码迷,mamicode.com
首页 > 其他好文 > 详细

基于HBase的冠字号查询系统1--理论部分

时间:2016-06-04 13:40:51      阅读:338      评论:0      收藏:0      [点我收藏+]

标签:

1. 软件版本和部署

maven:3.3.9,jdk:1.7 ,Struts2:2.3.24.1,hibernate:4.3.6,spring:4.2.5,MySQL:5.1.34,Junit:4,Myeclipse:2014;

Hadoop2.6.4,HBase1.1.2

源码下载:https://github.com/fansy1990/ssh_v3/releases

部署参考:http://blog.csdn.net/fansy1990/article/details/51356583 

数据下载:http://download.csdn.net/detail/fansy1990/9540865 或  http://pan.baidu.com/s/1dEVeJz7 

2. 背景&思路

目前针对钞票识别,一般都是使用看、摸、听、测四种方式,这里使用一种比较客观的方式类进行识别。   建设冠字号管理查询系统,以冠字号查询为手段,有效解决银行对外误付假币的问题。从源头解决伪钞问题。

本系统就是使用客观的方法来验证伪钞。本系统采用的方案是基于冠字号的,每张人民币的冠字号是唯一的,如果有一个大表可以把所有的人民币以及人民币对应的操作(在什么时间、什么地点存入或获取)记录下来,这样在进行存取时就可以根据冠字号先查询一下,看当前冠字号对应的纸币在大表中的保存的情况,这样就可以确定当前冠字号对应的纸币是否是伪钞了(这里假设在大表中的所有冠字号对应的钞票都是真钞)。

下面对应存储场景:

 

存/取

最近状态(表中有无)

真钞/伪钞

场景1

伪钞

场景2

真钞

场景3

有(此时没有无状态)

真钞


目前,基于传统数据库存储数据一般在千万级别(受限于查询等性能),但是如果要存储所有钞票的信息以及其被存储或获取的记录信息,那么传统数据库肯定是不能胜任的。所以本系统是基于HBase的。

3. 功能指标

?  存储万级用户信息;

?  存储百万级别钞票信息;

?  支持前端业务每秒500+实时查询请求;

?  数据存储和计算能够可扩展;

?  提供统一接口,支持前端相关查询业务;


说明: 其中前两条,万级用户信息和百万级钞票信息是根据数据确定的,这里可以根据数据以及集群的大小进行调整(如果集群够大,存储信息也可以很大);

4. 架构

技术分享
冠字号查询系统包括下面5层:

?  数据层:包括基础数据MySQL、文档、Web数据等;

?  数据处理层:主要是数据的加载,包括MR加载方式、Java API加载模式、Sqoop加载模式等;

?  数据存储层:主要是HBase存储,包括钞票的所有信息以及用户信息等;

?  数据服务层:主要是对外提供查询、存储等接口服务;

?  数据应用层:存取钞系统,在存钞时设计到伪钞识别;其他应用系统;

5. 表设计

5.1原始数据:

冠字号存储记录(冠字号,表中是否有该冠字号(0表示没有,1表示有),存储或取时间,存储或取所在银行编号,用户id):
技术分享

用户信息表(用户Id,名字,出生日期,性别,地址,手机号,绑定银行编号):
技术分享


5.2冠字号记录

对数据进过初步探索,发现冠字号规律如下:
AAA[A~Z][0000~9999]
AAB[A~Z][0000~9999]
如果集群有四个节点,设置region初始为4,那么三个split点为:AAAM9999,AAAZ9999,AABM9999;
假设每个用户每天进行10次操作,如果要保存100天数据,那么设置版本数为1000,则建表语句如下:
create ‘records‘,{NAME=>‘info‘,VERSIONS=>1000},SPLITS =>[‘AAAM9999‘,‘AAAZ9999‘,‘AABM9999‘]

表结构描述如下:

主键/列簇

字段名称

字段含义

字段值举例

备注

rowkey

-

表主键(钞票冠字号)

AAAA0000

 

timestamp

-

时间戳

1414939140000

long型(可以存储用户操作的时间)

info

-

列簇

-

who、when、where做了哪些操作

exist

是否存在

1

如果用户是存储行为,那么在行为结束后,该值为1

uid

用户ID

4113281991XXXX9919

 

bank

存取钞银行

SPDBCNSH

银行编号



5.3用户信息

对数据进过初步探索,发现用户信息规律如下:
41132819[89~92]XXXX[0000~9999]
如果集群有四个节点,设置region初始为4,那么三个split点为:4113281990XXXX0000,4113281991XXXX0000,4113281992XXXX0000;
则建表语句如下:
create ‘user‘,{NAME=>‘info‘},SPLITS =>[‘4113281990XXXX0000‘,‘4113281991XXXX0000‘,‘4113281992XXXX0000‘]

