HBase基本概念和hbase shell常用指令用法
-
簡介
HBase是一個分布式的、面向列的開源資料庫,源于google的一篇論文《bigtable：一個結構化資料的分布式存儲系統》。HBase是Google Bigtable的開源實作，它利用Hadoop HDFS作為其檔案存儲系統，利用Hadoop MapReduce來處理HBase中的海量資料，利用Zookeeper作為協同服務。
-
HBase的表結構
HBase以表的形式存儲資料。表有行和列組成。列劃分為若幹個列族/列簇(column family)。
如上圖所示，key1,key2,key3是三條記錄的唯一的row key值，column-family1,column-family2,column-family3是三個列族，每個列族下又包括幾列。比如column-family1這個列族下包括兩列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一确定的一個單元cell。這個cell中有兩個資料，abc和gdxdf。兩個值的時間戳不一樣，分别是t1,t2, hbase會傳回最新時間的值給請求者。
這些名詞的具體含義如下：
(1) Row Key
與nosql資料庫們一樣,row key是用來檢索記錄的主鍵。通路hbase table中的行，隻有三種方式：
(1.1) 通過單個row key通路
(1.2) 通過row key的range
(1.3) 全表掃描
Row key行鍵 (Row key)可以是任意字元串(最大長度是 64KB，實際應用中長度一般為 10-100bytes)，在hbase内部，row key儲存為位元組數組。
存儲時，資料按照Row key的字典序(byte order)排序存儲。設計key時，要充分排序存儲這個特性，将經常一起讀取的行存儲放到一起。(位置相關性)
注意：
字典序對int排序的結果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行鍵必須用0作左填充。
行的一次讀寫是原子操作 (不論一次讀寫多少列)。這個設計決策能夠使使用者很容易的了解程式在對同一個行進行并發更新操作時的行為。
(2) 列族 column family
hbase表中的每個列，都歸屬與某個列族。列族是表的chema的一部分(而列不是)，必須在使用表之前定義。列名都以列族作為字首。例如courses:history ， courses:math 都屬于 courses 這個列族。
通路控制、磁盤和記憶體的使用統計都是在列族層面進行的。實際應用中，列族上的控制權限能幫助我們管理不同類型的應用：我們允許一些應用可以添加新的基本資料、一些應用可以讀取基本資料并建立繼承的列族、一些應用則隻允許浏覽資料（甚至可能因為隐私的原因不能浏覽所有資料）。
(3) 單元 Cell
HBase中通過row和columns确定的為一個存貯單元稱為cell。由{row key, column( = + ), version} 唯一确定的單元。cell中的資料是沒有類型的，全部是位元組碼形式存貯。
(4) 時間戳 timestamp
每個cell都儲存着同一份資料的多個版本。版本通過時間戳來索引。時間戳的類型是 64位整型。時間戳可以由hbase(在資料寫入時自動 )指派，此時時間戳是精确到毫秒的目前系統時間。時間戳也可以由客戶顯式指派。如果應用程式要避免資料版本沖突，就必須自己生成具有唯一性的時間戳。每個cell中，不同版本的資料按照時間倒序排序，即最新的資料排在最前面。
為了避免資料存在過多版本造成的的管理 (包括存貯和索引)負擔，hbase提供了兩種資料版本回收方式。一是儲存資料的最後n個版本，二是儲存最近一段時間内的版本（比如最近七天）。使用者可以針對每個列族進行設定。
-
HBase shell的基本用法
hbase提供了一個shell的終端給使用者互動。通過執行 help get 可以看到指令的幫助資訊。
以網上的一個學生成績表的例子來示範hbase的用法。
這裡grad對于表來說是一個列,course對于表來說是一個列族,這個列族由兩個列組成math和art,當然我們可以根據我們的需要在course中建立更多的列族,如computer,physics等相應的列添加入course列族。圖中需要注意的是90這個值，列族下面的列也是可以沒有名字的。
(1) 建立一個表格scores 具有兩個列族grad 和courese
hbase(main):001:0> create’scores’,’grade’, ‘course’
0 row(s) in 0.4780 seconds
(2) 檢視目前HBase中具有哪些表
hbase(main):002:0> list
TABLE
scores
1 row(s) in 0.0270 seconds
(3) 檢視表的構造
hbase(main):004:0> describe’scores’
DESCRIPTION ENABLED
{NAME => ‘scores’, FAMILIES => [{NAME =>’course’, BLOOMFILTER => ‘NONE’, REPLICATION_SCOPE =>’0’, true
COMPRESSION => ‘NONE’, VERSIONS =>’3’, TTL => ‘2147483647’, BLOCKSIZE =>’65536’, IN_MEMORY => ‘fal
se’, BLOCKCACHE => ‘true’}, {NAME => ‘grade’, BLOOMFILTER => ‘NONE’, REPLICATION_SCOPE => ‘0’, COMPR
ESSION => ‘NONE’, VERSIONS => ‘3’, TTL => ‘2147483647’, BLOCKSIZE =>’65536’, IN_MEMORY => ‘false’,
BLOCKCACHE => ‘true’}]}
1 row(s) in 0.0390 seconds
(4) 加入一行資料,行名稱為zkb 列族grad的列名為”” 值位5
hbase(main):006:0> put’scores’,’zkb’,’grade:’,’5’
0 row(s) in 0.0420 seconds
(5) 給zkb這一行的資料的列族course添加一列