簡介
HBase的原型是Google的BigTable論文,受到了該論文思想的啓發,目前作爲Hadoop的子項目來開發維護,用於支持結構化的數據存儲。
官方網站:http://hbase.apache.org
民間中文文檔:https://hbase.apachecn.org/#/
- 2006年Google發表BigTable白皮書
- 2006年開始開發HBase
- 2008年北京成功開奧運會,程序員默默地將HBase弄成了Hadoop的子項目
- 2010年HBase成爲Apache頂級項目
- 現在很多公司基於HBase開發出了定製版,比如阿里雲HBase
總結:
HBase是構建在HDFS之上的分佈式、【面向列】的存儲系統,在需要實時讀寫、隨機訪問的超大規模數據集是,可以使用HBase。
爲什麼需要HBase
# 海量數據存儲
一個表百億行 百萬列;(MySQL實戰最大值500萬行,30列)
# 實時查詢
1秒內查詢得到結果。
HBase特點
# 1. 容量大
HBase單表百億行,百萬列。
# 2. 面向列
HBase存儲是面向列,可以再數據存在以後動態增加新列和數據,並支持列數據的獨立操作。
# 3. 多版本
HBase每個數據,可以同時保存多個版本,按照時間去標記。
# 4. 稀疏性
HBase每條數據的增刪,並不是要操作所有的列,的列可以動態增加,可以存在大量空白單元格,不會佔用磁盤空間,這對於海量數據來講,非常重要。
# 5. 擴展性
底層使用HDFS,存儲能力可以橫向擴展。
# 6. 高可靠性
底層使用HDFS,擁有replication的數據高可靠性。
# 7. 高性能
表數據達到一定規模,"自動分區",具備主鍵索引,緩存機制,使得HBase海量數據查詢能達到毫秒級。
HBase和RDBMS對比
HBase | 關係型數據庫 |
---|---|
數據庫以**region **的形式存在 |
數據庫以Table的形式存在 |
使用**行鍵 **(row key) |
支持主鍵PK |
使用行表示一條數據 | 一條數據用row代表 |
使用列 column、列族 column family |
column代表列數據的含義 |
使用HBase shell 命令操作數據 |
使用SQL操作數據 |
數據文件可以基於HDFS,是分佈式文件系統, 可以任意擴展,數據總量取決於服務器數量 |
數據總量依賴於單體服務器的配置 |
不支持事務、不支持ACID | 支持事務和ACID |
不支持表連接 | 支持join表連接 |
HBase表邏輯結構
數據相關概念
# namespace 命名空間
hbase管理表的結構,在HDFS中對應一個文件夾。
# table 表
hbase管理數據的結構,在HDFS中對應一個文件。
# column family 列族
表中數據的列,要屬於某個列族,所有的列的訪問格式(列族:列名)
# rowkey 主鍵
用來標記和檢索數據的主鍵key。
# cell 單元格
由`row key+column family+column+version` 唯一確定的一條數據
# timestamp 時間戳
時間戳,每個單元格可以保存多個值,每個值有對應的時間戳,每個cell中,不同版本的數據倒敘排序,排在最前面的是最新數據。
HBase單機版安裝
下載
地址:http://archive.apache.org/dist/hbase/
準備
- 安裝並配置hadoop
[root@hadoop10 installs]# jps 3440 Jps 3329 SecondaryNameNode 3030 NameNode 3134 DataNode
- 安裝並配置zookeeper
[root@hadoop10 installs]# jps 3329 SecondaryNameNode 3509 QuorumPeerMain 3030 NameNode 3595 Jps 3134 DataNode [root@hadoop10 installs]# zkServer.sh status ZooKeeper JMX enabled by default Using config: /opt/installs/zookeeper3.4.14/bin/../conf/zoo.cfg Mode: standalone
- 設置好日期同步
# 查看linux系統時間 [root@hadoop10 installs]# date # 重啓chronyd服務,同步系統時間。 [root@hadoop10 installs]# systemctl restart chronyd [root@hadoop10 installs]# date 2020年 04月 12日 星期日 22:51:31 CST
安裝
# 1. 安裝hbase
1. 解壓HBase
[root@hadoop30 modules]# tar zxvf hbase-1.2.4-bin.tar.gz -C /opt/installs/
2. 配置環境變量
#JAVA
export JAVA_HOME=/opt/installs/jdk1.8
export PATH=$PATH:$JAVA_HOME/bin
# HADOOP
export HADOOP_HOME=/opt/installs/hadoop2.9.2/
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
# zookeeper
export PATH=$PATH:/opt/installs/zookeeper3.4.14/bin/
# HBase
export HBASE_HOME=/opt/installs/hbase-1.2.4/
export PATH=$PATH:$HBASE_HOME/bin
3. 加載profile配置
source /etc/profile
# 2. 初始化配置文件
# 1 -------------------hbase-env.sh--------------------
# 配置Java_home
export JAVA_HOME=/opt/installs/jdk1.8
# 註釋掉如下2行。
# export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# 禁用內置zookeeper
export HBASE_MANAGES_ZK=false
# 2. -------------------hbase-site.xml-------------------------
<configuration>
<!-- hbase的入口,ns HaHadoop的虛擬命名空間 -->
<property>
<name>hbase.rootdir</name>
<value>hdfs://hadoop10:9000/hbase</value>
</property>
<!-- 使用僞分佈式模式 -->
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<!-- zookeeper集羣地址,端口默認2181不需要指定 -->
<property>
<name>hbase.zookeeper.quorum</name>
<value>hadoop10</value>
</property>
</configuration>
# -------------------配置regionservers(regionserver所在節點的ip) -------------------
hadoop10
# 3. 啓動hbase
啓動順序:
1. 啓動zookeeper
2. 啓動hdfs
3. 啓動hbase
關閉順序:
1.關閉hbase
2.關閉hdfs
3.關閉zk
# hbase啓動方式一
1. 啓動hbase
start-hbase.sh
2. 關閉hbase
stop-hbase.sh
# hbase啓動方式二
1. 啓動HMaster
[root@hadoop10 installs]# hbase-daemon.sh start master
# 關閉
[root@hadoop10 installs]# hbase-daemon.sh stop master
2. 啓動HRegionServer
[root@hadoop10 installs]# hbase-daemon.sh start regionserver
# 關閉
[root@hadoop10 installs]# hbase-daemon.sh stop master
# 4. 驗證訪問
1. java進程查看
[root@hadoop10 installs]# jps
4688 NameNode
5618 HMaster
5730 HRegionServer
4819 DataNode
3509 QuorumPeerMain
6150 Jps
4984 SecondaryNameNode
2. HMaster WebUI查看
http://ip:16010
3. 進入客戶端
hbase shell
hbase(main):001:0>
HBase 命令
1. 客戶端進出命令
# 進入客戶端:
./hbase shell
# 退出客戶端命令:
quit
# 幫助
help
2. namespace操作
默認存在一個default的namespace
#1. 查看namespace
list_namespace
#2. 創建namespace
create_namespace "命名空間名字"
#3. 刪除namespace
drop_namespace "命令空間名字"
3. 表操作