表结构描述如下:

主键/列簇

字段名称

字段含义

字段值举例

备注

Rowkey

-

用户主键(身份证号)

4113281991XXXX9919

 

Timestamp

-

时间戳

1414939140000

long型

info

-

列簇

-

用户信息

name

用户名

JACO

 

gender

用户性别

femail

 

bank

用户注册银行

SPDBCNSH

银行编号

address

用户住址

EXX-O94-1319151759

 

 

birthday

用户出生年月

1981-10-20 09:12

 


6. 数据加载

系统在投入使用的时候,已经存在历史数据,需要把历史数据批量导入到系统中;在人民币首次发行时,也需要批量导入系统中。这里的导入直接使用MR导入。
MR设计成一个通用的数据从HDFS导入HBase的MR:

6.1 主类:

package ssh.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.util.Tool;

import ssh.util.HadoopUtils;

/**
 * Job Driver驱动类
 * 
 * @author fansy
 * 
 */
public class ImportToHBase extends Configured implements Tool {
	public static final String SPLITTER = "SPLITTER";
	public static final String COLSFAMILY = "COLSFAMILY";
	public static final String DATEFORMAT = "DATEFORMAT";

	@Override
	public int run(String[] args) throws Exception {
		if (args.length != 5) {
			System.err
					.println("Usage:\n demo.job.ImportToHBase <input> <tableName> <splitter> <rk,ts,col1:q1,col2:q1,col2:q2> <date_format>");
			return -1;
		}
		if (args[3] == null || args[3].length() < 1) {
			System.err.println("column family can‘t be null!");
			return -1;
		}
		Configuration conf = getConf();
		conf.set(SPLITTER, args[2]);
		conf.set(COLSFAMILY, args[3]);
		conf.set(DATEFORMAT, args[4]);
		TableName tableName = TableName.valueOf(args[1]);
		Path inputDir = new Path(args[0]);
		String jobName = "Import to " + tableName.getNameAsString();
		Job job = Job.getInstance(conf, jobName);
		job.setJarByClass(ImportMapper.class);
		FileInputFormat.setInputPaths(job, inputDir);
		job.setInputFormatClass(TextInputFormat.class);
		job.setMapperClass(ImportMapper.class);

		TableMapReduceUtil.initTableReducerJob(tableName.getNameAsString(),
				null, job);
		job.setNumReduceTasks(0);
		HadoopUtils.setCurrJob(job);// 设置外部静态Job
		return job.waitForCompletion(true) ? 0 : 1;
	}

}
主类的run方法中使用的是传统的MR导入HBase的代码,只是设置了额外的参数,这里主类参数意思解释如下:
input: HDFS输入数据路径;
splitter : 输入数据字段分隔符;
tableName : 表名;
<rk,ts,col1:q1,col2:q1> : 列描述, rk代表rowkey以及rowkey所在列、ts代表timestamp及其所在列;示例数据说明原始数据,第一列为rowkey,第二列为timestamp所在列,第三列属于列簇col1,同时列名为q1,第4列属于列簇col2,同时列名为q1;
date_format : timestamp日期格式,如果列描述中没有ts那么就代表原始数据中没有timestamp,则此参数没有意义;

6.2 Mapper:

package ssh.mr;

import java.io.IOException;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.ArrayList;

import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

/**
 * Mapper类,接收HDFS数据,写入到HBase表中
 * @author fansy
 *
 */
public class ImportMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Put>{
	private static final String COMMA = ",";
	private static final String COLON=":";
	private String splitter = null;
//	private String colsStr = null;
	
	private int rkIndex =0; // rowkey 下标
	private int tsIndex =1; // timestamp下标
	private boolean hasTs = false; // 原始数据是否有timestamp
	
	private SimpleDateFormat sf = null;
	
	private ArrayList<byte[][]> colsFamily= null;
	
	private Put put =null;

