邏輯上的表可能會劃分爲多個HRegion，而後存儲在HRegion Server羣中，HBase Master Server中存儲的是從數據到HRegion Server的映射。

一臺機器只能運行一個HRegion服務器，數據的操做會記錄在Hlog中，在讀取數據時候，HRegion會先訪問Hmemcache緩存，若是 緩存中沒有數據纔回到Hstore中上找，沒一個列都會有一個Hstore集合，每一個Hstore集合包含了不少具體的HstoreFile文件，這些文 件是B樹結構的，方便快速讀取。

 

再看下HBase數據物理視圖以下：

 

Row Key	Timestamp	Column Family
		URI	Parser
r1	t3	url=http://www.taobao.com	title=每天特價
	t2	host=taobao.com
	t1
r2	t5	url=http://www.alibaba.com	content=天天…
	t4	host=alibaba.com

Ø  Row Key: 行鍵，Table的主鍵，Table中的記錄按照Row Key排序

Ø  Timestamp: 時間戳，每次數據操做對應的時間戳，能夠看做是數據的version number

Ø  Column Family：列簇，Table在水平方向有一個或者多個Column Family組成，一個Column Family中能夠由任意多個Column組成，即Column Family支持動態擴展，無需預先定義Column的數量以及類型，全部Column均以二進制格式存儲，用戶須要自行進行類型轉換。

 

瞭解了HBase的體系結構和HBase數據視圖夠，如今讓咱們一塊兒看看怎樣經過Java來操做HBase數據吧！

先說說具體的API先，以下

 

HBaseConfiguration是每個hbase client都會使用到的對象，它表明的是HBase配置信息。它有兩種構造方式：

public HBaseConfiguration()

public HBaseConfiguration(final Configuration c)

默認的構造方式會嘗試從hbase-default.xml和hbase-site.xml中讀取配置。若是classpath沒有這兩個文件，就須要你本身設置配置。

Configuration HBASE_CONFIG = new Configuration();

HBASE_CONFIG.set(「hbase.zookeeper.quorum」, 「zkServer」);

HBASE_CONFIG.set(「hbase.zookeeper.property.clientPort」, 「2181″);

HBaseConfiguration cfg = new HBaseConfiguration(HBASE_CONFIG);

 

建立表

建立表是經過HBaseAdmin對象來操做的。HBaseAdmin負責表的META信息處理。HBaseAdmin提供了createTable這個方法：

public void createTable(HTableDescriptor desc)

HTableDescriptor 表明的是表的schema, 提供的方法中比較有用的有

setMaxFileSize，指定最大的region size

setMemStoreFlushSize 指定memstore flush到HDFS上的文件大小

 

增長family經過 addFamily方法

public void addFamily(final HColumnDescriptor family)

HColumnDescriptor 表明的是column的schema，提供的方法比較經常使用的有

setTimeToLive:指定最大的TTL,單位是ms,過時數據會被自動刪除。

setInMemory:指定是否放在內存中，對小表有用，可用於提升效率。默認關閉

setBloomFilter:指定是否使用BloomFilter,可提升隨機查詢效率。默認關閉

setCompressionType:設定數據壓縮類型。默認無壓縮。

setMaxVersions:指定數據最大保存的版本個數。默認爲3。

 

一個簡單的例子，建立了4個family的表：

HBaseAdmin hAdmin = new HBaseAdmin(hbaseConfig);

HTableDescriptor t = new HTableDescriptor(tableName);

t.addFamily(new HColumnDescriptor(「f1″));

t.addFamily(new HColumnDescriptor(「f2″));

t.addFamily(new HColumnDescriptor(「f3″));

t.addFamily(new HColumnDescriptor(「f4″));

hAdmin.createTable(t);

 

 

刪除表

刪除表也是經過HBaseAdmin來操做，刪除表以前首先要disable表。這是一個很是耗時的操做，因此不建議頻繁刪除表。

disableTable和deleteTable分別用來disable和delete表。

Example:

HBaseAdmin hAdmin = new HBaseAdmin(hbaseConfig);

if (hAdmin.tableExists(tableName)) {

       hAdmin.disableTable(tableName);

       hAdmin.deleteTable(tableName);

}

 

查詢數據

查詢分爲單條隨機查詢和批量查詢。

單條查詢是經過rowkey在table中查詢某一行的數據。HTable提供了get方法來完成單條查詢。

批量查詢是經過制定一段rowkey的範圍來查詢。HTable提供了個getScanner方法來完成批量查詢。

public Result get(final Get get)

public ResultScanner getScanner(final Scan scan)

Get對象包含了一個Get查詢須要的信息。它的構造方法有兩種：

  public Get(byte [] row)

  public Get(byte [] row, RowLock rowLock)

Rowlock是爲了保證讀寫的原子性，你能夠傳遞一個已經存在Rowlock，不然HBase會自動生成一個新的rowlock。

Scan對象提供了默認構造函數，通常使用默認構造函數。

 

Get/Scan的經常使用方法有：

addFamily/addColumn:指定須要的family或者column,若是沒有調用任何addFamily或者Column,會返回全部的columns.