# 1. 查看所有表
hbase(main):024:0> list
TABLE
baizhins:t_person # namespace:表
t_user # default:表 default被省略了
2 row(s) in 0.1140 seconds
# 2. 查看某個namespace下的所有表
hbase(main):027:0> list_namespace_tables "baizhins"
TABLE
t_person
1 row(s) in 0.3970 seconds
# 3. 創建表
語法:create "namespace:表名","列族1","列族2"
hbase(main):023:0> create "baizhins:t_person","info","edu"
0 row(s) in 9.9000 seconds
# 4. 查看錶結構
hbase(main):030:0> desc "baizhins:t_person"
Table baizhins:t_person is ENABLED
baizhins:t_person
COLUMN FAMILIES DESCRIPTION
{NAME => 'edu', 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 => 'info', 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 1.6400 seconds
# 5. 刪除表和禁用表
hbase(main):002:0> disable "namespace:表"
0 row(s) in 4.4790 seconds
hbase(main):002:0> drop "namespace:表"
0 row(s) in 4.4790 seconds
4.數據增刪改查
# 1. 添加數據(每次只能添加一個列)
put "namespace:表","rowkey","列族1:列名1","值"
hbase(main):007:0> put 'baizhins:t_person','1001','info:name','zhangsan'
0 row(s) in 1.7250 seconds
hbase(main):008:0> put 'baizhins:t_person','1001','info:age',20
0 row(s) in 0.0210 seconds
hbase(main):009:0> put 'baizhins:t_person','1002','info:name','lisi'
0 row(s) in 0.0190 seconds
hbase(main):010:0> put 'baizhins:t_person','1002','info:age',21
0 row(s) in 0.0620 seconds
# 2. 根據rowkey查找數據
get "namespace:表名","rowkey"
hbase(main):015:0> get 'baizhins:t_person','1001'
COLUMN CELL
info:age timestamp=1598752891747, value=20
info:name timestamp=1598752881461, value=zhangsan
2 row(s) in 0.1550 seconds
# 3. 根據rowkey和列族查找數據
get "namespace:表名","rowkey","列族:列"
# 4. scan 查詢表中所有數據
hbase(main):019:0> scan "baizhins:t_person"
hbase(main):024:0> scan 'baizhins:t_person'
ROW COLUMN+CELL
1001 column=info:age, timestamp=1598753486814, value=20
1001 column=info:name, timestamp=1598753478658, value=zhangsan
1002 column=info:age, timestamp=1598753520306, value=21
1002 column=info:name, timestamp=1598753509800, value=lisi
2 row(s) in 0.0410 seconds
# 5. scan 查詢表中前2條數據
hbase(main):022:0> scan "baizhins:t_person",{LIMIT=>2}
# 6. 使用start row 和 end row 範圍查找
hbase(main):029:0> scan "baizhins:t_person",{STARTROW=>"1001",STOPROW=>"1003"}
hbase(main):032:0> scan 'baizhins:t_person',{STARTROW=>'1001',STOPROW=>'1003'}
ROW COLUMN+CELL
1001 column=info:age, timestamp=1598753486814, value=20
1001 column=info:name, timestamp=1598753478658, value=zhangsan
1002 column=info:age, timestamp=1598753520306, value=21
1002 column=info:name, timestamp=1598753509800, value=lisi
問題:HBase中的數據是按照Rowkey的ASCII字典順序進行全局排序的
假如有5個Rowkey:"012", "0", "123", "234", "3",按ASCII字典排序後的結果爲:"0", "012", "123", "234", "3"。
Rowkey排序時會先比對兩個Rowkey的第一個字節,如果相同,然後會比對第二個字節,依次類推... 對比到第X個字節時,已經超出了其中一個Rowkey的長度,短的Rowkey排在前面。
# 7. 使用start row和limit查找
hbase(main):032:0> scan "baizhins:t_person",{STARTROW=>"1002",LIMIT=>2}
hbase(main):033:0> scan 'baizhins:t_person',{STARTROW=>'1002',LIMIT=>2}
ROW COLUMN+CELL
1002 column=info:age, timestamp=1598753520306, value=21
1002 column=info:name, timestamp=1598753509800, value=lisi
1003 column=info:name, timestamp=1598753628840, value=wangwu
# 8. 修改數據(本質上是覆蓋)
put "namespace:表","rowkey","列族:列名","值"
# 9. 刪除數據(刪除某個cell)
delete "namespace:表","rowkey","列族:列名"
# 10. 刪除某個rowkey對應的數據
deleteall "namespace:表","rowkey"
# 11. 統計表中所有數據
count "namespace:表"
# 12. 清空表中的所有數據
truncate "namespace:表"
5. 多版本問題
# 1. 創建表
hbase(main):013:0> create "baizhins:user","info"
# 2. 修改版本數
hbase(main):016:0> alter "baizhins:user",{NAME=>'info',VERSIONS=>2}
# 表的列族的VERSIONS=>2表示的該列族的數據,要保存2個版本。如果put3次,則保留最新的2個版本。
# 3. 同一個cell添加2次數據。
hbase(main):014:0> put "baizhi:user","10001","info:name","aaa"
0 row(s) in 0.2620 seconds
hbase(main):015:0> put "baizhi:user","10001","info:name","bb"
0 row(s) in 0.0290 seconds
# 4. 查看多版本
hbase(main):017:0> get "baizhi:user","10001",{COLUMN=>'info:name',VERSIONS=>3}
COLUMN CELL
info:name timestamp=1586795010367, value=bb
info:name timestamp=1586795004085, value=aaa
說明:
1. 可以查看VERSIONS指定的版本數量的值。
2. cell中多個版本的值,按照時間戳降序排序。
3. 在get或者scan查詢數據,並不指定VERSIONS,默認讀取的cell中最新的1個的版本的值。
HBase API
環境準備
-
依賴
<dependency> <groupId>org.apache.hbase</groupId> <artifactId>hbase-client</artifactId> <version>1.2.4</version> </dependency> <dependency> <groupId>org.apache.hbase</groupId> <artifactId>hbase-server</artifactId> <version>1.2.4</version> </dependency>