	ImmutableBytesWritable rowkey = new ImmutableBytesWritable();
	@Override
	protected void setup(Mapper<LongWritable, Text, ImmutableBytesWritable, Put>.Context context)
			throws IOException, InterruptedException {
		splitter = context.getConfiguration().get(ImportToHBase.SPLITTER,",");
		String colsStr = context.getConfiguration().get(ImportToHBase.COLSFAMILY,null);
		
		sf = context.getConfiguration().get(ImportToHBase.DATEFORMAT,null)==null
				? new SimpleDateFormat("yyyy-MM-dd HH:mm")
						:new SimpleDateFormat(context.getConfiguration().get(ImportToHBase.DATEFORMAT));
		
		String[] cols = colsStr.split(COMMA, -1);
		
		colsFamily =new ArrayList<>();
		for(int i=0;i< cols.length;i++){
			if("rk".equals(cols[i])){
				rkIndex= i;
				colsFamily.add(null);
				continue;
			}
			if("ts".equals(cols[i])){
				tsIndex = i;
				colsFamily.add(null);
				hasTs = true; // 原始数据包括ts
				continue;
			}
			colsFamily.add(getCol(cols[i]));
		}
		
	}
	/**
	 * 获取 family:qualifier byte数组
	 * @param col
	 * @return
	 */
	private byte[][] getCol(String col) {
		byte[][] fam_qua = new byte[2][];
		String[] fam_quaStr = col.split(COLON, -1);
		fam_qua[0]=  Bytes.toBytes(fam_quaStr[0]);
		fam_qua[1]=  Bytes.toBytes(fam_quaStr[1]);
	
		return fam_qua;
	}

	@Override
	protected void map(LongWritable key, Text value,
			Mapper<LongWritable, Text, ImmutableBytesWritable, Put>.Context context)
					throws IOException, InterruptedException {
		String[] words = value.toString().split(splitter, -1);
		
		if(words.length!=colsFamily.size()){
			System.out.println("line:"+value.toString()+" does not compatible!");
			return ;
		}
		
		rowkey.set(getRowKey(words[rkIndex]));
		
		put = getValue(words,colsFamily,rowkey.copyBytes());
		
		context.write(rowkey, put);
		
	}
	/**
	 * 获取Put值
	 * @param words
	 * @param colsFamily
	 * @param bs
	 * @return
	 */
	private Put getValue(String[] words, ArrayList<byte[][]> colsFamily, byte[] bs) {
		Put put = new Put(bs);
		
		for(int i=0;i<colsFamily.size();i++){
			if(colsFamily.get(i)==null){// rk 或ts
				continue;// 下一个 列
			}
			if(words[i]==null || words[i].length()==0) {
				// 不添加,直接往下一个value
				continue;
			}
			// 日期异常的记录同样添加
			if(hasTs){// 插入包含时间的数据
				put.addColumn(colsFamily.get(i)[0], colsFamily.get(i)[1],
					getLongFromDate(words[tsIndex]), Bytes.toBytes(words[i]));
			}else{// 不包含时间的数据
				put.addColumn(colsFamily.get(i)[0], colsFamily.get(i)[1],
						 Bytes.toBytes(words[i]));
			}
			
		}
		
		return put;
	}
	private long getLongFromDate(String dateStr)  {
		try{
			return sf.parse(dateStr).getTime();
		}catch(ParseException e){
			System.out.println(dateStr+" 转换失败!");
			return 0;
		}
	}
	/**
	 * 获取rowkey byte数组
	 * @param rowKey
	 * @return
	 */
	private byte[] getRowKey(String rowKey) {
		
		return Bytes.toBytes(rowKey);
	}

}

 Mapper是整个流程的核心,主要负责进行数据解析、并从HDFS导入到HBase表中的工作,其各个部分功能如下:

?  setup():获取输入数据字段分隔符,获取列簇、列名,获取rowkey列标,获取ts格式及列标(如果没有的话,就按照插入数据的时间设置);

?  map():解析、过滤并提取数据(需要的字段数据),生成Put对象,写入HBase;


6.3 针对records,user MR导入:

技术分享
只需要进行拼凑参数,然后直接调用即可。

7. 实时数据加载

使用Java API来操作HBase数据库,完成实时HBase数据库更新,包括冠字号查询、存取款等功能。




分享,成长,快乐

脚踏实地,专注

转载请注明blog地址:http://blog.csdn.net/fansy1990






基于HBase的冠字号查询系统1--理论部分

标签:

原文地址:http://blog.csdn.net/fansy1990/article/details/51583080

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!