HBase 入門 (1)
Hadoop と HBase で分散処理が書けるのはわかったけど、いざ使ってみるとなるとドキュメントが少なくて……、というあなたの為の HBase 入門、今回はセットアップから Java の API で HBase を触るまでを勉強します。
使用するバージョンは Hadoop 0.17.2.1、HBase 0.2.1 です。
0. 参考ページ
http://hadoop.apache.org/core/docs/r0.17.2/
FrontPage - Hadoop Wiki
http://hadoop.apache.org/core/docs/r0.17.2/api/index.html
Hbase - Hadoop Wiki
http://hadoop.apache.org/hbase/docs/r0.2.1/api/index.html
1. Hadoop のセットアップ
http://hadoop.apache.org/core/docs/r0.17.2/quickstart.html を参考にインストールします。Java 1.5.x とありますが、1.6 でもたぶん動きます。今回は学習用にスタンドアローンで動かすので、$HADOOP_HOME/conf/hadoop-env.sh の JAVA_HOME を書くだけでよいでしょう。サンプルで動作を確認しましょう。
2. HBase のセットアップ
ダウンロードページ からとってきて展開します。Hadoop と同じく、$HBASE_HOME/conf/hadoop-env.sh の JAVA_HOME だけ設定します。
3. HBase の起動
$HBASE_HOME/bin/start-hbase.sh を実行して HBase を起動します。
debian:~/lib/hbase-0.2.1% bin/start-hbase.sh starting master, logging to /home/wanpark/lib/hbase-0.2.1/bin/../logs/hbase-wanpark-master-debian.out localhost: starting regionserver, logging to /home/wanpark/lib/hbase-0.2.1/bin/../logs/hbase-wanpark-regionserver-debian.out
Hadoop の起動は不要です。
4. shell で HBase に慣れよう
$HBASE_HOME/bin/hbase shell でシェルが起動します。実体は irb です。いくつかコマンドを打って慣れましょう。
debian:~/lib/hbase-0.2.1% bin/hbase shell HBase Shell; enter 'help<RETURN>' for list of supported commands. Version: 0.2.1, r693938, Wed Sep 10 13:13:09 PDT 2008 hbase(main):001:0> help HBASE SHELL COMMANDS: alter Alter column family schema; pass table name and a dictionary ...
次のような成績表を作りましょう(http://www.nabble.com/Re%3A-Map-Reduce-over-HBase---sample-code-p18253120.html を参考にしました)。
grade: | course:math | course:art | |
---|---|---|---|
Dan | 1 | 87 | 97 |
Dana | 2 | 100 | 80 |
縦を column、横を row、データの1マス1マスを cell と呼びます。
hbase(main):002:0> create 'scores', 'grade', 'course' 0 row(s) in 4.1610 seconds hbase(main):003:0> list scores 1 row(s) in 0.0210 seconds hbase(main):004:0> describe 'scores' {NAME => 'scores', IS_ROOT => 'false', IS_META => 'false', FAMILIES => [{NAME => 'course', BLOOMFILTER => 'fal se', IN_MEMORY => 'false', LENGTH => '2147483647', BLOCKCACHE => 'false', VERSIONS => '3', TTL => '-1', COMPRE SSION => 'NONE'}, {NAME => 'grade', BLOOMFILTER => 'false', IN_MEMORY => 'false', LENGTH => '2147483647', BLOC KCACHE => 'false', VERSIONS => '3', TTL => '-1', COMPRESSION => 'NONE'}]} 1 row(s) in 0.0130 seconds hbase(main):005:0> put 'scores', 'Dan', 'grade:', '1' 0 row(s) in 0.0070 seconds hbase(main):006:0> put 'scores', 'Dan', 'course:math', '87' 0 row(s) in 0.0040 seconds hbase(main):007:0> put 'scores', 'Dan', 'course:art', '97' 0 row(s) in 0.0030 seconds hbase(main):008:0> put 'scores', 'Dana', 'grade:', '2' 0 row(s) in 0.0040 seconds hbase(main):009:0> put 'scores', 'Dana', 'course:math', '100' 0 row(s) in 0.0030 seconds hbase(main):010:0> put 'scores', 'Dana', 'course:art', '80' 0 row(s) in 0.0050 seconds hbase(main):011:0> get 'scores', 'Dan' COLUMN CELL course:art timestamp=1224726394286, value=97 course:math timestamp=1224726377027, value=87 grade: timestamp=1224726360727, value=1 3 row(s) in 0.0070 seconds hbase(main):012:0> scan 'scores' ROW COLUMN+CELL Dan column=course:art, timestamp=1224726394286, value=97 Dan column=course:math, timestamp=1224726377027, value=87 Dan column=grade:, timestamp=1224726360727, value=1 Dana column=course:art, timestamp=1224726424967, value=80 Dana column=course:math, timestamp=1224726416145, value=100 Dana column=grade:, timestamp=1224726404965, value=2 6 row(s) in 0.0410 seconds hbase(main):013:0> scan 'scores', ['course:'] ROW COLUMN+CELL Dan column=course:art, timestamp=1224726394286, value=97 Dan column=course:math, timestamp=1224726377027, value=87 Dana column=course:art, timestamp=1224726424967, value=80 Dana column=course:math, timestamp=1224726416145, value=100 4 row(s) in 0.0200 seconds
