⑴ 如何用java redis hbase
比如 MongoDB 和 CouchDB。每個數據存儲都有其優勢和劣勢，特別是當應用於特定領域時。 本期的 Java 開發 2.0 關注的是 Redis，一種輕量級鍵值對數據存儲。多數 NoSQL 實現本質上都是鍵值對，但是 Redis 支持非常豐富的值集，其中包括字元串、列表、集以及散列。因此，Redis 通常被稱為數據結構伺服器。Redis 也以異常快速而聞名，這使得它成為某一特定類型使用案例的最優選擇。 當我們想要了解一種新事物時，將其同熟知的事物進行比較可能會有所幫助，因此，我們將通過對比其與 memcached 的相似性以開啟 Redis 探索之旅。接著我們將介紹 Redis 的主要功能，這些功能可以使其在某些應用場景可以勝過 memcached。最後我將向您展示如何將 Redis 作為一個傳統數據存儲用於模型對象。Redis 和 memcached Memcached 是一個眾所周知的內存對象緩存系統，通過將目標鍵和值導入內存緩存運行。因此，Memcached 能迴避讀取磁碟時發生的 I/O 成本問題。在 Web 應用程序和資料庫之間粘貼 memcached 時會產生更好的讀取性能。因此，對於那些需要快速數據查詢的應用程序，Memcached 是一個不錯的選擇。其中的一個例子為股票查詢服務，需要另外訪問資料庫獲取相對靜態數據，如股票名稱或價格信息。 MemcacheDB 將Redis 與 memcached 相比較並不公平，它與 MemcacheDB 相比要好的多，MemcacheDB 是一個分布式鍵值對存儲系統，專為數據持久化而設計。MemcacheDB 與 Redis 較為相似，其新增優勢可以使其輕松地與 memcached 實現的客戶端進行通信。 但是memcached 也有其局限性，其中一個事實就是它所有的值均是簡單的字元串。Redis 作為 memcached 的替代者，支持更加豐富的功能集。一些基準 (benchmarks) 也表明 Redis 的速度要比 memcached 快很多。Redis 提供的豐富數據類型使其可以在內存中存儲更為復雜的數據，這是使用 memcached 無法實現的。同 memcached 不一樣，Redis 可以持久化其數據。 Redis 解決了一個重大的緩存問題，而其豐富的功能集又為其找到了其他用途。由於 Redis 能夠在磁碟上存儲數據以及跨節點復制數據，因而可以作為數據倉庫用於傳統數據模式（也就是說，您可以使用 Redis，就像使用 RDBMS 一樣）。Redis 還經常被用作隊列系統。在本用例中，Redis 是備份和工作隊列持久化存儲（利用 Redis 的列表類型）的基礎。GitHub 是以此種方法使用 Redis 的大規模基礎架構示例准備好 Redis，立即開始! 要開始使用 Redis，您需要訪問它，可以通過本地安裝或者託管供應商來實現訪問。如果您使用的 MAC，安裝過程可能就不那麼簡單。
⑵ 如何進入大數據領域,學習路線是什麼
進入大數據領域，學習路線是多元且深入的，但關鍵在於打下堅實的基礎。首先，學習 Java 語言和 Linux 操作系統，這兩項技能是大數據學習的基石。
在 Java 方面，重點掌握 JavaSE，無需深入 JavaEE、JavaME 的技術。了解 Servlet、JSP、Tomcat、Struts、Spring、Hibernate、Mybatis 的用途，但無需深入學習它們在大數據中的應用，重點在於理解 Java 如何連接資料庫，掌握 JDBC 的使用。
對於 Hibernate 或 Mybatis，雖然它們能連接資料庫，但它們可能不是大數據處理的首選技術，學習它們的原理能加深你對 Java 操作資料庫的理解，尤其是 Java 的反射和 JDBC 的使用。
Linux 的學習需要扎實，因為大數據相關軟體運行在其之上。這將幫助你更好地理解 Hadoop、Hive、HBase、Spark 等軟體的運行環境和網路配置，減少錯誤，提高學習效率。同時，學習 shell 腳本能讓你更輕松地配置大數據集群。
掌握了基礎後，推薦以下技術學習路線：
1. Hadoop：這是大數據處理的核心平台，學習 HDFS、MapRece 和 YARN。HDFS 用於數據存儲，MapRece 用於數據處理，YARN 則是管理資源的平台，讓大數據生態系統中的軟體能在上面運行，節省資源。
2. Zookeeper：它常用於存儲協作信息，如 Hadoop HA 安裝時用到。了解其基本安裝和運行即可。
3. MySQL：學習基本的安裝、配置許可權和 SQL 語法，為學習 Hive 做准備。
4. Sqoop：用於 MySQL 數據導入到 Hadoop，理解其使用方法。
5. Hive：對於熟悉 SQL 的人來說，Hive 是神器，簡化了大數據處理。掌握 Hive 的 SQL 語法。
6. Oozie：管理 Hive、MapRece、Spark 腳本，檢查程序執行狀態，配置任務依賴，提升工作效率。
7. Hbase：Hadoop 生態系統中的 NoSQL 資料庫，用於存儲和處理大數據。
8. Kafka：用於數據排隊處理，解決數據處理壓力，配合 Flume 進行數據採集和處理。
9. Spark：彌補 MapRece 處理速度上的不足，適合迭代運算，用 Scala 編寫，Java 或 Scala 可操作。
10. Flink：提供快速的流式計算，支持數據處理的各類需求，是大數據處理的高效工具。
掌握以上技術後，你將成為專業的大數據開發工程師。持續學習 Python、網路爬蟲、推薦和分類演算法原理等，將使你成為公司不可或缺的專家。
最後，分享一篇學好大數據的建議文章，幫助你深入理解大數據的學習方法和實踐技巧。
⑶ hbase java端調用
這是缺少必要的類org/apache/hadoop/thirdparty/guava/common/primitives/UnsignedBytes
你可以到jarsearch上搜索含有這個類的jar包，然後把它放到classpath下就行了
⑷ eclipse中Java程序實現對HBase操作報錯:java.io.IOException: Attempt to start meta tracker failed.
我hadoop和Hbase都是採用偽分布式的
代碼如下：
public class HbaseTest {
private static Configuration conf;
static{
conf = HBaseConfiguration.create();
conf.set("hbase.rootdir", "hdfs://192.168.56.2:9000/hbase");
//使用eclipse時必須添加這個，否則無法定位
conf.set("hbase.zookeeper.quorum", "192.168.56.2");
conf.set("hbase.zookeeper.property.clientPort", "2181");
}
public static void createTable(String tableName){
System.out.println("start create table ......");
try {
HBaseAdmin hbAdmin = new HBaseAdmin(conf);
if(hbAdmin.tableExists(tableName)){
hbAdmin.disableTable(tableName);
hbAdmin.deleteTable(tableName);
System.out.println(tableName + " is exist,detele ....");
}
// HTableDescriptor htd = new HTableDescriptor(tableName);
HTableDescriptor htd = new HTableDescriptor(tableName);
htd.addFamily(new HColumnDescriptor("cf1"));
htd.addFamily(new HColumnDescriptor("cf2"));
htd.addFamily(new HColumnDescriptor("cf3"));
htd.addFamily(new HColumnDescriptor("cf4"));
hbAdmin.createTable(htd);
} catch (MasterNotRunningException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (ZooKeeperConnectionException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
System.out.println("end create table ......");
}
public static void main(String[] args) {
createTable("testTable");
}
更多0