-
初始化配置
將hbase中的conf中的 hbase-site.xml放到resource配置文件目錄中。
conf.addResource("/hbase-site.xml")
-
windows配置ip映射
API介紹
API | 含義 | 創建 |
---|---|---|
Configuration | 配置文件 | HBaseConfiguration.create(); |
Connection | 連接,用來操作數據 | ConnectionFactory.createConnection(conf); |
Admin | 客戶端,用來操作元數據 (namespace和table結構) |
conn.getAdmin(); |
NamespaceDescriptor | 命名空間相當於database | NamespaceDescriptor.create(“baizhins”).build(); |
TableName | 表名 | TableName.valueOf(“baizhi:user”); |
HTableDescriptor | 表 | new HTableDescriptor(tablename); |
HColumnDescriptor | 列族 | new HColumnDescriptor(“info”); |
Put | 添加數據 | new Put(Bytes.toBytes(“10001”)); |
Delete | rowkey的刪除條件 | new Delete(Bytes.toBytes(“10001”)); |
Get | scan多行查詢器 | new Get(Bytes.toBytes(“10019”)); |
Scan | scan多行查詢器 | new Scan(); |
Result | 查詢結果集(單條結果) | table.get(get); |
ResultScanner | 查詢結果集(N條結果) | table.getScanner(scan); |
Bytes | 類型轉化工具類,HBase中數據類型爲字節, 所有類型存入後都變成字節,需要相互轉化。 |
HBase客戶端連接
注意:配置windows向linux的ip映射。
// 獲得客戶端
//1. 讀取配置文件
Configuration conf = HBaseConfiguration.create();
conf.set("hbase.zookeeper.quorum","hadoop10");
BasicConfigurator.configure();//打印日誌信息
//2. 建立連接
Connection conn = ConnectionFactory.createConnection(conf);
//3. 獲得客戶端
admin = conn.getAdmin();
// 釋放資源
admin.close();
常用API
1. 創建namespace
//1. 構建namespace信息。
NamespaceDescriptor baizhins = NamespaceDescriptor.create("baizhins").build();
//2. 創建namespace
admin.createNamespace(baizhins);
2. 表操作
操作表,使用admin
-
判斷表是否存在
//1. 創建表名 TableName tableName = TableName.valueOf("baizhins:person"); //2. 判斷表是否存在 boolean b = admin.tableExists(tableName); System.out.println(b?"存在":"不存在");
-
創建表
//1. 初始化表名 TableName person = TableName.valueOf("baizhins:person"); //2. 初始化列族信息 HColumnDescriptor info = new HColumnDescriptor("info"); HColumnDescriptor addr = new HColumnDescriptor("addr"); //3. 綁定表名,綁定列族 HTableDescriptor hTableDescriptor = new HTableDescriptor(person); hTableDescriptor.addFamily(info); hTableDescriptor.addFamily(addr); //4. 創建表 admin.createTable(hTableDescriptor);
3. 添加
操作數據使用conn
//1. 初始化要操作的表
Table table = conn.getTable(TableName.valueOf("baizhins:person"));
//2. 創建 添加數據
Put put = new Put(Bytes.toBytes("1001"));//構造rowkey
// Bytes是HBase提供的進行字節和java數據類型轉化的工具類
put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("name"),Bytes.toBytes("張三") );
put.addColumn(Bytes.toBytes("info"),Bytes.toBytes("age"), Bytes.toBytes(18));
put.addColumn(Bytes.toBytes("addr"), Bytes.toBytes("zipCode"), Bytes.toBytes("45000"));
//3. 將put數據添加。
table.put(put);
//4. 釋放資源
table.close();
4. 修改
//1. 初始化要操作的表
Table table = conn.getTable(TableName.valueOf("baizhins:person"));
//2. 修改的本質就是添加,利用時間戳覆蓋舊的數據而已。
Put put = new Put(Bytes.toBytes("1001"));
put.addColumn(Bytes.toBytes("addr"), Bytes.toBytes("zipCode"), Bytes.toBytes("45001"));
//3. 添加到表中
table.put(put);
//4. 關閉table
table.close();
5. 刪除
//1. 獲得要操作的表
Table table = conn.getTable(TableName.valueOf("baizhins:person"));
//2. 創建要刪除的條件,以rowkey爲條件
Delete delete = new Delete(Bytes.toBytes("1001"));
//刪除某個列族
//delete.addFamily(Bytes.toBytes("cf2"));
//刪除某個列
//delete.addColumn(Bytes.toBytes("cf1"),Bytes.toBytes("age"));
//3. 執行刪除
table.delete(delete);
6. 查詢
-
根據rowkey單條查詢。
//1. 獲得要操作的表 Table table = conn.getTable(TableName.valueOf("baizhins:person")); //2. 使用rowkey作爲查詢條件 Get get = new Get(Bytes.toBytes("10019")); //3. 執行查詢 Result result = table.get(get); //4. 處理結果集:result.getValue; byte[] namebyte = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")); //下面代碼雷同。 byte[] agebyte = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("age")); byte[] zipbyte = result.getValue(Bytes.toBytes("addr"), Bytes.toBytes("zipCode")); //獲得rowkey byte[] rowbytes = result.getRow(); System.out.println(Bytes.toString(namebyte)); System.out.println(Bytes.toInt(agebyte)); System.out.println(Bytes.toString(zipbyte));
-
多條查詢
