第一部分 基础篇 2
第1章 认识HBase 2
1.1 理解大数据背景 2
1.1.1 什么是大数据 3
1.1.2 为何大数据至关重要 4
1.1.3 NoSQL在大数据中扮演的角色 4
1.2 HBase是什么 6
1.2.1 HBase的发展历史 6
1.2.2 HBase的发行版本 7
1.2.3 HBase的特性 9
1.3 HBase与Hadoop的关系 10
1.4 HBase的核心功能模块 12
1.4.1 客户端Client 12
1.4.2 协调服务组件ZooKeeper 13
1.4.3 主节点HMaster 13
1.4.4 Region节点HRegionServer 13
1.5 HBase的使用场景和经典案例 14
1.5.1 搜索引擎应用 15
1.5.2 增量数据存储 15
1.5.3 用户内容服务 17
1.5.4 实时消息系统构建 18
1.6 本章小结 18
第2章 HBase安装与配置 19
2.1 先决条件 19
2.2 HBase运行模式 23
2.2.1 单机模式 23
2.2.2 分布式模式 24
2.3 HBase的Web UI 31
2.4 HBase Shell工具使用 31
2.5 停止HBase集群 33
2.6 本章小结 33
第3章 数据模型 34
3.1 两类数据模型 34
3.1.1 逻辑模型 35
3.1.2 物理模型 35
3.2 数据模型的重要概念 36
3.2.1 表 36
3.2.2 行键 37
3.2.3 列族 38
3.2.4 单元格 38
3.3 数据模型的操作 38
3.3.1 读Get 39
3.3.2 写Put 39
3.3.3 扫描Scan 39
3.3.4 删除Delete 40
3.4 数据模型的特殊属性 40
3.4.1 版本 40
3.4.2 排序 42
3.4.3 列的元数据 42
3.4.4 连接查询 43
3.4.5 计数器 43
3.4.6 原子操作 43
3.4.7 事务特性ACID 43
3.4.8 行锁 45
3.4.9 自动分区 45
3.5 CAP原理与最终一致性 46
3.6 本章小结 47
第4章 HBase表结构设计 48
4.1 模式创建 48
4.2 Rowkey设计 49
4.3 列族定义 51
4.3.1 可配置的数据块大小 51
4.3.2 数据块缓存 52
4.3.3 布隆过滤器 52
4.3.4 数据压缩 53
4.3.5 单元时间版本 53
4.3.6 生存时间 54
4.4 模式设计实例 54
4.4.1 实例1：动物分类 54
4.4.2 实例2：店铺与商品 56
4.4.3 实例3：网上商城用户消费记录 57
4.4.4 实例4：微博用户与粉丝 58
4.5 本章小结 60
第5章 HBase客户端 61
5.1 精通原生Java客户端 61
5.1.1 客户端配置 62
5.1.2 创建表 69
5.1.3 删除表 70
5.1.4 插入数据 70
5.1.5 查询数据 72
5.1.6 删除数据 76
5.1.7 过滤查询 77
5.2 使用HBase Shell工具操作HBase 79
5.2.1 命令分类 79
5.2.2 常规命令 80
5.2.3 DDL命令 81
5.2.4 DML命令 82
5.2.5 工具命令Tools 86
5.2.6 复制命令 87
5.2.7 安全命令 87
5.3 使用Thrift客户端访问HBase 88
5.3.1 Thrift与Thrift2区别 88
5.3.2 安装与部署Thrift2 89
5.3.3 Python使用案例 93
5.4 通过REST客户端访问HBase 95
5.4.1 启动服务 95
5.4.2 使用REST访问example表 96
5.5 使用MapReduce批量操作HBase 97
5.5.1 三种访问模式 98
5.5.2 实现MapReduce API 98
5.5.3 HBase作为输入源示例 99
5.5.4 HBase作为输出源示例 101
5.5.5 HBase作为共享源示例 103
5.6 通过Web UI工具查看HBase状态 106
5.6.1 Master状态界面 106
5.6.2 RegionServer状态界面 107
5.6.3 ZooKeeper统计信息页面 109
5.7 其他客户端 110
5.8 本章小结 110
第二部分 实战篇 114
第6章 整合SQL引擎层 114
6.1 NoSQL背景知识 114
6.1.1 什么是NoSQL 114
6.1.2 将SQL整合到HBase的原因 115
6.1.3 基于HBase的SQL引擎实现 116
6.2 Hive整合HBase的实现 119
6.2.1 认识Hive 119
6.2.2 Hive整合HBase的环境准备 122
6.2.3 Linux环境下重新编译Hive 123
6.2.4 Hive参数配置 125
6.2.5 启动Hive 127
6.2.6 Hive与HBase整合后的框架如何使用 127
6.2.7 HBase到Hive的字段映射 133
6.2.8 多列与Hive Map类型 134
6.3 查询引擎Phoenix 137
6.3.1 认识Phoenix 138
6.3.2 Phoenix安装环境准备 141
6.3.3 Phoenix安装部署 142
6.3.4 Phoenix源码编译 143
6.3.5 Phoenix中SQLLine的快速使用 149
6.3.6 使用JDBC访问Phoenix 153
