这篇文章主要介绍“spark的基础知识点整理”，在日常操作中，相信很多人在spark的基础知识点整理问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”spark的基础知识点整理”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
歙县ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为
成都创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：028-86922220（备注：SSL证书合作）期待与您的合作！
一 .基础整理
服务器本身不存储数据，数据本身放在HDFS中的，服务器只做功能的进行查，删改等功能
Hive hbase mysql 区别
{% asset_img 各种数据库之间的差别比较.png 这是一个新的博客的图片的说明 %}服务器本身不存储数据，数据本身放在HDFS中的，服务器只做功能的进行查，删改等功能
Hbase特性
16010 对外访问端口
HBASE是一个数据库——可以提供数据的实时随机读写
Hbase：
hadoop数据库，分布式可伸缩大型数据存储。
用户对随机、实时读写数据。
十亿行 x 百万列。
版本化、非关系型数据库。
hbase存储机制：面向列存储，table是按row排序。
Hbase的表没有固定的字段定义
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
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
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
HBASE对事务的支持很差
特征：
Hbase的表数据存储在HDFS文件系统中
存储容量可以线性扩展
数据存储的安全性可靠性极高
对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。
主要用来存储结构化和半结构化的松散数据
Hbase查询数据功能很简单，不支持join等复杂操作，不支持复杂的事务（行级的事务）
与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。
访问hbase table中的行，只有三种方式：
通过单个row key访问
通过row key的range
全表扫描
二 .集群搭建（完全分布式）
主机安装
JDK 安装
hadoop安装
环境变量
验证：hbase version
[hbase/conf/hbase-env.sh]
export JAVA_HOME=/soft/jdk
export HBASE_MANAGES_ZK=false
[hbse-site.xml]
hbase.cluster.distributed
true
hbase.rootdir
hdfs://s201:8020/hbase
hbase.zookeeper.quorum
s201:2181,s202:2181,s203:2181
hbase.zookeeper.property.dataDir
/home/centos/zookeeper
[hbase/conf/regionservers]
自己按需求设置
s202
s203
s204
启动hbase集群(s201)
start-hbase.sh
访问
http://s201:16010
启动另一个master
hbase-daemon.sh start master
三.使用知识点
hbase shell 基本操作
help ‘list_namespace’ //查看特定的命令帮助
list_namespace //列出名字空间(数据库)
list_namespace_tables ‘defalut’ //列出名字空间(数据库)
create ‘ns1:t1’,’f1’ //创建表,指定空间下
put ‘ns1:t1’,’row1’,’f1:id’,100 //插入数据
get ‘ns1:t1’,’row1’ //查询指定row
scan ‘ns1:t1’ //扫描表
flush ‘ns1:t1’ //清理内存数据到磁盘。
count ‘ns1:t1’ //统计函数
disable ‘ns1:t1’ //删除表之前需要禁用表
通过编程API访问Hbase
添加依赖
org.apache.hbase
hbase-client
1.2.3
复制hbase集群的hbase-site.xml文件到模块的src/main/resources目录下
创建conf对象 Configuration conf = HBaseConfiguration.create();
通过连接工厂创建连接对象 Connection conn = ConnectionFactory.createConnection(conf);
通过连接查询tableName对象 TableName tname = TableName.valueOf(“ns1:t1”);
获得table Table table = conn.getTable(tname);
//创建conf对象
Configuration conf = HBaseConfiguration.create();
//通过连接工厂创建连接对象
Connection conn = ConnectionFactory.createConnection(conf);
//通过连接查询tableName对象
TableName tname = TableName.valueOf("ns1:t1");
//获得table
Table table = conn.getTable(tname);
//通过bytes工具类创建字节数组(将字符串)
byte[] rowid = Bytes.toBytes("row3");
//创建put对象
Put put = new Put(rowid);
byte[] f1 = Bytes.toBytes("f1");
byte[] id = Bytes.toBytes("id") ;
byte[] value = Bytes.toBytes(102);
put.addColumn(f1,id,value);
//执行插入
table.put(put);
//创建conf对象
Configuration conf = HBaseConfiguration.create();
//通过连接工厂创建连接对象
Connection conn = ConnectionFactory.createConnection(conf);
//通过连接查询tableName对象
TableName tname = TableName.valueOf("ns1:t1");
//获得table
Table table = conn.getTable(tname);
//通过bytes工具类创建字节数组(将字符串)
byte[] rowid = Bytes.toBytes("row3");
Get get = new Get(Bytes.toBytes("row3"));
Result r = table.get(get);
byte[] idvalue = r.getValue(Bytes.toBytes("f1"),Bytes.toBytes("id"));