//1. 獲得要操作的表 Table table = conn.getTable(TableName.valueOf("baizhins:person")); //2. 創建scan掃描器,多行查詢 Scan scan = new Scan(); //3. 指定要投射的列族。 scan.addFamily(Bytes.toBytes("info")); scan.addFamily(Bytes.toBytes("addr")); //4. 設置起始和查詢條數 scan.setStartRow(Bytes.toBytes("1001")); scan.setFilter(new PageFilter(3)); //5. 執行查詢 ResultScanner result = table.getScanner(scan); //6. 處理結果集 for (Result res:result){ byte[] namebyte = res.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")); byte[] agebyte = res.getValue(Bytes.toBytes("info"), Bytes.toBytes("age")); byte[] zipCodebyte = res.getValue(Bytes.toBytes("addr"), Bytes.toBytes("zipCode")); String name = Bytes.toString(namebyte); int age = Bytes.toInt(agebyte); String zipcode = Bytes.toString(zipCodebyte); System.out.println(name+":"+age+":"+zipcode); } //7. 關閉table table.close();
-
範圍查詢
//1. 獲得要操作的表 Table table = conn.getTable(TableName.valueOf("baizhins:person")); //2. 創建scan掃描器,多行查詢 Scan scan = new Scan(); //3. 指定要投射的列族。 scan.addFamily(Bytes.toBytes("info")); scan.addFamily(Bytes.toBytes("addr")); //4. 設置起始和查詢條數 scan.setStartRow(Bytes.toBytes("1001")); scan.setStopRow(Bytes.toBytes("1003")); //5. 執行查詢 ResultScanner result = table.getScanner(scan); //6. 處理結果集 for (Result res:result){ byte[] namebyte = res.getValue(Bytes.toBytes("info"), Bytes.toBytes("name")); byte[] agebyte = res.getValue(Bytes.toBytes("info"), Bytes.toBytes("age")); byte[] zipCodebyte = res.getValue(Bytes.toBytes("addr"), Bytes.toBytes("zipCode")); String name = Bytes.toString(namebyte); int age = Bytes.toInt(agebyte); String zipcode = Bytes.toString(zipCodebyte); System.out.println(name+":"+age+":"+zipcode); } //7. 關閉table table.close();
-
前綴查詢
Scan scan = new Scan(); Filter filter = new RowFilter(CompareFilter.CompareOp.EQUAL,new RegexStringComparator("a-")); scan.setFilter(filter); ResultScanner results = table.getScanner(scan); for (Result result : results) { byte[] nameByte = result.getValue(Bytes.toBytes("cf1"),Bytes.toBytes("name")); byte[] ageByte = result.getValue(Bytes.toBytes("cf1"),Bytes.toBytes("age")); System.out.println(Bytes.toString(nameByte) + "\t" + Bytes.toString(ageByte)); } table.close();
-
多版本查詢
Get get = new Get(Bytes.toBytes("1001")); //可以指定查詢某一個列 get.addColumn(Bytes.toBytes("cf1"),Bytes.toBytes("name")); get.setMaxVersions(5); Result result = table.get(get); Cell[] cells = result.rawCells(); for (Cell cell : cells) { System.out.println(Bytes.toString(CellUtil.cloneValue(cell))); }
HBase架構原理
讀寫數據操作原理
讀數據
寫數據
HBase底層原理
HBase架構體系
架構相關概念
HRegionServer
HRegionServer(和DataNode同一節點)
1. 存儲表數據部分
2. put delete get scan等針對數據的操作
3. 定時向Master報告自身節點的狀態
4. 管理表的數據的Table的數據
HMaster
HMaster
1. Region Server狀態的管理
2. 表的管理:create drop alter
3. 實現HRegionServer的數據負載均衡,平衡HRegion的分佈
Zookeeper
Zookeeper
1. 解決HMaster的單點故障問題
2. 存放HMaster管理的HRegionServer的狀態信息,並通知HMaster
3. 存放HMaster管理的表的元數據信息
表名、列名、key區間等。
HRegion
HRegion
表的橫向切片的物理表現,大表的子表,有(startkey endkey),多行數據。
爲了減小單表操作的大小,提高讀寫效率。
Store
Store
1. 表的縱向切分的物理表現,按照列族作爲切分。
2. 按照列族查詢,僅需要檢索一定範圍內的數據,減少全表掃描。
HBase底層原理
Region Split 分區
-
分區原因
提高Region的負載和讀寫效率。
-
說明
Region一拆爲二,並分佈在不同的RegionServer上。
-
默認分區機制
Region中數據超過128M、512M、1152M… *Region數量2hbase.hregion.memstore.flush.size … 10G、10G
查看參數
hbase.hregion.memstore.flush.size=128M hbase.hregion.max.filesize=10G
-
問題
默認分區容易導致數據傾斜,硬件資源無法利用。(數據熱點問題,大量的客戶端訪問,落在部分節點上,導致忙的忙死,閒的閒死。)
Region預分區
-
爲什麼
- 增加讀寫效率。(多個region分佈在不同的RegionServer中,可以提高併發效率)
- 儘量保證每個Region中的數據量相當,防止數據傾斜。(合理利用計算資源)
-
分區的效果
每個Region維護一對StartKey和EndKey,限定維護輸入rowkey範圍。
添加數據時,將rowkey放入匹配的region中。
-
創建表時分區,手動指定
命令:
create "namespace:表","列族",SPLITS=>["100000","200000","300000","400000"]
效果:(http://ip:16030)訪問RegionServers
-
java代碼分區
MemStore Flush刷寫
-
說明
簡言:持久化,保護數據不丟失。
將RegionServer中內存中的數據Memstore,寫入到硬盤中。
-
圖
-
時機
- 當 region server 中 memstore 的總大小達到java_heapsize的閾值,默認值 0.4
對應參數:hbase.regionserver.global.memstore.size
- 到達自動刷寫的時間,默認 1 小時
對應參數:hbase.regionserver.optionalcacheflushinterval
- 單個Region中的數據文件大小超過128M。
對應參數:hbase.hregion.memstore.flush.size
-
手動flush
命令:
flush "namespace:表名"
-
文件位置:
hdfs:ip:50070/hbase/data/baizhins/user2/faf64f7f6cfa6282c2a92864faa3909d
Store File Compaction 合併
-
目的
storefile小文件過多,查詢時,需要遍歷所有文件,效率低。
storefile中遍佈過期數據,佔用空間,且查詢效率低。
-
說明
簡言:爲提高檢索效率,合併store。
-
圖
-
分類和時機
- minor compact(局部合併)
特點:少量相鄰(加速合併,並有序)文件的合併
時機:發生頻率較高,不影響性能。
手動命令:
compact "namespace:表名"
- major compact(全局合併)
特點: 1. 全局的所有store file文件的合併。 2. 去除刪除被覆蓋的文件。 3. 特別消耗RegionServer的性能資源。(重點)
時機:每7天執行一次:參數:
hbase.hregion.majorcompaction
一般手動觸發。
手動觸發命令:major_compact "namespace:表名"
rowkey設計