6.4 对象映射框架Kundera 155
6.4.1 认识Kundera 155
6.4.2 Kundera的客户端API快速使用 158
6.4.3 Kundera模块介绍 161
6.4.4 Kundera的REST访问方式 162
6.5 分布式SQL引擎Lealone 165
6.5.1 认识Lealone 165
6.5.2 Lealone的安装部署 166
6.5.3 通过JDBC访问Lealone 168
6.5.4 通过Python访问Lealone 169
6.5.5 Lealone特有的建表语法 170
6.6 本章小结 171
第7章 构建音乐站用户属性库 173
7.1 案例背景 173
7.1.1 音乐站 173
7.1.2 需求概述 175
7.1.3 需求范围和系统边界 175
7.1.4 需求详述 176
7.1.5 名词解释 180
7.2 概要设计 181
7.2.1 设计目标 181
7.2.2 数据规模假设 181
7.2.3 功能指标 182
7.2.4 系统流程 182
7.3 表结构设计 183
7.3.1 功能抽象 183
7.3.2 逻辑结构 184
7.3.3 Rowkey设计 188
7.3.4 列族设计 188
7.3.5 版本定义 188
7.3.6 优化属性定义 188
7.4 数据加载 189
7.4.1 加载流程 189
7.4.2 Mapper类 190
7.4.3 Main类 192
7.4.4 运行 193
7.5 数据检索 193
7.5.1 HBaseTable 193
7.5.2 HBaseAdmin 193
7.5.3 几种检索类型 195
7.6 后台查询 198
7.6.1 二级索引实现 198
7.6.2 后台查询系统 205
7.7 本章小结 206
第8章 构建广告实时计算系统 208
8.1 理解广告数据和流处理框架 208
8.1.1 网络广告的几大特性 209
8.1.2 网络广告的数据类型 210
8.1.3 流处理框架 211
8.1.4 背景与需求描述 217
8.2 概要设计 218
8.2.1 设计目标 219
8.2.2 主要功能 219
8.2.3 系统架构 219
8.3 详细设计 221
8.3.1 表结构设计 221
8.3.2 功能模块设计 222
8.4 核心功能实现 223
8.4.1 规划集群环境部署 223
8.4.2 安装ZooKeeper集群 225
8.4.3 安装Kafka分布式集群 228
8.4.4 实现Kafka生产者 231
8.4.5 安装Storm分布式集群 233
8.4.6 查看集群节点部署情况 240
8.4.7 基于Storm-kafka中间件实现计算逻辑 240
8.4.8 如何使用HBase中统计数据 251
8.5 本章小结 252
第三部分 高级篇 254
第9章 核心概念 254
9.1 核心结构 254
9.1.1 B＋树 255
9.1.2 LSM树 255
9.1.3 两种结构本质区别 257
9.2 底层持久化 258
9.2.1 存储基本架构 258
9.2.2 HDFS文件 259
9.2.3 Region切分 264
9.2.4 合并 265
9.2.5 HFile格式 266
9.2.6 KeyValue格式 269
9.3 预写日志 270
9.3.1 概要流程 270
9.3.2 相关Java类 271
9.3.3 日志回放 274
9.3.4 日志一致性 275
9.4 写入流程 276
9.4.1 客户端 276
9.4.2 服务器端 281
9.5 查询流程 286
9.5.1 两种查询操作 286
9.5.2 客户端 286
9.5.3 服务器端 287
9.6 数据备份 291
9.6.1 备份机制架构 292
9.6.2 故障恢复 292
9.7 数据压缩 294
9.7.1 支持的压缩算法 295
9.7.2 使用配置 295
9.8 本章小结 296
第10章 HBase高级特性 297
10.1 过滤器 297
10.1.1 过滤器的两类参数 297
10.1.2 比较器 298
10.1.3 列值过滤器 300
10.1.4 键值元数据过滤器 300
10.1.5 行键过滤器 303
10.1.6 功能过滤器 303
10.1.7 Thrift使用过滤器 304
10.1.8 过滤器总结 309
10.2 计数器 310
10.2.1 使用Shell操作计数器 310
10.2.2 基于单列的计数器 312
10.2.3 多列计数器 313
10.3 协处理器 314
10.3.1 认识协处理器 315
10.3.2 观察者Observer 316
10.3.3 终端EndPoint 318
10.3.4 协处理器部署 320
10.4 Schema设计要点 323
10.4.1 行键设计 323
10.4.2 列族设计 325
10.5 二级索引 325
10.5.1 Client-managed方式 326
10.5.2 ITHBase实现 326
10.5.3 IHBase实现 329
10.5.4 Coprocessor方式 329
10.5.5 MapReduce两种方式 330
10.6 布隆过滤器 330
10.6.1 基本概念 331
10.6.2 配置布隆过滤器 332
10.6.3 使用布隆过滤器 333
10.7 负载均衡 333
10.7.1 全局计划 334
10.7.2 随机分配计划 337
10.7.3 批量启动分配计划 337
