HBase适合场景：单表超千万，上亿，且高并发！
HBase不适合场景：主要需求是数据分析，比如做报表。数据量规模不大，对实时性要求高！
HBase的查询工具有很多，如：Hive、Tez、Impala、Spark SQL、Kylin、Phoenix等。
一、HBase的安装
①、保证安装Hive的Linux服务器的环境变量中有JAVA_HOME
②、基于HADOOP工作，保证安装Hive的Linux服务器的环境变量中有HADOOP_HOME
1、HBase解压与安装（在hadoop102服务器上）
在hadoop102服务器上解压HBase到指定目录：
[whx@hadoop102 software]$ tar -zxvf HBase-1.3.1-bin.tar.gz -C /opt/module
修改/opt/module/hbase-1.3.1目录名称为/opt/module/hbase
[whx@hadoop102 module]$ lltotal 28drwxrwxr-x. 9 whx whx 4096 Jan 31 14:45 flumedrwxr-xr-x. 11 whx whx 4096 Jan 31 10:43 hadoop-2.7.2drwxrwxr-x. 7 whx whx 4096 Feb 2 10:11 hbase-1.3.1drwxrwxr-x. 9 whx whx 4096 Jan 30 19:27 hivedrwxr-xr-x. 8 whx whx 4096 Dec 13 jdk1.8.0_121drwxr-xr-x. 8 whx whx 4096 Feb 1 16:32 kafkadrwxr-xr-x. 11 whx whx 4096 Jan 29 22:01 zookeeper-3.4.10[whx@hadoop102 module]$ mv hbase-1.3.1/ hbase[whx@hadoop102 module]$ lltotal 28drwxrwxr-x. 9 whx whx 4096 Jan 31 14:45 flumedrwxr-xr-x. 11 whx whx 4096 Jan 31 10:43 hadoop-2.7.2drwxrwxr-x. 7 whx whx 4096 Feb 2 10:11 hbasedrwxrwxr-x. 9 whx whx 4096 Jan 30 19:27 hivedrwxr-xr-x. 8 whx whx 4096 Dec 13 jdk1.8.0_121drwxr-xr-x. 8 whx whx 4096 Feb 1 16:32 kafkadrwxr-xr-x. 11 whx whx 4096 Jan 29 22:01 zookeeper-3.4.10[whx@hadoop102 module]$
2、修改HBase配置文件
2.1 hbase-env.sh
JAVA_HOME配置(可不用改 因为Linux服务器的环境变量文件/etc/profile里面已经把JAVA_HOME设为全局了!)
export JAVA_HOME=/opt/module/jdk1.8.0_144
注释掉Configure PermSize(所用的JDK为1.8以上，不需要此配置)
# Configure PermSize. Only needed in JDK7. You can safely remove it for JDK8+#export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"#export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"
使用HBase外部的Zookeeper，而不是用HBase内置的Zookeeper。默认是使用HBase内置的Zookeeper(HBASE_MANAGES_ZK=true)
# Tell HBase whether it should manage it's own instance of Zookeeper or not.export HBASE_MANAGES_ZK=false
2.2 hbase-site.xml
<?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><!--/**** Licensed to the Apache Software Foundation (ASF) under one* or more contributor license agreements. See the NOTICE file* distributed with this work for additional information* regarding copyright ownership. The ASF licenses this file* to you under the Apache License, Version 2.0 (the* "License"); you may not use this file except in compliance* with the License. You may obtain a copy of the License at**/licenses/LICENSE-2.0** Unless required by applicable law or agreed to in writing, software* distributed under the License is distributed on an "AS IS" BASIS,* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.* See the License for the specific language governing permissions and* limitations under the License.*/--><configuration><!-- 每个regionServer的共享目录,用来持久化Hbase,默认情况下在/tmp/hbase下面 --> <property><name>hbase.rootdir</name><value>hdfs://hadoop101:9000/HBase</value> </property><!-- hbase集群模式,false表示hbase的单机，true表示是分布式模式 --> <property> <name>hbase.cluster.distributed</name><value>true</value></property><!-- hbase依赖的外部Zookeeper地址 --> <property> <name>hbase.zookeeper.quorum</name><value>hadoop101:2181,hadoop102:2181,hadoop103:2181</value></property><!--外部Zookeeper各个Linux服务器节点上保存数据的目录--><property> <name>hbase.zookeeper.property.dataDir</name><value>/opt/module/zookeeper-3.4.10/datas</value></property></configuration>
3、将hbase配置到系统环境变量中
[whx@hadoop102 ~]$ sudo vim /etc/profile