MySQL などの一般的な RDB では row 単位でデータを扱いますが、HBase では cell がデータの単位です。
カラム名は (ファミリー名):(サブカラム名) となっていて、テーブルの定義ではファミリー名のみを指定します。サブカラム名はデータを挿入する際に自由に付けることができます。上の scan の例のように、同一ファミリーのカラムはまとめて指定できます。
各 cell にはエポックミリ秒の timestamp がついています。同一の row, column でもtimestamp が異なれば複数の cell が保存できます。ですが基本的に最新の timestamp を持つ cell の使用のみが想定されているようなので、同一 column 名での保存は上書きに近いです。
5. Java から HBase を使おう
Hadoop/HBase の jar と conf、それと必要なライブラリに classpath を通しておきます。ant などを使う場合は $HADOOP_HOME/lib 以下の jar ファイルをクラスパスに加えるといいでしょう。
debian:~/tmp/hbase% export HADOOP_HOME=~/lib/hadoop-0.17.2.1 debian:~/tmp/hbase% export HBASE_HOME=~/lib/hbase-0.2.1 debian:~/tmp/hbase% export CLASSPATH=.:$HADOOP_HOME/hadoop-0.17.2.1-core.jar:$HADOOP_HOME/conf:$HBASE_HOME/hbase-0.2.1.jar:$HBASE_HOME/conf:$HADOOP_HOME/lib/commons-logging-1.0.4.jar:$HADOOP_HOME/lib/log4j-1.2.13.jar
前項と同じ成績表を作ります。
import java.io.IOException; import java.io.ByteArrayOutputStream; import java.io.DataOutputStream; import java.io.ByteArrayInputStream; import java.io.DataInputStream; import java.util.Map; import org.apache.hadoop.io.Writable; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HTableDescriptor; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.hadoop.hbase.client.HBaseAdmin; import org.apache.hadoop.hbase.client.HTable; import org.apache.hadoop.hbase.io.BatchUpdate; import org.apache.hadoop.hbase.io.RowResult; import org.apache.hadoop.hbase.io.Cell; import org.apache.hadoop.hbase.util.Writables; public class HBaseBasic { public static void main(String[] args) throws Exception { HBaseConfiguration config = new HBaseConfiguration(); HBaseAdmin admin = new HBaseAdmin(config); if (admin.tableExists("scores")) { System.out.println("drop table"); admin.disableTable("scores"); admin.deleteTable("scores"); } System.out.println("create table"); HTableDescriptor tableDescripter = new HTableDescriptor("scores".getBytes()); tableDescripter.addFamily(new HColumnDescriptor("grade:")); tableDescripter.addFamily(new HColumnDescriptor("course:")); admin.createTable(tableDescripter); HTable table = new HTable(config, "scores"); System.out.println("add Dan's data"); BatchUpdate danUpdate = new BatchUpdate("Dan"); danUpdate.put("grade:", Writables.getBytes(new IntWritable(1))); danUpdate.put("course:math", Writables.getBytes(new IntWritable(87))); danUpdate.put("course:art", Writables.getBytes(new IntWritable(97))); table.commit(danUpdate); System.out.println("add Dana's data"); BatchUpdate danaUpdate = new BatchUpdate("Dana"); danaUpdate.put("grade:", Writables.getBytes(new IntWritable(2))); danaUpdate.put("course:math", Writables.getBytes(new IntWritable(100))); danaUpdate.put("course:art", Writables.getBytes(new IntWritable(80))); table.commit(danaUpdate); for (RowResult row : table.getScanner(new String[] { "course:" })) { System.out.format("ROW\t%s\n", new String(row.getRow())); for (Map.Entry<byte[], Cell> entry : row.entrySet()) { String column = new String(entry.getKey()); Cell cell = entry.getValue(); IntWritable value = new IntWritable(); Writables.copyWritable(cell.getValue(), value); System.out.format(" COLUMN\t%s\t%d\n", column, value.get()); } } } }
HBase には byte 列でアクセスするのでややまどろっこしい事になっていますが、やっていることは shell の時と同じです。これを実行します。
debian:~/tmp/hbase% javac HBaseBasic.java debian:~/tmp/hbase% java HBaseBasic drop table 08/10/23 12:51:59 INFO client.HBaseAdmin: Disabled scores 08/10/23 12:51:59 INFO client.HBaseAdmin: Deleted scores create table add Dan's data add Dana's data ROW Dan COLUMN course:art 97 COLUMN course:math 87 ROW Dana COLUMN course:art 80 COLUMN course:math 100