10.7 通过Shell控制负载均衡 338
10.8 批量加载 338
10.8.1 准备数据：importtsv 338
10.8.2 加载数据：completebulkload 340
10.9 本章小结 340
第11章 集群运维管理 341
11.1 HBase常用工具 341
11.1.1 文件检测修复工具hbck 342
11.1.2 文件查看工具hfile 346
11.1.3 WAL日志查看工具hlog 348
11.1.4 压缩测试工具CompressionTest 349
11.1.5 数据迁移工具CopyTable 350
11.1.6 导出工具export 351
11.1.7 导入工具Import 351
11.1.8 日志回放工具 351
11.1.9 行数统计工具 352
11.2 Region和RegionServer管理 353
11.2.1 大合并工具major_compact 353
11.2.2 Region合并工具Merge 354
11.2.3 下线节点 354
11.2.4 滚动重启 355
11.3 性能指标Metrics 356
11.3.1 Master Metrics 357
11.3.2 RegionServer Metrics 357
11.3.3 RPC Metrics 358
11.3.4 JVM Metrics 359
11.3.5 集群属性Metrics 360
11.4 监控系统Ganglia 360
11.4.1 HBase监控指标 360
11.4.2 安装、部署和使用Ganglia 361
11.5 HBase管理扩展JMX 366
11.5.1 如何使用JMX 366
11.5.2 基于JMX的监控工具Ella 368
11.6 报警工具Nagios 371
11.7 故障处理 376
11.7.1 问题咨询渠道 377
11.7.2 常用日志信息 377
11.7.3 常用故障调试工具 379
11.7.4 客户端故障排查 384
11.7.5 MapReduce故障排查 386
11.7.6 网络故障排查 387
11.7.7 RegionServer相关问题解决 387
11.7.8 Master相关问题解决 391
11.7.9 ZooKeeper相关问题解决 392
11.8 集群备份 392
11.8.1 冷备份 393
11.8.2 热备份之Replication 393
11.8.3 热备份之CopyTable 393
11.8.4 热备份之Export 393
11.9 本章小结 393
第12章 性能调优 395
12.1 硬件和操作系统调优 395
12.1.1 配置内存 395
12.1.2 配置CPU 396
12.1.3 操作系统 396
12.2 网络通信调优 399
12.2.1 配置交换机 399
12.2.2 添加机架感知 401
12.3 JVM优化 402
12.3.1 Java垃圾回收算法 402
12.3.2 Java垃圾收集器 403
12.3.3 垃圾回收器的选择 405
12.3.4 JVM参数设置 406
12.4 HBase查询优化 408
12.4.1 设置Scan缓存 408
12.4.2 显式地指定列 409
12.4.3 关闭ResultScanner 410
12.4.4 禁用块缓存 410
12.4.5 优化行键查询 410
12.4.6 通过HTableTool访问 410
12.4.7 使用批量读 411
12.4.8 使用Filter降低客户端压力 412
12.4.9 使用Coprocessor统计行数 412
12.4.10 缓存查询结果 413
12.5 HBase写入优化 413
12.5.1 关闭写WAL日志 413
12.5.2 设置AutoFlush 414
12.5.3 预创建Region 415
12.5.4 延迟日志flush 419
12.5.5 通过HTableTool访问 419
12.5.6 使用批量写 420
12.6 HBase基本核心服务优化 421
12.6.1 优化分裂操作 421
12.6.2 优化合并操作 423
12.7 HBase配置参数优化 423
12.7.1 设置RegionServer Handler数量 423
12.7.2 调整BlockCache大小 425
12.7.3 设置MemStore的上下限 426
12.7.4 调整影响合并的文件数 427
12.7.5 调整MemStore的flush因子 427
12.7.6 调整单个文件大小 427
12.7.7 调整ZooKeeper Session的有效时长 428
12.8 分布式协调系统ZooKeeper优化 428
12.8.1 配置ZooKeeper节点数 428
12.8.2 独立ZooKeeper集群 429
12.9 表设计优化 430
12.9.1 开启布隆过滤器 430
12.9.2 调整列族块大小 430
12.9.3 设置In Memory属性 432
12.9.4 调整列族最大版本数 434
12.9.5 设置TTL属性 435
12.10 其他优化 436
12.10.1 关闭MapReduce的预测执行功能 436
12.10.2 修改负载均衡执行周期 438
12.11 性能测试 438
12.12 本章小结 441
附录A HBase配置参数介绍 442
附录B Phoenix SQL语法详解 451
附录C YCSB编译安装 468