JAVA_HOME=/opt/module/jdk1.8.0_121HADOOP_HOME=/opt/module/hadoop-2.7.2HIVE_HOME=/opt/module/hiveFLUME_HOME=/opt/module/flumeHBASE_HOME=/opt/module/hbasePATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$FLUME_HOME/bin:$HBASE_HOME/binexport JAVA_HOME HADOOP_HOME HIVE_HOME FLUME_HOME HBASE_HOME PATH
[whx@hadoop102 ~]$ source /etc/profile
4、分发hbase安装目录、环境变量文件到hadoop101、hadoop103
[whx@hadoop102 module]$ xsync.sh hbase/
[whx@hadoop102 ~]$ xsync.sh /etc/profile
二、HBase的启动
1、HBase启动前先启动Zookeeper、HDFS
启动Zookeeper
[whx@hadoop102 ~]$ xcall.sh /opt/module/zookeeper-3.4.10/bin/zkServer.sh start要执行的命令是/opt/module/zookeeper-3.4.10/bin/zkServer.sh start----------------------------hadoop101----------------------------------ZooKeeper JMX enabled by defaultUsing config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfgStarting zookeeper ... STARTED----------------------------hadoop102----------------------------------ZooKeeper JMX enabled by defaultUsing config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfgStarting zookeeper ... STARTED----------------------------hadoop103----------------------------------ZooKeeper JMX enabled by defaultUsing config: /opt/module/zookeeper-3.4.10/bin/../conf/zoo.cfgStarting zookeeper ... STARTED[whx@hadoop102 ~]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------3037 QuorumPeerMain3071 Jps----------------------------hadoop102----------------------------------3633 QuorumPeerMain3677 Jps----------------------------hadoop103----------------------------------3072 Jps3038 QuorumPeerMain[whx@hadoop102 ~]$
启动HDFS
[whx@hadoop102 ~]$ start-dfs.shStarting namenodes on [hadoop101]hadoop101: starting namenode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-whx-namenode-hadoop101.outhadoop102: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-whx-datanode-hadoop102.outhadoop101: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-whx-datanode-hadoop101.outhadoop103: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-whx-datanode-hadoop103.outStarting secondary namenodes [hadoop103]hadoop103: starting secondarynamenode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-whx-secondarynamenode-hadoop103.out[whx@hadoop102 ~]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------3361 Jps3153 NameNode3275 DataNode3037 QuorumPeerMain----------------------------hadoop102----------------------------------3633 QuorumPeerMain3876 DataNode4106 Jps----------------------------hadoop103----------------------------------3281 SecondaryNameNode3154 DataNode3331 Jps3038 QuorumPeerMain[whx@hadoop102 ~]$
HBase中的对象的表现形式
库以目录的形式存放在 /HBase/data中表是以子目录的形式存在在 /HBase/data/库名 中region也是以子目录的形式存在 /HBase/data/库名/表名 中列族也是以子目录的形式存在 /HBase/data/库名/表名/region 中数据以文件的形式存放在 /HBase/data/库名/表名/region/列族 目录中
2、HBase服务的启动/停止
2.1 启动/停止方式一：分别启动/停止master(选择任意一台节点)、regionserver(所有节点)
提示：如果集群之间的节点时间不同步，会导致regionserver无法启动，抛出ClockOutOfSyncException异常。修复提示： 同步时间服务[whx@hadoop102 ~]$ xcall.sh sudo ntpdate -u 要执行的命令是sudo ntpdate -u ----------------------------hadoop101----------------------------------2 Feb 11:37:55 ntpdate[5838]: adjust time server 203.107.6.88 offset -0.010311 sec----------------------------hadoop102----------------------------------2 Feb 11:37:56 ntpdate[8752]: adjust time server 203.107.6.88 offset -0.000953 sec----------------------------hadoop103----------------------------------2 Feb 11:37:56 ntpdate[5930]: adjust time server 203.107.6.88 offset -0.004596 sec[whx@hadoop102 ~]$
