使用HABSE之前，要先安装一个zookeeper
zookeeper是干嘛的呢
Zookeeper的作用
1.可以为客户端管理少量的数据kv
key：是以路径的形式表示的，那就意味着，各key之间有父子关系，比如
/ 是顶层key
用户建的key只能在/ 下作为子节点，比如建一个key： /aa 这个key可以带value数据
也可以建一个key： /bb
也可以建key： /aa/xx
2.可以为客户端监听指定数据节点的状态，并在数据节点发生变化是，通知客户端
Zookeeper 安装步骤
把包上传linux后解压到apps/
[root@hdp-01 ~]# tar -zxvf zookeeper-3.4.6.tar.gz -C apps/
/root/apps/zookeeper-3.4.6/conf下该配置文件
[root@hdp-01 conf]# cp zoo_sample.cfg zoo.cfg
然后vim zoo.cfg
更改为
dataDir=/root/zkdata
最后添加
server.1=hdp-01:2888:3888
server.2=hdp-02:2888:3888
server.3=hdp-03:2888:3888
server.4=hdp-04:2888:3888
接着，在hdp-01上，新建数据目录/root/zkdata,并在目录重生成一个文件myid，内容为1
接着，在hdp-02上，新建数据目录/root/zkdata,并在目录重生成一个文件myid，内容为2
接着，在hdp-03上，新建数据目录/root/zkdata,并在目录重生成一个文件myid，内容为3
接着，在hdp-04上，新建数据目录/root/zkdata,并在目录重生成一个文件myid，内容为4
然后将zookeeper scp给其他机器
启动
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh start
查看状态
[root@hdp-01 ~]# /root/apps/zookeeper-3.4.6/bin/zkServer.sh status
可以自己写一个脚本进行启动名字叫zkmanage.sh
用的时候后面跟上参数，传入$1.
sh ./zkmanage.sh start
或者关闭的时候
sh ./zkmanager.sh stop
脚本代码如下
#！/bin/bash
for host in hdp-01 hdp-02 hdp-03 hdp-04
do
echo "${host}:starting...."
ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh $1"
done
sleep 2
for host in hdp-01 hdp-02 hdp-03 hdp-04
do
ssh $host "/root/apps/zookeeper-3.4.6/bin/zkServer.sh status"
done
注意一点，如果有的结点没有启动，一定要看一下是不是这几台机器的时间是不是不对应，如果差别太大是启动不起来的。f**k.
简单补充一点就是，启动之后，这几台机器，有的当leader，有的当follower，只有一个leader，他们谁当leader是根据他们 '投票的形式'的决定的。
只有一个leader
先简单介绍一下HBASE
HBASE是一个数据库----可以提供数据的实时随机读写
他是一个nosql数据库，并不是结构化的，他只能粗略的进行一些查询，像多表之间的连接查询他是很难做到的（至少我这辣鸡不会）。
我也是第一次接触这种nosql，人家的表结构不太一样，就是啥吧，
他有一个行健（类似于主键的东西）
然后剩下的就是你可以定义有几个列族
每个列族里面，
列族里面都是一个一个的key，value值。一对kv，称作一个cell。
每一个value又可以有多个值，并不是一个
l Hbase的表模型与关系型数据库的表模型不同：
l Hbase的表没有固定的字段定义；
l Hbase的表中每行存储的都是一些key-value对
l Hbase的表中有列族的划分，用户可以指定将哪些kv插入哪个列族
l Hbase的表在物理存储上，是按照列族来分割的，不同列族的数据一定存储在不同的文件中
l Hbase的表中的每一行都固定有一个行键，而且每一行的行键在表中不能重复
l Hbase中的数据，包含行键，包含key，包含value，都是byte[ ]类型，hbase不负责为用户维护数据类型
l HBASE对事务的支持很差
Hbase的表数据存储在HDFS文件系统中
HBASE是一个分布式系统
其中有一个管理角色： HMaster(一般2台，一台active，一台backup)
其他的数据节点角色： HRegionServer(很多台，看数据容量)
master用来配置数据储存和任务的分配，
regionserver管理着每一张表的区域数据
Regionserver管理着每一个的文件的范围，Zookeeper用来检测regionserver是否挂掉，master用来控制任务的分发。就是当regionserver挂掉了，如何找人接替他的任务。
HBASE的大体工作机制是这样婶的
客户端怎么知道数据在哪台服务器，他会先查找那个索引表，hbase：meta表
