四、HBase客户端

1、通过Configuration初始化集群Connection

11、Connction维持了客户端到整个HBase集群的链接，如一个HBase集群有2个Master、5个RegionServer,那么一般来说整个Connection会维持一个到Active Master的TCP连接和5个到ReginonServer的TCP链接。

12、通常一个进程只需要为一个独立的集群建立一个Connection即可，并不需要建立连接池。

13、Connection还缓存了访问的Meta信息，后续的大部分请求都可以通过缓存的Meta信息定位到对应的Region Server。

2、通过Connection初始化Table

21、Table是一个非常轻量级的对象，它所使用的连接资源、配置信息、线程池、Meta缓存等都来自于Connection。

22、由同一个Connection创建的多个Table,都会共享连接、配置信息、线程池、Meta缓存这些资源

23、在branch-1以及之前的版本中，Table并不是线程安全的类，所以不建议在多个线程中使用同一个Table实例。在HBase 200及之后，Table已经实现了线程安全。

24、由于Table是一个非常轻量级的对象，所以可以通过Connection为每个请求创建一个Table，但是记住，在该请求执行完毕之后需要关闭Table资源。

3、hbase:meta

31、hbase:meta用来保存整个集群的region信息

32、hbase:meta在HBase中保证始终只有一个Region，这是为了确保meta表多次 *** 作的原子性，因为HBase本质上只支持Region级别的事务<所谓Region级别的事务是指：当多个 *** 作落在同一个Region内时，HBase能保证这一批 *** 作执行的原子性。如果多个 *** 作分散在不同的Region，则无法保证这批 *** 作的原子性>

33、hbase:meta的一行就对应一个Region 它的rowkey主要由TableName、StartRow、TimeStamp、EncodeName、标识这个Region是属于哪个表，表Rowkey的起始行以及Region的创建时间戳

34、hbase:meta只有一个列簇<info>他有4列，info:regioninfo、info:seqnumDuringOpen、info:server、info:serverstartcode,表示这个表rowkey的起始位置，region落在哪个RegionServer上以及所在RegionServer的启动时间戳

4、HBase超时参数设置

hbaserpctimeout:表示单次RPC请求的超时时间，默认是60 000ms。

hbaseclinetretriesnumber:最多允许发生多少次RPC重试 *** 作默认是35次。

hbaseclinetpause:表示连续两次RPC重试之间的休眠时间，默认是100ms。重试休眠时间是按照随机退避算法设计的。也就是重试次数越多，休眠间隔时间就会越来越长。按照默认的重试次数35，则可能长期卡在休眠和重试两个步骤中

hbaseclinetoperationtimeout:表示单次API的超时时间，默认值为1 200 000ms一次API可能会有多次RPC重试，这个参数是API *** 作的总超时。

5、CAS<checkAndPut、inCrementColumnValue> *** 作是Region级别串行执行的，吞吐受限,在HBase 2x版本已调整设计，对于同一个Region内部的不同行可以并行执行CAS，这样大大提交了Region内部的CAS吞吐

6、Filter使用避坑指南

61、PrefixFilter 前缀过滤

低效使用方式：

Scan scan = new Scan();

scansetFilter(new PrefixFillter(BytestoBytes("def")));

这个Scan虽然能得到预期的效果，但是并不高效，因为对于rowKey在区间(-∞,def)的数据，会一条条扫描，发现前缀不为def,就读下一行，直到找到第一个rowkey为def的行为止

高效使用方式：

Scan scan = new Scan();

scansetStartRow(BytestoBytes("def"));

scansetFilter(new PrefixFillter(BytestoBytes("def")));

增加了一个startRow。RegionServer发现Scan设置了startRow，首先会寻址定位到startRow。这样就跳过了大量的(-∞,def)的数据。

最高效的使用方式：

Scan scan = new Scan();

scansetStartRow(BytestoBytes("def"));

scansetStopRow(BytestoBytes("deg"));

将PrefixFilter直接展开，扫描[def,deg)区间的数据，这样效率是最高的。

62、PageFilter:表有5个Region起始key为(-∞,1)、[1,2)、[2,3)、[3,4)、[4,+∞)每个Region 都有超过100条数据

错误的使用方式:

Scan scan = new Scan();

scansetStartRow(BytestoBytes("1"));

scansetStopRow(BytestoBytes("3"));

scansetFilter(new PageFilter(100))