属性：hbase.master.maxclockskew设置更大的值
<property><name>hbase.master.maxclockskew</name><value>180000</value><description>Time difference of regionserver from master</description></property>
启动任意一个节点上的master(只启动一个节点上的master，比如hadoop102 )
[whx@hadoop102 ~]$ /opt/module/hbase/bin/hbase-daemon.sh start masterstarting master, logging to /opt/module/hbase/bin/../logs/hbase-whx-master-hadoop102.out[whx@hadoop102 ~]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------3153 NameNode3275 DataNode3037 QuorumPeerMain3670 Jps----------------------------hadoop102----------------------------------3876 DataNode4426 HMaster3633 QuorumPeerMain4641 Jps----------------------------hadoop103----------------------------------3281 SecondaryNameNode3154 DataNode3038 QuorumPeerMain3654 Jps[whx@hadoop102 ~]$
停止hadoop102 节点上的master
[whx@hadoop102 ~]$ /opt/module/hbase/bin/hbase-daemon.sh stop masterstopping master.[whx@hadoop102 ~]$
启动所有服务器上的regionserver
[whx@hadoop102 ~]$ xcall.sh /opt/module/hbase/bin/hbase-daemon.sh start regionserver要执行的命令是/opt/module/hbase/bin/hbase-daemon.sh start regionserver----------------------------hadoop101----------------------------------starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop101.out----------------------------hadoop102----------------------------------starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop102.out----------------------------hadoop103----------------------------------starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop103.out[whx@hadoop102 ~]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------3153 NameNode3275 DataNode3037 QuorumPeerMain3447 HRegionServer3610 Jps----------------------------hadoop102----------------------------------3876 DataNode4426 HMaster3633 QuorumPeerMain4196 HRegionServer4363 Jps----------------------------hadoop103----------------------------------3281 SecondaryNameNode3154 DataNode3038 QuorumPeerMain3425 HRegionServer3592 Jps[whx@hadoop102 ~]$
停止所有服务器上的regionserver
[whx@hadoop102 ~]$ xcall.sh /opt/module/hbase/bin/hbase-daemon.sh stop regionserver要执行的命令是/opt/module/hbase/bin/hbase-daemon.sh stop regionserver----------------------------hadoop101----------------------------------stopping regionserver.----------------------------hadoop102----------------------------------stopping regionserver.----------------------------hadoop103----------------------------------stopping regionserver.[whx@hadoop102 ~]$
端口说明：
16000是master进程的RPC端口！16010是master进程的http端口！16020是RegionServer进程的RPC端口！16030是RegionServer进程的http端口！
通过Web浏览器，输入 hadoop102:16010，可以通过hadoop102查看HMaster信息
2.2 启动/停止方式二：群起/群停所有节点上的regionserver
hbase-daemons.sh、start-hbase.sh、stop-hbase.sh命令的前提：
先配置要执行这些命令所在的机器的 /opt/module/hbase/conf/regionservers文件。在hadoop102节点的 /opt/module/hbase/conf/regionservers 配置文件中添加要群起的 regionserver 所在的节点主机名，将 regionserver 配置文件默认值 localhost 改为：
hadoop101hadoop102hadoop103
2.2.1 群起/群停所有服务器上的regionserver【hbase-daemons.sh命令】
群起所有服务器上的regionserver
[whx@hadoop102 ~]$ /opt/module/hbase/bin/hbase-daemons.sh start regionserverhadoop102: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop102.outhadoop101: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop101.outhadoop103: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop103.out[whx@hadoop102 ~]$