# rowkey對hbase有什麼影響
1. 影響region數據分佈,負載均衡,不好rowkey設計,會導致數據傾斜,導致數據熱點。
希望:一段時間內,新增數據(訪問請求),儘可能均勻分佈到不同的HRegion。
2. 唯一標記1條數據
希望:rowkey唯一性。
3. 爲查詢業務服務。
希望:rowkey設計必須滿足查詢業務需求
爲什麼HBase數據讀取速度快BlockCache
# 1 Memstore
Region內存中
特點:
(內存)
(數據最新的)
(有序)
# 2 BlockCache(LRU)
HBase緩存中。
緩存策略:LRU(數據淘汰機制),最近最少使用原則,保留最近最新使用多的數據。
# 3:磁盤storeFile(每個小file中rowkey是有序的) LSM
磁盤的檢索速度慢是因爲尋道。
磁盤合併大storeFile(減少file數量,可以提高磁盤檢索效率)
1. storefile文件數量少,減少遍歷。
2. 文件內以及文件在磁盤中,rowkey有序,代碼檢索,磁盤尋道大大節省時間。
HBase架構完整版
注意
- 編輯regionservers,使用vi編輯
- 安裝hbase之前,同步系統時間
集羣規劃
192.168.199.11: HMaster
192.168.199.12: HRegionServer
192.168.199.13: HRegionServer
# 0 確保HDFS HA已經搭建完畢
[root@hadoop11 ~]# jps
1259 JournalNode
1965 NameNode
1758 DFSZKFailoverController
2110 Jps
1215 QuorumPeerMain
# 1. 安裝HBase
1. 解壓HBase
[root@hadoop11 modules]# tar zxvf hbase-1.2.4-bin.tar.gz -C /opt/installs/
2. 配置環境變量
#JAVA
export JAVA_HOME=/opt/installs/jdk1.8
export PATH=$PATH:$JAVA_HOME/bin
# HADOOP
export HADOOP_HOME=/opt/installs/hadoop2.9.2/
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
# zookeeper
export PATH=$PATH:/opt/installs/zookeeper3.4.14/bin/
# HBase
export HBASE_HOME=/opt/installs/hbase-1.2.4
export PATH=$PATH:$HBASE_HOME/bin
3. 加載profile配置
source /etc/profile
# 2. 初始化HBase 配置文件
# 1 -------------------hbase-env.sh--------------------
# 配置Java_home
export JAVA_HOME=/opt/installs/jdk1.8
# 註釋掉如下2行。
# export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m"
# 禁用內置zookeeper
export HBASE_MANAGES_ZK=false
# 2. -------------------hbase-site.xml-------------------------
<configuration>
<!-- hbase的入口,ns HaHadoop的虛擬命名空間 -->
<property>
<name>hbase.rootdir</name>
<value>hdfs://ns/hbase</value>
</property>
<!-- 使用分佈式模式 -->
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<!-- zookeeper集羣地址,端口默認2181不需要指定 -->
<property>
<name>hbase.zookeeper.quorum</name>
<value>hadoop10,hadoop11,hadoop12</value>
</property>
<!--配置hdfs的hflush:否則該版本啓動會報錯-->
<property>
<name>hbase.unsafe.stream.capability.enforce</name>
<value>false</value>
</property>
</configuration>
# 3. -------------------regionservers--------------------
hadoop12
hadoop13
#** 4. 將hadoop的配置文件拷貝到hbase的conf目錄中。(core-site.xml hdfs-site.xml)
[root@hadoop11 installs]# ln -s /opt/installs/hadoop2.9.2/etc/hadoop/core-site.xml /opt/installs/hbase-1.2.4/conf/core-site.xml
[root@hadoop11 installs]# ln -s /opt/installs/hadoop2.9.2/etc/hadoop/hdfs-site.xml /opt/installs/hbase-1.2.4/conf/hdfs-site.xml
# 3. 遠程拷貝
1. 拷貝profile文件
[root@hadoop11 installs]# scp /etc/profile root@hadoop12:/etc/
[root@hadoop11 installs]# scp /etc/profile root@hadoop13:/etc/
2. 拷貝hbase安裝軟件和配置文件
[root@hadoop11 installs]# scp -r hbase1.2.4/ root@hadoop12:/opt/installs/
[root@hadoop11 installs]# scp -r hbase1.2.4/ root@hadoop13:/opt/installs/
3. 重新加載profile
[root@hadoop11 ~]# source /etc/profile
[root@hadoop12 ~]# source /etc/profile
[root@hadoop13 ~]# source /etc/profile
# 3. 啓動HBase
1. 啓動hbase
start-hbase.sh
2. 關閉hbase
stop-hbase.sh
false
~~~shell
# 3. -------------------regionservers--------------------
hadoop12
hadoop13
#** 4. 將hadoop的配置文件拷貝到hbase的conf目錄中。(core-site.xml hdfs-site.xml)
[root@hadoop11 installs]# ln -s /opt/installs/hadoop2.9.2/etc/hadoop/core-site.xml /opt/installs/hbase-1.2.4/conf/core-site.xml
[root@hadoop11 installs]# ln -s /opt/installs/hadoop2.9.2/etc/hadoop/hdfs-site.xml /opt/installs/hbase-1.2.4/conf/hdfs-site.xml
# 3. 遠程拷貝
1. 拷貝profile文件
[root@hadoop11 installs]# scp /etc/profile root@hadoop12:/etc/
[root@hadoop11 installs]# scp /etc/profile root@hadoop13:/etc/
2. 拷貝hbase安裝軟件和配置文件
[root@hadoop11 installs]# scp -r hbase1.2.4/ root@hadoop12:/opt/installs/
[root@hadoop11 installs]# scp -r hbase1.2.4/ root@hadoop13:/opt/installs/
3. 重新加載profile
[root@hadoop11 ~]# source /etc/profile
[root@hadoop12 ~]# source /etc/profile
[root@hadoop13 ~]# source /etc/profile
# 3. 啓動HBase
1. 啓動hbase
start-hbase.sh
2. 關閉hbase
stop-hbase.sh
對於管控比較嚴格的場景,僅能開通特定端口。
查詢工具,只要開通zookeeper、Hbase Master和Hbase RegionServer即可。
節點 | 端口號 | 協議 | 使用 | 說明 |
---|---|---|---|---|
zookeeper | 2181 | zkCli.sh -server zookeeper1:2181 | 客戶端接入 | |
2888,3888 | N/A | 集羣內部通訊 | ||
HDFS Namenode | 9000 | HDFS | hdfs dfs -ls hdfs://namenode1:9000/ | 客戶端接入 |
50070 | HTTP | http://namenode1:50070/ | 集羣監控 | |