setMaxVersions:指定最大的版本個數。若是不帶任何參數調用setMaxVersions,表示取全部的版本。若是不掉用setMaxVersions,只會取到最新的版本。

setTimeRange:指定最大的時間戳和最小的時間戳，只有在此範圍內的cell才能被獲取。

setTimeStamp:指定時間戳。

setFilter:指定Filter來過濾掉不須要的信息

 

Scan特有的方法：

setStartRow:指定開始的行。若是不調用，則從表頭開始。

setStopRow:指定結束的行（不含此行）。

setBatch:指定最多返回的Cell數目。用於防止一行中有過多的數據，致使OutofMemory錯誤。

ResultScanner是Result的一個容器，每次調用ResultScanner的next方法，會返回Result.

public Result next() throws IOException;

public Result [] next(int nbRows) throws IOException;

 

Result表明是一行的數據。經常使用方法有：

getRow:返回rowkey

raw:返回全部的key value數組。

getValue:按照column來獲取cell的值

 

Example:

Scan s = new Scan();

s.setMaxVersions();

ResultScanner ss = table.getScanner(s);

for(Result r:ss){

    System.out.println(new String(r.getRow()));

    for(KeyValue kv:r.raw()){

       System.out.println(new String(kv.getColumn()));

    }

}

 

 

插入數據

HTable經過put方法來插入數據。 

public void put(final Put put) throws IOException

public void put(final List puts) throws IOException

能夠傳遞單個批Put對象或者List put對象來分別實現單條插入和批量插入。

Put提供了3種構造方式：

public Put(byte [] row)

public Put(byte [] row, RowLock rowLock)

public Put(Put putToCopy) 

 

Put經常使用的方法有：

add:增長一個Cell

setTimeStamp:指定全部cell默認的timestamp,若是一個Cell沒有指定timestamp,就會用到這個值。若是沒有調用，HBase會將當前時間做爲未指定timestamp的cell的timestamp.

setWriteToWAL: WAL是Write Ahead Log的縮寫，指的是HBase在插入操做前是否寫Log。默認是打開，關掉會提升性能，可是若是系統出現故障(負責插入的Region Server掛掉)，數據可能會丟失。

另外HTable也有兩個方法也會影響插入的性能

setAutoFlash: AutoFlush指的是在每次調用HBase的Put操做，是否提交到HBase Server。默認是true,每次會提交。若是此時是單條插入，就會有更多的IO,從而下降性能.

setWriteBufferSize: Write Buffer Size在AutoFlush爲false的時候起做用，默認是2MB,也就是當插入數據超過2MB,就會自動提交到Server

 

Example:

HTable table = new HTable(hbaseConfig, tableName);

table.setAutoFlush(autoFlush);

List lp = new ArrayList();

int count = 10000;

byte[] buffer = new byte[1024];

Random r = new Random();

for (int i = 1; i <= count; ++i) {

       Put p = new Put(String.format(「row%09d」,i).getBytes());

       r.nextBytes(buffer);

       p.add(「f1″.getBytes(), null, buffer);

       p.add(「f2″.getBytes(), null, buffer);

       p.add(「f3″.getBytes(), null, buffer);

       p.add(「f4″.getBytes(), null, buffer);

       p.setWriteToWAL(wal);

       lp.add(p);

       if(i%1000==0){

           table.put(lp);

           lp.clear();

       }

    }

 

 

刪除數據

HTable 經過delete方法來刪除數據。

  public void delete(final Delete delete) 

 

Delete構造方法有：

public Delete(byte [] row)

public Delete(byte [] row, long timestamp, RowLock rowLock)

public Delete(final Delete d)

Delete經常使用方法有

deleteFamily/deleteColumns:指定要刪除的family或者column的數據。若是不調用任何這樣的方法，將會刪除整行。

注意：若是某個Cell的timestamp高於當前時間，這個Cell將不會被刪除，仍然能夠查出來。

 

Example:

HTable table = new HTable(hbaseConfig, 「mytest」);

Delete d = new Delete(「row1″.getBytes());

table.delete(d) 

 

切分表

HBaseAdmin提供split方法來將table 進行split.

public void split(final String tableNameOrRegionName)

 

若是提供的tableName，那麼會將table全部region進行split ;若是提供的region Name，那麼只會split這個region.

因爲split是一個異步操做，咱們並不能確切的控制region的個數。

 

Example:

public void split(String tableName,int number,int timeout) throws Exception {

    Configuration HBASE_CONFIG = new Configuration();

    HBASE_CONFIG.set(「hbase.zookeeper.quorum」, GlobalConf.ZOOKEEPER_QUORUM);

    HBASE_CONFIG.set(「hbase.zookeeper.property.clientPort」, GlobalConf.ZOOKEEPER_PORT);

    HBaseConfiguration cfg = new HBaseConfiguration(HBASE_CONFIG);

    HBaseAdmin hAdmin = new HBaseAdmin(cfg);

    HTable hTable = new HTable(cfg,tableName);

    int oldsize = 0;

    t =  System.currentTimeMillis();

    while(true){

       int size = hTable.getRegionsInfo().size();

       logger.info(「the region number=」+size);

       if(size>=number ) break;

       if(size!=oldsize){

           hAdmin.split(hTable.getTableName());

           oldsize = size;

       }       else if(System.currentTimeMillis()-t>timeout){

           break;

       }

       Thread.sleep(1000*10);

    }

}

 

 

來自：http://www.open-open.com/lib/view/open1342514370807.html