群停所有服务器上的regionserver
[whx@hadoop102 ~]$ /opt/module/hbase/bin/hbase-daemons.sh stop regionserverhadoop102: stopping regionserver.....hadoop103: stopping regionserver.....hadoop101: stopping regionserver........[whx@hadoop102 ~]$
2.2.2 群起/群停 master®ionserver【start-hbase.sh命令、stop-hbase.sh命令】
[whx@hadoop102 ~]$ /opt/module/hbase/bin/start-hbase.shstarting master, logging to /opt/module/hbase/bin/../logs/hbase-whx-master-hadoop102.outhadoop103: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop103.outhadoop101: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop101.outhadoop102: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop102.out[whx@hadoop102 ~]$ xcall.sh jps
[whx@hadoop102 ~]$ /opt/module/hbase/bin/stop-hbase.shstopping hbase..................[whx@hadoop102 ~]$
三、HBase数据库的使用
先在HBase数据库中创建一个测试表：whx_table
hbase(main):019:0> create 'whx_table','cf_user','cf_company'0 row(s) in 1.2170 seconds=> Hbase::Table - whx_tablehbase(main):020:0> desc 'whx_table'Table whx_table is ENABLED whx_table COLUMN FAMILIES DESCRIPTION{NAME => 'cf_company', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'} {NAME => 'cf_user', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}2 row(s) in 0.0100 secondshbase(main):021:0>
向whx_table表中插入数据
hbase(main):027:0> put 'whx_table','1001','cf_user:firstname','Nick'0 row(s) in 0.0470 secondshbase(main):029:0> put 'whx_table','1001','cf_user:lastname','Lee'0 row(s) in 0.0150 secondshbase(main):030:0> put 'whx_table','1001','cf_company:name','HUAWEI'0 row(s) in 0.0140 secondshbase(main):031:0> put 'whx_table','1001','cf_company:address','changanjie10hao'0 row(s) in 0.0080 secondshbase(main):033:0> get 'whx_table','1001'COLUMN CELLcf_company:address timestamp=1612408142513, value=changanjie10hao cf_company:name timestamp=1612408141461, value=HUAWEI cf_user:firstnametimestamp=1612408054676, value=Nickcf_user:lastname timestamp=1612408141421, value=Lee1 row(s) in 0.0200 secondshbase(main):034:0>
四、HBase与Hive的集成
1、HBase与Hive的对比
1.1 Hive
数据仓库：Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系，以方便使用HQL去管理查询。用于数据分析、清洗：Hive适用于离线的数据分析和清洗，延迟较高。基于HDFS、MapReduce：Hive存储的数据依旧在DataNode上，编写的HQL语句终将是转换为MapReduce代码执行。1.2 HBase
数据库：是一种面向列存储的非关系型数据库。用于存储结构化和非结构化的数据：适用于单表非关系型数据的存储，不适合做关联查询，类似JOIN等操作。基于HDFS：数据持久化存储的体现形式是Hfile，存放于DataNode中，被ResionServer以region的形式进行管理。延迟较低，接入在线业务使用：面对大量的企业数据，HBase可以直线单表大量数据的存储，同时提供了高效的数据访问速度。2、HBase与Hive集成
2.1 环境准备
首先保障环境变量文件 /etc/profile 文件中配备了 Hive、HBase的环境变量
HIVE_HOME=/opt/module/hiveHBASE_HOME=/opt/module/hbasePATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$FLUME_HOME/bin:$HBASE_HOME/binexport JAVA_HOME HADOOP_HOME HIVE_HOME FLUME_HOME HBASE_HOME PATH
2.2 创建软连接
因为我们后续可能会在操作Hive的同时对HBase也会产生影响，所以Hive需要持有操作HBase的Jar，那么接下来拷贝Hive所依赖的Jar包（或者使用软连接的形式）。在hadoop102服务器上执行以下命令，创建软连接：
ln -s $HBASE_HOME/lib/HBase-common-1.3.1.jar $HIVE_HOME/lib/HBase-common-1.3.1.jarln -s $HBASE_HOME/lib/HBase-server-1.3.1.jar $HIVE_HOME/lib/HBase-server-1.3.1.jarln -s $HBASE_HOME/lib/HBase-client-1.3.1.jar $HIVE_HOME/lib/HBase-client-1.3.1.jarln -s $HBASE_HOME/lib/HBase-protocol-1.3.1.jar $HIVE_HOME/lib/HBase-protocol-1.3.1.jarln -s $HBASE_HOME/lib/HBase-it-1.3.1.jar $HIVE_HOME/lib/HBase-it-1.3.1.jarln -s $HBASE_HOME/lib/htrace-core-3.1.0-incubating.jar $HIVE_HOME/lib/htrace-core-3.1.0-incubating.jarln -s $HBASE_HOME/lib/HBase-hadoop2-compat-1.3.1.jar $HIVE_HOME/lib/HBase-hadoop2-compat-1.3.1.jarln -s $HBASE_HOME/lib/HBase-hadoop-compat-1.3.1.jar $HIVE_HOME/lib/HBase-hadoop-compat-1.3.1.jar