HDFS SecondaryNamenode | 50090 | HTTP | http://namenode1:50090/ | secondary監控 |
HDFS Datanode | 50010 | N/A | 客戶端接入/其他節點接入 | |
50020 | N/A | |||
50075 | HTTP | http://datanode1:50075/ | 節點監控 | |
HBase Master | 16000 | hbase-client-1.x.x.jar | RegionServer接入 | |
16010 | HTTP | http://namenode1:16010/ | 集羣監控 | |
HBase RegionServer | 16020 | N/A | 客戶端接入 | |
16030 | HTTP | http://datanode1:16030/ | 節點監控 |
Java客戶端連接Hbase_java連接hbase-CSDN博客
使用
下面介紹了Java客戶端連接Hbase的使用,1.2.0版本和2.3.4版本親測下面使用的API都是一致的。(也猜測1.x版本
和2.x版本的應該基本一致)。Java連接Hbase也很簡單,Maven中導入對應的 `hbase-client` 依賴即可。
1.pom配置
<dependencies>
<!-- https://mvnrepository.com/artifact/org.apache.hbase/hbase-client -->
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-client</artifactId>
<version>1.2.0</version>
</dependency>
</dependencies>
<repositories>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>
<repository>
<id>apache release</id>
<url>https://repository.apache.org/content/repositories/releases/</url>
</repository>
</repositories>
語法
0)初始化
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.Cell;
import org.apache.hadoop.hbase.CellScanner;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.*;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
public static void main(String[] args) {
Configuration config = null;
Connection conn = null;
Table table = null;
// 創建配置
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "192.168.100.98");
config.set("hbase.zookeeper.property.clientPort", "2181");
try {
// 創建連接
conn = ConnectionFactory.createConnection(config);
// 獲取表
table = conn.getTable(TableName.valueOf("FEI:WEN"));
// 查詢指定表的全部數據
// queryAllTableData(table);
// 查詢指定rowkey的數據
queryRowKey(table);
// 略。。。
} catch (IOException e) {
e.printStackTrace();
} finally {
try {
if (conn != null) {
conn.close();
}
} catch (IOException e) {
e.printStackTrace();
}
try {
if (table != null) {
table.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
/**
* 輸出
* @param result
* @throws IOException
*/
private static void output(Result result) throws IOException {
CellScanner cellScanner = result.cellScanner();
while (cellScanner.advance()) {
Cell cell = cellScanner.current();
byte[] rowArray = cell.getRowArray(); //本kv所屬的行鍵的字節數組
byte[] familyArray = cell.getFamilyArray(); //列族名的字節數組
byte[] qualifierArray = cell.getQualifierArray(); //列名的字節數據
byte[] valueArray = cell.getValueArray(); // value的字節數組
System.out.printf("|%10s|%10s|%10s|%10s|\n",
new String(rowArray, cell.getRowOffset(), cell.getRowLength()),
new String(familyArray, cell.getFamilyOffset(), cell.getFamilyLength()),
new String(qualifierArray, cell.getQualifierOffset(), cell.getQualifierLength()),
new String(valueArray, cell.getValueOffset(), cell.getValueLength()));
}
}
1)創建命名空間
/**
* 創建命名空間
* @param conn
* @throws IOException
*/
private static void createNamespace(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
NamespaceDescriptor.Builder builder = NamespaceDescriptor.create("FEI");
NamespaceDescriptor build = builder.build();
admin.createNamespace(build);
admin.close();
}
2)查看命名空間
查看指定命名空間
/**
* 查看指定命名空間
* @param conn
*/
private static void queryOneNamespace(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
NamespaceDescriptor test = admin.getNamespaceDescriptor("FEI");
System.out.println(test);
Map<String, String> configuration = test.getConfiguration();
System.out.println(configuration);
String name = test.getName();
System.out.println(name);
admin.close();
}
輸出:
{NAME => 'FEI'}
{}
FEI
查看全部命名空間
/**
* 查看全部命名空間
* @param conn
*/
private static void queryAllNamespace(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
NamespaceDescriptor[] namespaceDescriptors = admin.listNamespaceDescriptors();
for (NamespaceDescriptor namespaceDescriptor : namespaceDescriptors) {
System.out.println(namespaceDescriptor);
}
admin.close();
}
輸出:
{NAME => 'FEI'}
{NAME => 'SYSTEM'}
{NAME => 'TEST'}
{NAME => 'default'}
{NAME => 'hbase'}
3)查看指定命名空間下表
/**
* 查看指定命名空間下的表
* @param conn
*/
private static void queryTableByNamespace(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
HTableDescriptor[] feis = admin.listTableDescriptorsByNamespace("FEI");
for (HTableDescriptor fei : feis) {
System.out.println(fei.getNameAsString());