这样写得出来的分页每页数据就会有200 条。但是明明设置了分页每页条数是100。原因是，它需要scan 2个Regionscan从一个region切换到另一个region之前的那个Filter的内部状态就无效了，新的region内部用的是一个全新的FilterFilter计数器被清零。Filter不是全局的， 所以它分别从2个region各查了100 条，总共200 条返回。

正确的使用方式：

如果想实现分页功能，可以不通过Filter而直接通过limit来实现。

Scan scan = new Scan();

scansetStartRow(BytestoBytes("1"));

scansetStopRow(BytestoBytes("3"));

scansetLimit(100);

所以对于用户来说，正常情况下PageFilter并没有太多的存在价值

63、SingleColumnValueFilter

使用方式：

Scan scan = new Scan();

SingleColumnValueFilter scvf = new  SingleColumnValueFilter(BytestoBytes("family"),BytestoBytes("qualifier"),

CompareOpEQUAL,BytestoBytes("value"));

scansetFilter(scvf);

表面上是将列簇为family,列为qualifier,值为value的cell返回给用户，但事实上那些不包含family:qualifier的行也会默认返回给用户，如果用户不希望读取那些不包含family:qualifier的数据，需要设计如下scan

Scan scan = new Scan();

SingleColumnValueFilter scvf = new  SingleColumnValueFilter(BytestoBytes("family"),BytestoBytes("qualifier"),

CompareOpEQUAL,BytestoBytes("value"));

scvfsetFiterIfMisssing(true);

scansetFilter(scvf);

另外当SingleColumnValueFilter设置为filterIfMisssing为true时，和其他Filter组合成FilterList时可能导致返回的结果不正确。建议是不要使用SingleColumnValueFilter与其他Filter组合成FilterList。 直接指定列，通过ValueFilter替换掉SingleColumnValueFilter

Scan scan = new Scan();

ValueFilter vf = new ValueFilter(CompareOfEQUAL,new BinaryComparatoe(BytestoBytes("value")));

scanaddColum(BytestoBytes("family"),BytestoBytes("qualifier"));

scansetFilter(vf);

7、HBase写入方式对比

71、tableput(Put):

每次执行都会执行一次RPC和磁盘持久化，写入吞吐受限于磁盘带宽、网络带宽，不会有数据丢失能保证put *** 作的原子性。

72、tableput(List<Put>):

客户端打包一批put提交，执行一次RPC，一次WAL。相比第一种省略了多次往返的RPC和磁盘持久化。但是时间会变长。如果打包的put分布在多个Region。则不能保证这一批put的原子性，应为HBase不支持跨Region的多行事务，失败的put会经历若干次重试。

73、bulk load:

将待写入的数据生成HFile,然后采用bulk load方式将HFile直接加载到对于的Region的CF内。这是一种完全离线的快速写入方式。它应该是最快的批量写入手段，同时不会对线上的集群产生巨大压力，在load完HFile之后，CF内部会进行Compaction,但是Compaction是异步的且可以限速，所以bulk load对线上集群非常友好。

使用场景举例：

731、两个集群互为主备，其中一个集群由存在数据丢失，想通过另一备份集群的数据来修复异常集群。最快的方式是：把备份集群的数据导一个快照拷贝到异常集群，然后通过copyTable工具扫快照生成HFile,然后bulk load 到异常集群，完成数据的修复。

732、当用户写入大量数据后，发现选择的split keys不合适，想重新选择split keys见表，这时也可以通过 snapshort生成HFile再bulk load的方式生成新表。

跑步机SCAN，就是“自动扫描”的意思。

一般跑步机都会有下面这些字母的，意思分别如下：

1、时间——TIME，显示运动时间、

2、速度——SPEED，显示即时速度，单位：千米/小时

3、路程——DISTANCE，运动所通过的路程，单位：千米

4、热量——CALORIES，运动所消耗的体能，单位：千卡

5、自动扫描——SCAN，根据设定的时间间隔自动显示以上功能

6、MODE——模式选择：按动此键可选择时间、速度、路程、热量等参数、

7、SET——置数：可在时间，路程，热量三功能设置预定值，然后进行倒记数。

8、RESET——复0：按动此键，可使屏面显示的数值复0。仪器在自动扫描时，复0键不起作用。

以上就是关于四、HBase客户端全部的内容，包括:四、HBase客户端、跑步机scan是什么意思、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！