上面的命令是在$HIVE_HOME/lib 目录中创建 $HBASE_HOME/lib/中源文件的软连接，创建软连接替代jar文件的复制来避免服务器中的jar包冗余。
2.3 配置Hive的Zookeeper管理器
Hive读取HBase里的数据时，需要使用Zookeeper，所以在hive-site.xml中添加zookeeper的属性，如下：
<property><name>hive.zookeeper.quorum</name><value>hadoop101,hadoop102,hadoop103</value><description>The list of ZooKeeper servers to talk to. This is only needed for read/write locks.</description></property><property><name>hive.zookeeper.client.port</name><value>2181</value><description>The port of ZooKeeper servers to talk to. This is only needed for read/write locks.</description></property>
添加后的hive-site.xml为：
<?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true</value><description>JDBC connect string for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionUserName</name><value>root</value><description>username to use against metastore database</description></property><property><name>javax.jdo.option.ConnectionPassword</name><value>123456</value><description>password to use against metastore database</description></property><!--自定义Hive的数据仓库在HDFS中的位置。默认为：/user/hive/warehouse--><property><name>hive.metastore.warehouse.dir</name><value>/user/hive/warehouse</value><description>location of default database for the warehouse</description></property><!--实现显示当前数据库，以及查询表的头信息配置--><property><name>hive.cli.print.header</name><value>true</value></property><property><name>hive.cli.print.current.db</name><value>true</value></property><!--Hive读取HBase里的数据时，需要用到Zookeeper--><property><name>hive.zookeeper.quorum</name><value>hadoop101,hadoop102,hadoop103</value><description>The list of ZooKeeper servers to talk to. This is only needed for read/write locks.</description></property><property><name>hive.zookeeper.client.port</name><value>2181</value><description>The port of ZooKeeper servers to talk to. This is only needed for read/write locks.</description></property></configuration>
2.4 在Hive建表，该表需要与HBase中的数据进行映射
在建表时，Hive中的表字段的类型要和HBase中表列的类型一致,以避免类型转换失败造成数据丢失；row format 的作用是指定表在读取数据时，使用什么分隔符来切割数据，只有正确的分隔符，才能正确切分字段；管理表（managed_table）：由Hive的表管理数据的生命周期！在Hive中，执行droptable时，不仅将Hive中表的元数据删除，还把表目录中的数据删除；外部表（external_table）：Hive表不负责数据的生命周期！在Hive中，执行droptable时，只会将hive中表的元数据删除，不把表目录中的数据删除；2.4.1 数据已经在HBase中的情况
数据已经在HBase中，只需要在Hive建表，查询即可
create external table hbase_t3(id int,age int,gender string,name string)STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:age,info:gender,info:name")TBLPROPERTIES ("hbase.table.name" = "t3");
external 表示所创建的是外部表，因为此时的数据实在HBase里，而不是在Hive中。所以Hive只能创建外部表；
Storage Handlers是Hive的一个扩展模块，帮助Hive分析不在hdfs存储的数据。
HBaseStorageHandler：存储在hbase上的数据可以使用Hive提供的对HBase的Storage Handlers(即HBaseStorageHandler)来读写HBase中的数据native table: 本地表。 Hive无需通过Storage Handlers就能访问的表。数据由hive负责存储，通常是存储在HDFS上。non-native table : 数据由其他框架存储，如果使用非本地表，在建表时，需要指定 stored by “storageHandler” 。Hive必须通过Storage Handlers才能访问非本地表。例如和HBase集成的表。
SERDE：SerDe是序列化器和反序列化器所在库的简写。SerDe的作用是在运行MR程序时，从输入目录中读取数据，反序列化为Mapper输入的key-value对象，或将Reducer写出的key-value对象，使用序列化存储到指定的输出目录中。输入目录或输出目录中数据的格式不同，就需要使用不同的SerDe。普通的文件数据，以及在建表时，如果不指定serde，默认使用LazySimpleSerDe！
纯文本： row format delimited ，默认使用LazySimpleSerDeJSON格式： 使用JsonSerdeORC： 使用读取ORC的SerDePaquet: 使用读取PaquetSerDe