}
admin.close();
}
輸出:
FEI:EMP
FEI:IMAGES
FEI:STUDENTS
FEI:TWO
FEI:WEN
4)查看所有表
/**
* 查看所有表
* @param conn
*/
private static void queryAllTable(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
TableName[] tableNames = admin.listTableNames();
for (TableName tableName : tableNames) {
System.out.println(tableName);
}
admin.close();
}
輸出:
FEI:EMP
FEI:IMAGES
FEI:STUDENTS
FEI:TWO
FEI:WEN
SYSTEM:CATALOG
SYSTEM:FUNCTION
SYSTEM:LOG
SYSTEM:MUTEX
SYSTEM:SEQUENCE
SYSTEM:STATS
US_POPULATION
user
5)查看指定表
/**
* 查看指定表元數據
* @param conn
*/
private static void queryOneTableMetadata(Connection conn) throws IOException {
Admin admin = conn.getAdmin();
HTableDescriptor fei_wen = admin.getTableDescriptor(TableName.valueOf("FEI:WEN"));
System.out.println(fei_wen);
String name = fei_wen.getNameAsString();
System.out.println("\n命名空間+表名: " + name);
HColumnDescriptor[] columnFamilies = fei_wen.getColumnFamilies();
for (HColumnDescriptor columnFamily : columnFamilies) {
System.out.println("\n列族: " + columnFamily);
}
Map<String, String> configuration = fei_wen.getConfiguration();
System.out.println("\n表配置: " + configuration);
TableName tableName = fei_wen.getTableName();
System.out.println("\n命名空間+表名: " + tableName.getNameAsString());
System.out.println("\n命名空間: " + tableName.getNamespaceAsString());
System.out.println("\n表名: " + tableName.getQualifierAsString());
admin.close();
}
輸出:
'FEI:WEN', {NAME => 'co', 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'}
命名空間+表名: FEI:WEN
列族: {NAME => 'co', 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'}
表配置: {}
命名空間+表名: FEI:WEN
命名空間: FEI
表名: WEN
6)創建表
/**
* 創建表
*
* 可以用多個HColumnDescriptor來定義多個列族,然後通過hTableDescriptor.addFamily添加,但是目前只建議一個表創建一個列族,
* 防止對性能有影響
* @param conn
*/
private static void createTable(Connection conn) {
Admin admin = null;
try {
// 獲取表管理器對象
admin = conn.getAdmin();
// 創建一個表描述對象
HTableDescriptor hTableDescriptor = new HTableDescriptor(TableName.valueOf("FEI:CLASS"));
// 創建一個列族描述對象
HColumnDescriptor base_info = new HColumnDescriptor("base_info");
// 通過列族描述定義對象,可以設置列族的很多重要屬性信息
base_info.setMaxVersions(3); // 設置該列族中存儲數據的最大版本數,默認是1
hTableDescriptor.addFamily(base_info);
admin.createTable(hTableDescriptor);
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
if (admin != null) {
admin.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
7)修改表
新增列族
public static void updateTable(Connection conn) {
Admin admin = null;
try {
admin = conn.getAdmin();
HTableDescriptor fei_class = admin.getTableDescriptor(TableName.valueOf("FEI:CLASS"));
// 增加列族
HColumnDescriptor newFamily = new HColumnDescriptor("test_info".getBytes());
newFamily.setBloomFilterType(BloomType.ROWCOL); // 設置布隆過濾器的類型
fei_class.addFamily(newFamily);
admin.modifyTable(TableName.valueOf("FEI:CLASS"),fei_class);
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
if (admin != null) {
admin.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
刪除列族
public static void updateTable(Connection conn) {
Admin admin = null;
try {
admin = conn.getAdmin();
HTableDescriptor fei_class = admin.getTableDescriptor(TableName.valueOf("FEI:CLASS"));
// 刪除列族
fei_class.removeFamily("test_info".getBytes());
admin.modifyTable(TableName.valueOf("FEI:CLASS"),fei_class);
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
if (admin != null) {
admin.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
8)刪除表
/**
* 刪除表
*
* 想刪除表,必須先關閉表
* @param conn
*/
public static void deleteTable(Connection conn) {
Admin admin = null;
try {
admin = conn.getAdmin();
// 關閉表
admin.disableTable(TableName.valueOf("FEI:CLASS"));
// 刪除表
admin.deleteTable(TableName.valueOf("FEI:CLASS"));
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
if (admin != null) {
admin.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
9)查詢表全部數據
/**
* 查詢指定表的全部數據
*/
private static void queryAllTableData(Table table) {
try {
ResultScanner scanner = table.getScanner(new Scan());
System.out.printf("|%10s|%10s|%10s|%10s|\n", "row key", "family", "qualifier", "value");
for (Result result : scanner) {
output(result);
}
} catch (IOException e) {
e.printStackTrace();
}
}
輸出:
| row key| family| qualifier| value|
| 1| co| age| 28|
| 1| co| id| 1|
| 1| co| name| jack|