那这个表在哪呢，
在zookeeper里面可以看到这个索引表的信息
这个东西是放到zookeeper里面，先看zookeeper的meta、变所在的regionserver，然后去访问它知道他的信息在哪
然后使用HBASE的话你要先有自己的Hadoop集群，保证hdfs是正常的，还有zookeeper是正常的，就这两点。
安装还是很简单的
解压hbase安装包
修改hbase-env.sh
| export JAVA_HOME=/root/apps/jdk1.7.0_67 export HBASE_MANAGES_ZK=false |
修改hbase-site.xml
| <configuration> <!-- 指定hbase在HDFS上存储的路径 --> <property> <name>hbase.rootdir</name> <value>hdfs://hdp-01:9000/hbase</value> </property> <!-- 指定hbase是分布式的 --> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <!-- 指定zk的地址，多个用“,”分割 --> <property> <name>hbase.zookeeper.quorum</name> <value>hdp-01:2181,hdp-02:2181,hdp-03:2181，hdp-04:2181</value> </property> </configuration>
|
修改 regionservers
| hdp-01 hdp-02 hdp-03 hdp-04 |
bin/start-hbase.sh
启动完后，还可以在集群中找任意一台机器启动一个备用的master
bin/hbase-daemon.sh start master
新启的这个master会处于backup状态
如果报错了，在这看错误，注意时间错误、
HBASE的对外端口是16010
同时也可以启动一个备用的master，在启动之后，随便在一台机器上，
Bin/hbase-daemon.sh start master
同时也可以试着访问这个页面
这hbase的系统表记录的是数据的索引表，记录哪个范围的数据储存在哪个regionserver
3. 启动hbase的命令行客户端
bin/hbase shell
Hbase> list // 查看表
Hbase> status // 查看集群状态
Hbase> version // 查看集群版本
1.1. HBASE表模型
hbase的表模型跟mysql之类的关系型数据库的表模型差别巨大
hbase的表模型中有：行的概念；但没有字段的概念
行中存的都是key-value对，每行中的key-value对中的key可以是各种各样，每行中的key-value对的数量也可以是各种各样
1.1.1. hbase表模型的要点：
1、一个表，有表名
2、一个表可以分为多个列族（不同列族的数据会存储在不同文件中）
3、表中的每一行有一个“行键rowkey”，而且行键在表中不能重复
4、表中的每一对kv数据称作一个cell
5、hbase可以对数据存储多个历史版本（历史版本数量可配置）
6、整张表由于数据量过大，会被横向切分成若干个region（用rowkey范围标识），不同region的数据也存储在不同文件中
7、hbase会对插入的数据按顺序存储：
要点一：首先会按行键排序
要点二：同一行里面的kv会按列族排序，再按k排序
1.1. hbase命令行客户端操作
1.1.1.1. 建表：
create 't_user_info','base_info','extra_info'
表名 列族名 列族名
1.1.1.2. 插入数据：
| hbase(main):011:0> put 't_user_info','001','base_info:username','zhangsan' 0 row(s) in 0.2420 seconds
hbase(main):012:0> put 't_user_info','001','base_info:age','18' 0 row(s) in 0.0140 seconds
hbase(main):013:0> put 't_user_info','001','base_info:sex','female' 0 row(s) in 0.0070 seconds
hbase(main):014:0> put 't_user_info','001','extra_info:career','it' 0 row(s) in 0.0090 seconds
hbase(main):015:0> put 't_user_info','002','extra_info:career','actoress' 0 row(s) in 0.0090 seconds
hbase(main):016:0> put 't_user_info','002','base_info:username','liuyifei' 0 row(s) in 0.0060 seconds |
1.1.1.3. 查询数据方式一：scan 扫描