例如： 数据中全部是JSON格式
{"name":"songsong","friends":["bingbing","lili"]}{"name":"songsong1","friends": ["bingbing1" , "lili1"]}
错误写法：
create table testSerde(name string,friends array<string>)ROW FORMAT DELIMITED fields terminated by ','collection items terminated by ','lines terminated by '\n';
如果指定了row format delimited ,此时默认使用LazySimpleSerDe，而LazySimpleSerDe只能处理有分隔符的普通文本。现在数据是JSON，格式{},只能用JSONSerDE
create table testSerde2(name string,friends array<string>)ROW FORMAT SERDE 'org.apache.hive.hcatalog.data.JsonSerDe' STORED AS TEXTFILE
WITH SERDEPROPERTIES (“hbase.columns.mapping” = “:key,info:age,info:gender,info:name”) 表示HBase与Hive之间字段的一对一对应；
TBLPROPERTIES (“hbase.table.name” = “t3”) 表示所创建的Hive表“hbase_t3”所对应的HBase表名为“t3”
2.4.2 数据还尚未插入到HBase的情况
数据还尚未插入到hbase，可以在hive中建表，建表后，在hive中执行数据的导入，将数据导入到hbase，再分析。
在Hive中创建表
CREATE TABLE `hbase_emp`(`empno` int, `ename` string, `job` string, `mgr` int, `hiredate` string, `sal` double, `comm` double, `deptno` int)STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,info:ename,info:job,info:mgr,info:hiredate,info:sal,info:comm,info:deptno")TBLPROPERTIES ("hbase.table.name" = "emp");
表必须是管理表（managed non-native table） ；WITH SERDEPROPERTIES (“hbase.columns.mapping” = “:key,info:ename,info:job,info:mgr,
info:hiredate,info:sal,info:comm,info:deptno”) 表示HBase与Hive之间字段的一对一对应；TBLPROPERTIES (“hbase.table.name” = “emp”) 表示所创建的Hive表“hbase_emp”所对应的HBase表名为“emp”
使用insert向Hive的表里导入数据，导入的数据就保存在HBase里了。
insert into table hbase_emp select * from emp
向关联了HBase的Hive中导入数据不能使用load，因为load导入数据是一个put操作，而insert操作则会调用MapReduce向HBase里插入数据。
导入成功后：
HBase做在的HDFS目录/HBase目录下就有了所插入的数据；Hive所在的HDFS目录/hive下会多一个hbase_emp空文件夹，里面没有数据；
2.5 Hive与HBase版本适配问题
需要重新编译Hive(1.2.1) 的源码里的hive-hbase-handler-1.2.1.jar(因为只有这一部分不适配)。
将Hive的源码文件压缩包apache-hive-1.2.1-src.zip里的hbase-handler文件夹解压出来将解压出来的hbase-handler文件夹导入到IntellJ里(Maven工程)，导入时禁止pom.xml里的依赖自动下载；创建一个与src目录同级的lib目录在lib目录下放与HBase的1.3.1版本匹配的jar包编译，将src重新打包成jiar包，名称依旧为hive-hbase-handler-1.2.1.jar，覆盖原来的hive-hbase-handler-1.2.1.jar
五、HBase的优化
1、HBase的高可用配置(配置多个HMaster)
在HBase中Hmaster负责监控RegionServer的生命周期，均衡RegionServer的负载。如果Hmaster挂掉了，那么整个HBase集群将陷入不健康的状态，并且此时的工作状态并不会维持太久。所以HBase支持对Hmaster的高可用配置。
关闭HBase集群（如果没有开启则跳过此步）
[whx@hadoop102 hbase]$ bin/stop-hbase.sh
在conf目录下创建backup-masters文件
[whx@hadoop102 hbase]$ touch conf/backup-masters
在backup-masters文件中配置高可用HMaster节点
hadoop101hadoop102hadoop103
将backup-masters文件分发到其他节点
[whx@hadoop102 conf]$ xsync.sh backup-masters
重启HBase后，可以看到hadoop101、hadoop102、hadoop103都为HMaster，HBase会从3个HMaster中挑选一个作为Active状态，其余为Standby状态。
[whx@hadoop102 conf]$ /opt/module/hbase/bin/start-hbase.shstarting master, logging to /opt/module/hbase/logs/hbase-whx-master-hadoop102.outhadoop102: starting regionserver, logging to /opt/module/hbase/logs/hbase-whx-regionserver-hadoop102.outhadoop101: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop101.outhadoop103: starting regionserver, logging to /opt/module/hbase/bin/../logs/hbase-whx-regionserver-hadoop103.outhadoop103: starting master, logging to /opt/module/hbase/bin/../logs/hbase-whx-master-hadoop103.outhadoop101: starting master, logging to /opt/module/hbase/bin/../logs/hbase-whx-master-hadoop101.outhadoop102: master running as process 8814. Stop it first.[whx@hadoop102 conf]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------6032 HMaster5621 DataNode6213 Jps5501 NameNode5773 QuorumPeerMain5903 HRegionServer----------------------------hadoop102----------------------------------9304 Jps8984 HRegionServer8601 QuorumPeerMain8301 DataNode8814 HMaster----------------------------hadoop103----------------------------------6210 SecondaryNameNode6085 DataNode6328 QuorumPeerMain6841 Jps6462 HRegionServer6591 HMaster[whx@hadoop102 conf]$