| 2| co| age| 33|
| 2| co| id| 2|
| 2| co| name| roes|
9)查詢指定rowkey的數據
/**
* 查詢指定rowkey的數據
*/
public static void queryRowKey(Table table) {
try {
// get對象指定行鍵
Get get = new Get("1".getBytes(StandardCharsets.UTF_8));
Result result = table.get(get);
System.out.printf("|%10s|%10s|%10s|%10s|\n", "row key", "family", "qualifier", "value");
output(result);
} catch (IOException e) {
e.printStackTrace();
}
}
輸出:
| row key| family| qualifier| value|
| 1| co| age| 28|
| 1| co| id| 1|
| 1| co| name| jack|
10)根據rowkey查詢指定列
/**
* 根據rowkey查詢指定列
*/
public static void queryValueByRowKey(Table table) {
try {
// get對象指定行鍵
Get get = new Get("1".getBytes(StandardCharsets.UTF_8));
Result result = table.get(get);
byte[] value = result.getValue("co".getBytes(), "name".getBytes());
System.out.println(new String(value));
} catch (IOException e) {
e.printStackTrace();
}
}
輸出:
jack
11)插入數據
插入單條數據
/**
* 插入單條數據
* @param table
*/
private static void insertOneData(Table table) {
Put put = new Put("3".getBytes());
put.addColumn("co".getBytes(), "class".getBytes(), "一班".getBytes());
try {
table.put(put);
} catch (IOException e) {
e.printStackTrace();
}
}
批量插入數據
/**
* 批量插入數據
* @param table
*/
private static void insertBatchData(Table table) {
List<Put> puts = new ArrayList<>();
for (int i = 0; i < 10; i++) {
Put put = new Put((i+"").getBytes());
put.addColumn("co".getBytes(), "id".getBytes(), ((i + 3) + "").getBytes());
put.addColumn("co".getBytes(), "name".getBytes(), ("張"+ i).getBytes());
put.addColumn("co".getBytes(), "age".getBytes(), (i + "").getBytes());
puts.add(put);
}
try {
table.put(puts);
} catch (IOException e) {
e.printStackTrace();
}
}
12)修改數據
通過Put覆蓋,格式和插入一樣
/**
* 修改數據
* @param table
*/
private static void updateData(Table table) throws IOException {
Put put1 = new Put("9".getBytes());
put1.addColumn("co".getBytes(), "name".getBytes(), "劉胡蘭".getBytes());
Put put2 = new Put("8".getBytes());
put2.addColumn("co".getBytes(), "name".getBytes(), "王偉".getBytes());
Put put3 = new Put("7".getBytes());
put3.addColumn("co".getBytes(), "name".getBytes(), "金素榮".getBytes());
Put put4 = new Put("6".getBytes());
put4.addColumn("co".getBytes(), "name".getBytes(), "小日本".getBytes());
List<Put> puts = new ArrayList<>();
puts.add(put1);
puts.add(put2);
puts.add(put3);
puts.add(put4);
table.put(puts);
}
13)刪除數據
/**
* 刪除數據
* @param table
*/
private static void deleteData(Table table) throws IOException {
Delete d1 = new Delete("1".getBytes());
Delete d2 = new Delete("2".getBytes());
Delete d3 = new Delete("3".getBytes());
Delete d4 = new Delete("4".getBytes());
List<Delete> deletes = new ArrayList<>();
deletes.add(d1);
deletes.add(d2);
deletes.add(d3);
deletes.add(d4);
table.delete(deletes);
}
14)圖片轉爲Base64,存入Hbase
/**
* 圖片轉爲Base64,存入Hbase
*/
private static void imageToBase64(Table table) throws IOException {
String imageFile = "C:\\Users\\fei\\Desktop\\superset處理500頁面.png";
InputStream in = null;
byte[] data = null;
String encode = null; // 返回Base64編碼過的字節數組字符串
BASE64Encoder encoder = new BASE64Encoder();
try {
in = new FileInputStream(imageFile);
data = new byte[in.available()];
in.read(data);
encode = encoder.encode(data);
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (in != null) {
in.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
// 將字符串存入Hbase
if (encode != null) {
Put put = new Put("1".getBytes());
put.addColumn("image".getBytes(), "test".getBytes(), encode.getBytes());
table.put(put);
}
}
15)從Hbase獲取base64,轉換爲圖表
/**
* 從Hbase獲取base64,轉換爲圖表
*/
private static void base64ToImage(Table table) throws IOException {
// 從Hbase獲取base64
Get get = new Get("1".getBytes(StandardCharsets.UTF_8));
Result result = table.get(get);
byte[] value = result.getValue("image".getBytes(), "test".getBytes());
// 將字節數組字符串轉換爲圖片
String encode = new String(value);
OutputStream out = null;
String outFile = "D:\\test.png";
BASE64Decoder decoder = new BASE64Decoder();
try {
out = new FileOutputStream(outFile);
byte[] b = decoder.decodeBuffer(encode);
for (int i = 0; i < b.length; i++) {
if (b[i] < 0) {
b[i] += 256;
}
}
out.write(b);
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (out != null) {
out.flush();
out.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}