【大数据 复习】第4章 HBase（重点）

一、概念

1.、有了HDFS为什么还需要HBase？

（1）HDFS和HBase都是Hadoop生态系统中的组件，但它们的设计目标和用途有所不同。

（2）HBase更注重操作。假如要对HDFS上存储的海量数据进行增删改查，要往里面删除里面某一行的数据，还要精确的查询某一行数据，这是hdfs做不到的，所以有了HBase。

2.Hhbase基础概况

（1）HBase是谷歌BigTable的开源实现，BigTable是一个分布式存储系统。

（2）单元格：在HBase表中，通过行、列族和列限定符确定一个“单元格”（cell），单元格中存储的数据没有数据类型，总被视为字节数组byte[]。

（3）时间戳：每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引（就跟抽卡记录一样用时间做主键）。

（4）Hbase本质也是键值对（KV对），只不过其中的键是一个“四维坐标”，即[行键, 列族, 列限定符, 时间戳]。

（5）Region是HBase中表数据分布和访问的基本单位。

（6）HBase的三层结构（也可以由此知道Region的查询过程就是依次查询这三个表）：

3.具体操作：

（1）存储数据：

首先将数据保存在内存中（称为MemStore）。好处是，当数据还在内存中时，读写操作都非常快。

一旦MemStore满了，HBase就会将这些数据“刷新”到HDFS上，形成一个叫做HFile的文件。确保了即使在数据量很大的情况下，HBase也能保持较高的写入性能。

（2）读取数据：

首先检查MemStore中是否有需要的数据。

有，就直接从内存中读取，非常快。没有，HBase就会去HDFS上的HFile中查找。

为了加速这个过程，使用了“布隆过滤器”的技术，可以快速判断一个数据是否可能存在于某个HFile中，从而避免不必要的磁盘IO操作。

（3）更新和删除数据：

由于HDFS不支持数据的直接修改，所以与传统不同，HBase实际上是通过在MemStore和HFile中记录新的数据版本来实现更新和删除的。

（4）数据索引和查询：

HBase使用“行键”索引机制来快速定位数据。

每个HBase表都有一个唯一的行键，类似传统数据库中的主键，因此可以迅速找到存储在HDFS上的对应数据。此外，HBase还支持通过列族和列限定符进行更细粒度的数据查询。

4.Region

（1）主服务器Master负责管理和维护HBase表的分区信息，维护、分配Region服务器。

（2）Region服务器负责存储和维护分配给自己的Region，处理来自客户端的读写请求。

注意Region服务器和Region不是一个东西。

（3）客户端并不是直接从Master主服务器上读取数据，而是通过Zookeeper获得Region的存储位置信息后，直接从Region服务器上读取数据。

除此之外，Zookeeper会实时监测每个Region服务器的状态，当某个Region服务器发生故障时，Zookeeper会通知Master。

（4）一个表根据RowKey切分成HRegion分散存储在不同的HRS中，一个HRS中可以有多个不同的HRegion(可以是来自不同的表)

（5）开始只有一个Region，后来不断分裂

（6） Region服务器中配备了一个HLog文件，所有更新的数据都需要先计入此文件才能写入缓存。

（7）和其他结构的关系：

5.系统架构：

二、HBase相关代码（重点）

1.create：创建表。

2.list：列出HBase中所有的表信息，就是把所有表列出来。

3.put：向表、行、列指定的单元格添加数据。

4.get：通过指定表名、行、列、时间戳、时间范围和版本号来获得相应单元格的值。

4.scan：查看表内的信息。

5.alter：修改列族模式（但是是添加列名，不是“修改列名”，当然也可以用于删除，需要用method指定为delete）。

三、习题

大题

关系型数据库和HBase有什么区别?

答：

纵向扩展就是单个电脑变牛逼，横向就是能让更多弱小的电脑团结起来！

单选题

1. HBase用来实现高可靠的底层存储的是（）

A. HDFS B. MapReduce C. BigTable D. Hive

正确答案： A

1. HBase中表的行是根据谁的值的字典序进行维护的？（）

A. 行键 B. 列族 C. 列限定符 D. 单元格

正确答案： A

1. 下列说法不正确的是（）

A. Region是根据表中行的主键进行的分区

B. HBase查找用户Region时需要先去HMaster查找Root表地址

C. Region拆分操作非常快，接近瞬间，因为拆分之后的Region读取的仍然是原存储文件。

D. ZooKeeper为HBase集群中各进程提供分布式协作服务。各RegionServer将自己的信息注册到Zookeeper中，主用Master据此感知各个RegionServer的健康状态。

正确答案： B

1. HBase用来处理HBase中海量数据的是（）

A. Spark B. MapReduce C. BigTable D. Hive

正确答案： B

MapReduce就是HDFS的核心

1. Region服务器中配备了一个（）文件，所有更新的数据都需要先计入此文件才能写入缓存。

A. MemStore B. EditLog C. StoreFile D. HLog

正确答案： D

1. HBase用来实现稳定服务和失败回复，作为协同服务的是（）

A. Pig B. Hive C. Tez D. ZooKeeper

正确答案： D

1. HBase中每个Region都有一个（）来标识它的唯一性。

A. Region名 B. RegionID C. 表名 D. 开始主键

正确答案： B

1. 用户读取数据时，需要先访问（），找不到数据时，才去磁盘上寻找。

A. MemStore B. EditLog C. StoreFile D. HLog

正确答案： A

1. HBase是下列哪种类型的数据库？（）

A. 键值 B. 关系 C. 列族 D. 文档

正确答案： C

1. HBase是针对（）的开源实现。

A. Spark B. MapReduce C. BigTable D. Hive

正确答案： C

多选题

1.下列各项中，HBase用来进行单元格定位需要的有（）

A. 行键 B. 列族 C. 列限定符 D. 时间戳

正确答案： A, B, C, D

1. 下列说法正确是（）

A. 每个Region服务器只有一个HLog文件，所有Region对象共用一个HLog。

B. StoreFile文件过多时需要合并，文件过大时需要分裂。

C. HMaster负责表和Region的管理工作，负载很低。

D. RegionServer负责维护分配给自己的Region，并响应用户读写请求。

正确答案： A, B, C, D

9.下列各项中，属于三级寻址需要访问到的有（）

A. ZooKeeper B. -ROOT-表 C. .META表 D. HMaster

正确答案： A, B, C

14.下列各项中，组成Region标识符的是（）

A. 表名 B. 开始主键 C. RegionID D. 时间戳

正确答案： A, B, C

这个上面没说Region的构成，确实没找到，是漏掉的知识点。

1. 下列属于正确的是（）

A. Region中有多个Store，每个Store对应一个列族的存储

B. 每个Store中只有一个MemStore，作为内存中的缓存，保存最近更新的数据

C. 每个Store中有个StoreFile文件

D. MemStore中的数据会周期性地刷新到磁盘中形成StoreFile。

正确答案： A, B, C, D

大题

• **create 'student',{NAME=>'info'}**解释：在HBase中创建一个名为student的表，并添加一个列族info。
• **put 'student','2301001','info','Elle'**解释：在HBase表student中，为行键2301001的行添加或更新列info的值为Elle。
• **get 'student','2301001','info'**解释：从HBase表student中获取行键2301001的行的info列族的值。
• **scan 'student',{COLUMNS=>'info'}**解释：扫描HBase表student并显示所有行中info列族的值。
• **alter 'student',NAME=>'score'**解释：修改HBase表student，添加一个新的列族score。

注意NAME是属于关键字，表示列名的意思。