通过Web浏览器，输入 hadoop102:16010，可以通过hadoop102查看HMaster信息
通过Web浏览器，输入 hadoop101:16010，可以通过hadoop102查看HMaster信息
模拟处于Active状态的HMaster所在的节点hadoop102出现故障
[whx@hadoop102 conf]$ xcall.sh jps要执行的命令是jps----------------------------hadoop101----------------------------------6032 HMaster5621 DataNode6213 Jps5501 NameNode5773 QuorumPeerMain5903 HRegionServer----------------------------hadoop102----------------------------------9304 Jps8984 HRegionServer8601 QuorumPeerMain8301 DataNode8814 HMaster----------------------------hadoop103----------------------------------6210 SecondaryNameNode6085 DataNode6328 QuorumPeerMain6841 Jps6462 HRegionServer6591 HMaster[whx@hadoop102 conf]$ kill -9 8814[whx@hadoop102 conf]$
此时，hadoop101由Standby状态变为Active状态，hadoop102节点的HMaster进程即使恢复，hadoop102也只能为Standby状态
2、预分区
通常情况下，每次建表时，默认只有一个region!随着这个region的数据不断增多，region会自动切分！
自动切分： 讲当前region中的所有的rowkey进行排序，排序后取start-key和stopkey中间的rowkey，由这个rowkey一分为二，一分为二后，生成两个region，新增的Region会交给其他的RS负责，目的是为了达到负载均衡，但是通常往往会适得其反！为例避免某些热点Region同时分配到同一个RegionServer，可以在建表时，自己提前根据数据的特征规划region！每一个region维护着startRow与endRowKey，如果加入的数据符合某个region维护的rowKey范围，则该数据交给这个region维护。那么依照这个原则，我们可以将数据所要投放的分区提前大致的规划好，以提高HBase性能。如果使用HexStringSplit算法，随机生成region的边界。在插入一条数据时，rowkey必须先采取HexString，转为16进制，再插入到表中。
2.1 预分区方式①：手动设定预分区
HBase> create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']
2.2 预分区方式②：生成16进制序列预分区
create 'staff2','info','partition2',{NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
2.3 预分区方式③：按照文件中设置的规则预分区
创建splits.txt文件内容如下：
aaaabbbbccccdddd
然后执行：
create 'staff3','partition3',SPLITS_FILE => 'splits.txt'
2.4 预分区方式④：使用JavaAPI创建预分区
//自定义算法，产生一系列Hash散列值存储在二维数组中byte[][] splitKeys = 某个散列值函数//创建HBaseAdmin实例HBaseAdmin hAdmin = new HBaseAdmin(HBaseConfiguration.create());//创建HTableDescriptor实例HTableDescriptor tableDesc = new HTableDescriptor(tableName);//通过HTableDescriptor实例和散列值二维数组创建带有预分区的HBase表hAdmin.createTable(tableDesc, splitKeys);
3、RowKey设计
一条数据的唯一标识就是rowkey，那么这条数据存储于哪个分区，取决于rowkey处于哪个一个预分区的区间内。
设计rowkey的主要目的 ，就是让数据均匀的分布于所有的region中，在一定程度上防止数据倾斜。
3.1 RowKey常用的设计方案①：生成随机数、hash、散列值
原本rowKey为1001的，SHA1后变成：dd01903921ea24941c26a48f2cec24e0bb0e8cc7原本rowKey为3001的，SHA1后变成：49042c54de64a1e9bf0b33e00245660ef92dc7bd原本rowKey为5001的，SHA1后变成：7b61dec07e02c188790670af43e717f0f46e8913
在做此操作之前，一般我们会选择从数据集中抽取样本，来决定什么样的rowKey来Hash后作为每个分区的临界值。
3.2 RowKey常用的设计方案②：字符串反转
时间戳的反转：
0524000001转成100000425071020524000002转成20000042507102
这样也可以在一定程度上散列逐步put进来的数据。
3.1 RowKey常用的设计方案③：字符串拼接
0524000001_a12e0524000001_93i7
使用字符串拼接设计Rowkey，原则：
Rowkey作为数据的唯一主键，需要紧密和业务相关，从业务中选择某个代表性的字段作为Rowkey保证Rowkey字段选取时的唯一性，不重复性Rowkey足够散列，负载均衡让有业务关联的Rowkey尽量分布到一个Region中
例如： 转账的场景
| 流水号 | 转入账户 | 转出账户 | 时间 | 金额 | 用户 |
|–|–|–|–|–|–|–|
| *** |*** |*** |*** |*** |*** |
流水号适合作为RowKey，将流水号再拼接字符串，生成完整的RowKey
格式：
流水号+时间戳时间戳+流水号流水号+随机数随机数+流水号
如果流水号在设计时，足够散列，可以使用流水号在前，拼接随机数。
如果流水号不够散列，可以使用函数计算其散列值，或拼接一个散列的值。
举例:如何让一个月的数据，分布到同一个Region！可以取月份的时间，作为计算的参数，使用hash运算，将运算后的字符串，拼接到Rowkey前部。
4、内存优化