System.out.println(Bytes.toInt(idvalue));Row Key
与nosql数据库们一样,row key是用来检索记录的主键。访问hbase table中的行，只有三种方式：
A:通过单个row key访问
B:通过row key的range
C:全表扫描
Row key行键 (Row key)可以是任意字符串(大长度是 64KB，实际应用中长度一般为 10-100bytes)
在hbase内部，row key保存为字节数组
Hbase会对表中的数据按照rowkey排序(字典顺序)
存储时，数据按照Row key的字典序(byte order)排序存储。
设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
字典序对int排序 : 注意要位数一样 例如10000 设置规则最好都是一样的如 0001 2000 这样的
表中的每一行有一个“行键rowkey”，而且行键在表中不能重复
表中的每一对kv数据称作一个cell，cell就是存储这些数据的一个类似封装对象，所有数据可以通过查询拿到
cell中的数据是没有类型的，全部是字节码形式存贮。、
由{row key, column( =
+hbase可以对数据存储多个历史版本（历史版本数量都是可配置）
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
hbase会对插入的数据按顺序存储：首先按行键排序，之后再按同一行里面的kv会按列族排序，再按k排序
hbase中只支持byte[] 此处的byte[] 包括了： rowkey,key,value,列族名,表名
hbase三级定位，行键，列，时间戳，列也可以是列族加列
hbase通过行键区分区域服务器，会切割每部分，每部分都有各自的范围，行键是有序的
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
列族
hbase表中的每个列，都归属与某个列族。列族是表的schema的一部分(而列不是)，必须在使用表之前定义。
列名都以列族作为前缀 例如：space:math 都属于 space这个列族
访问控制、磁盘和内存的使用统计都是在列族层面进行的。
列族越多，在取一行数据时所要参与IO、搜寻的文件就越多，所以，如果没有必要，不要设置太多的列族
写前日志
WAL //write ahead log,写前日志。
写前日志 WAL 主要是容错用的
你写数据的时候都会往这个表记录，所以他可能影响插入速度
代码：关闭写前日志可以提高插入速度，因为插入的时候都会往写前日志里记录
DecimalFormat format2 = new DecimalFormat();
format2.applyPattern("0000");
long start = System.currentTimeMillis() ;
Configuration configuration = HBaseConfiguration.create();
configuration.set("hbase.zookeeper.quorum","s202:2181,s203:2181,s204:2181");
Connection connection = ConnectionFactory.createConnection(configuration);
TableName tableName =TableName.valueOf("new:t1");
HTable table = (HTable)connection.getTable(tableName);
table.setAutoFlush(false);
for (int i = 2 ; i <= 10000 ; i ++) {
Put put = new Put(Bytes.toBytes("row" + format2.format(i))) ;
//关闭写前日志
put.setWriteToWAL(false);
put.addColumn(Bytes.toBytes("f1"),Bytes.toBytes("id"),Bytes.toBytes(i));
put.addColumn(Bytes.toBytes("f1"),Bytes.toBytes("name"),Bytes.toBytes("tom" + i));
put.addColumn(Bytes.toBytes("f1"),Bytes.toBytes("age"),Bytes.toBytes(i % 100));
table.put(put);
if ( i % 2000 == 0 ) {
table.flushCommits();
}
}
//不提交丢数据，最后不满足2000的会丢，不是自动提交
table.flushCommits();
System.out.println(System.currentTimeMillis() - start );
存放位置
- 相同列族的数据存放在一个文件中
- [表数据的存储目录结构构成]
- hdfs://s201:8020/hbase/data/${名字空间}/${表名}/${区域名称}/${列族名称}/${文件名}
- [WAL目录结构构成]
- hdfs://s201:8020/hbase/WALs/${区域服务器名称,主机名,端口号,时间戳}/联系zk，找出meta表所在rs(regionserver) /hbase/meta-region-server
定位row key,找到对应region server
缓存信息在本地。
联系RegionServer
HRegionServer负责open HRegion对象，为每个列族创建Store对象，Store包含多个StoreFile实例，
是对HFile的轻量级封装。每个Store还对应了一个MemStore，用于内存存储数据。
hbase切割文件配置位置：
hbase.hregion.max.filesize
10737418240
hbase-default.xml
client端交互过程
Zookeeper 起的作用
保证任何时候，集群中只有一个master
存贮所有Region的寻址入口——root表在哪台服务器上
实时监控Region Server的状态，将Region server的上线和下线信息实时通知给Master
存储Hbase的schema,包括有哪些table，每个table有哪些column family
Master职责
Region Server职责
Region server维护Master分配给它的region，处理对这些region的IO请求
Region server负责切分在运行过程中变得过大的region
client访问hbase上数据的过程并不需要master参与
寻址访问zookeeper和region server
数据读写访问regione server
四.整体架构
到此，关于“spark的基础知识点整理”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联-成都网站建设公司网站，小编会继续努力为大家带来更多实用的文章！
文章标题：spark的基础知识点整理-创新互联
文章出自：
http://www.cdkjz.cn/article/dohoji.html