| hbase(main):017:0> scan 't_user_info' ROW COLUMN+CELL 001 column=base_info:age, timestamp=1496567924507, value=18 001 column=base_info:sex, timestamp=1496567934669, value=female 001 column=base_info:username, timestamp=1496567889554, value=zhangsan 001 column=extra_info:career, timestamp=1496567963992, value=it 002 column=base_info:username, timestamp=1496568034187, value=liuyifei 002 column=extra_info:career, timestamp=1496568008631, value=actoress 2 row(s) in 0.0420 seconds |
1.1.1.4. 查询数据方式二：get 单行数据
| hbase(main):020:0> get 't_user_info','001' COLUMN CELL base_info:age timestamp=1496568160192, value=19 base_info:sex timestamp=1496567934669, value=female base_info:username timestamp=1496567889554, value=zhangsan extra_info:career timestamp=1496567963992, value=it 4 row(s) in 0.0770 seconds |
1.1.1.5. 删除一个kv数据
| hbase(main):021:0> delete 't_user_info','001','base_info:sex' 0 row(s) in 0.0390 seconds |
删除整行数据：
| hbase(main):024:0> deleteall 't_user_info','001' 0 row(s) in 0.0090 seconds
hbase(main):025:0> get 't_user_info','001' COLUMN CELL 0 row(s) in 0.0110 seconds |
1.1.1.6. 删除整个表：
| hbase(main):028:0> disable 't_user_info' 0 row(s) in 2.3640 seconds
hbase(main):029:0> drop 't_user_info' 0 row(s) in 1.2950 seconds
hbase(main):030:0> list TABLE 0 row(s) in 0.0130 seconds
=> []
|
1.1. Hbase重要特性--排序特性（行键）
插入到hbase中去的数据，hbase会自动排序存储：
排序规则： 首先看行键，然后看列族名，然后看列（key）名； 按字典顺序
Hbase的这个特性跟查询效率有极大的关系
比如：一张用来存储用户信息的表，有名字，户籍，年龄，职业....等信息
然后，在业务系统中经常需要：
查询某个省的所有用户
经常需要查询某个省的指定姓的所有用户
思路：如果能将相同省的用户在hbase的存储文件中连续存储，并且能将相同省中相同姓的用户连续存储，那么，上述两个查询需求的效率就会提高！！！
做法：将查询条件拼到rowkey内
当我们创建一个表之后，按道理说应该是可以在hdfs里面查看到数据的。但是。。。。
这里面没有数据，却能查到，那么数据到底存在哪呢，这些数据会存在内存中，这块内存空间叫做memstore，因为这样会快一点，他会把热数据放到这里面，就是刚刚访问过的数据，他会先放到内存中，但如果这时候宕机了怎么办，数据会丢吗，不会丢，他一方面会写数据，一方面会写日志，放在hdfs的日志目录里
当内存中写满了，就会写到hdfs里
可以试一下，当你停一下，你就会发现hdfs里面就有数据了
布隆过滤器的功能：判断一个数据以前是否出现过
布隆过滤器的原理：把一个数据通过算法转化成只有01的二进制数据，
然后用一个比较大的数组来存，每一个数据的01都存到这个数组里面，注意他们是相互叠加的比如一个数据1位置有1,3位置有1，另一个数据1位置有1,4位置有1，那么加入后就是1位置有1,3位置有1,4位置有1，如果再来一个数据的01,1位置有1,5位置有1，那么可以判断，这个数据是从来没有出现过的，
所以布隆过滤器一个可以判断出没有出现过的数据，
而他判断出出现过的数据却有可能是没出现过的。
他在HBASE的应用啊，比如说，region Server管理的一个表的列族，他的真实存放位置是hdfs，在hdfs的某个目录下。而且他这个列族文件不止一个，比如，当这个列族的数据改变的时候，他会生成一个新的文件，因为他没发修改hdfs里的文件，或者就算不改，列族里有许许多多的key，value，他们也会放在这个目录下的不同文件里面
每个文件都有个布隆过滤器，它是由这个文件kv的二进制值决定，当你要查询一个数据的话，他会先那这个数据的二进制值和某个文件的布隆过滤器比一下，如果匹配了，他就会找这个文件