HBase操作过程中需要大量的内存开销，毕竟Table是可以缓存在内存中的，一般会分配整个可用内存的70%给HBase的Java堆。但是不建议分配非常大的堆内存，因为GC过程持续太久会导致RegionServer处于长期不可用状态，一般16~48G内存就可以了，如果因为框架占用内存过高导致系统内存不足，框架一样会被系统服务拖死。
在/opt/module/hbase/conf/hbase-env.sh 中，编写regionserver进程启动时的JVM参数！
-Xms : JVM堆的起始值-Xmx : JVM堆的最大值export HBASE_HEAPSIZE=1G 或 export HBASE_OPTS=“-XX:+UseConcMarkSweepGC”
5、基础优化
5.1 允许在HDFS的文件中追加内容（hdfs-site.xml、HBase-site.xml）
属性：dfs.support.append解释：开启HDFS追加同步，可以优秀的配合HBase的数据同步和持久化。默认值为true。此处dfs.support.append如果设置为false，则HBase的所有功能则没法实现。所以一定设置为true。
5.2 优化DataNode允许的最大文件打开数（hdfs-site.xml）
属性：dfs.datanode.max.transfer.threads解释：HBase一般都会同一时间开启大量IO线程来操作大量的文件，根据集群的数量和规模以及数据动作，设置IO线程数量为4096或者更高。默认值：40965.3 优化延迟高的数据操作的等待时间（hdfs-site.xml）
属性：dfs.image.transfer.timeout解释：如果对于某一次数据操作来讲，延迟非常高，socket需要等待更长的时间，建议把该值设置为更大的值（默认60000毫秒，即1分钟），以确保socket不会被timeout掉。比如：如果项目是一个高并发场景，而且RegionServer的性能也不是很好，可以把参数调大一些，防止数据操作失败。5.4 优化数据的写入效率（mapred-site.xml）
属性： mapreduce.pressmapreduce.press.codec 解释：开启这两个数据可以大大提高文件的写入效率，减少写入时间。第一个属性值修改为true，第二个属性值修改为：org.apache.press.GzipCodec或者其他压缩方式。5.5 设置RPC监听数量（hbase-site.xml）
属性：HBase.regionserver.handler.count解释：默认值为30，用于指定RPC监听的数量，可以根据客户端的请求数进行调整，读写请求较多时，增加此值。5.6 优化HStore文件大小（hbase-site.xml）
属性：HBase.hregion.max.filesize解释：默认值10737418240（10GB），如果需要运行HBase的MR任务，可以减小此值，因为一个region对应一个map任务，如果单个region过大，会导致map任务执行时间过长。该值的意思就是，如果HFile的大小达到这个数值，则这个region会被切分为两个Hfile。5.7 优化HBase客户端缓存（hbase-site.xml）
属性：HBase.client.write.buffer解释：用于指定HBase客户端缓存，增大该值可以减少RPC调用次数，但是会消耗更多内存，反之则反之。一般我们需要设定一定的缓存大小，以达到减少RPC次数的目的。5.8 指定scan.next扫描HBase所获取的行数（hbase-site.xml）
属性：HBase.client.scanner.caching解释：用于指定scan.next方法获取的默认行数，值越大，消耗内存越大。5.9 flush、compact、split机制
当MemStore达到阈值，将Memstore中的数据Flush进Storefile；compact机制则是把flush出来的小文件合并成大的Storefile文件。split则是当Region达到阈值，会把过大的Region一分为二。
HBase.hregion.memstore.flush.size：134217728
即：这个参数的作用是当单个HRegion内所有的Memstore大小总和超过指定值时，flush该HRegion的所有memstore。RegionServer的flush是通过将请求添加一个队列，模拟生产消费模型来异步处理的。那这里就有一个问题，当队列来不及消费，产生大量积压请求时，可能会导致内存陡增，最坏的情况是触发OOM。HBase.regionserver.global.memstore.upperLimit：0.4HBase.regionserver.global.memstore.lowerLimit：0.38
即：当MemStore使用内存总量达到HBase.regionserver.global.memstore.upperLimit指定值时，将会有多个MemStores flush到文件中，MemStore flush 顺序是按照大小降序执行的，直到刷新到MemStore使用内存略小于lowerLimit
六、HBase中设置布隆过滤器
HBase中通过“列族”设置过滤器，HBase支持两种布隆过滤器： ROW|ROWCOL
注意： 旧版本，只有get操作，才会用到布隆过滤器，scan用不到！ 1.x之后，scan也可用用布隆过滤器，稍微起点作用！
启用布隆过滤器后，会占用额外的内存，布隆过滤器通常是在blockcache和memstore中！
1、ROW布隆过滤器
ROW布隆过滤器在计算时，使用每行的Rowkey作为参数，进行判断。举例：info1列族、info2列族：
info1 storefile1: (r1,info1:age,20) ,(r2,info1:age,20)info2 storefile2: (r3,info2:age,20) ,(r4,info2:age,20)
查询 r1 时，如果命中，判断storefile2中一定没有r1的数据，在storefile1中可能有！
2、ROWCOL布隆过滤器
ROWCOL 布隆过滤器在计算时，使用每行的rowkey和column一起作为参数，进行判断！举例： info info1
info1 storefile1: (r1,info1:age,20) ,(r2,info1:age,20)info2 storefile2: (r3,info2:age,20) ,(r4,info2:age,20)
查询rowkey=r1，只查info1:age=20 列时，如果命中，判断storefile2中一定没有此数据，在storefile1中可能有！
3、举例： 执行 get ‘t1’,‘r1’
扫描r1所在region的所有列族的memstore，扫memstore时，先通过布隆过滤器判断r1是否存在，如果不存在，就不扫！可能存在，再扫描！
扫描Storefile时，如果storefile中,r1所在的block已经缓存在blockcache中，直接扫blockcache，在扫描blockcache时，先使用布隆过滤器判断r1是否存在，如果不存在，就不扫！可能存在，再扫描！
七、HBase在商业项目中的能力（每天）
消息量：发送和接收的消息数超过60亿
将近1000亿条数据的读写
高峰期每秒150万左右操作
整体读取数据占有约55%，写入占有45%
超过2PB的数据，涉及冗余共6PB数据
数据每月大概增长300千兆字节
参考资料：
分布式NoSQL列存储数据库HBASE（二）
大数据-NoSQL数据库：HBase【基于Zookeeper/HDFS的分布式 高并发 可扩展的NoSQL数据库；支持“十亿行”ד百万列”海量数据的实时随机读写；仅支持单表查询；不擅长数据分析】
