hbase是hadoop的資料庫，能夠對大資料提供随機、實時讀寫通路。他是開源的，分布式的，多版本的，面向列的，存儲模型。
在講解的時候我首先給大家講解一下hbase的整體結構，如下圖：
hbase master是伺服器負責管理所有的hregion伺服器，hbase master并不存儲hbase伺服器的任何資料，hbase邏輯上的表可能會劃分為多個hregion，然後存儲在hregion server群中，hbase master server中存儲的是從資料到hregion server的映射。
一台機器隻能運作一個hregion伺服器，資料的操作會記錄在hlog中，在讀取資料時候，hregion會先通路hmemcache緩存，如果 緩存中沒有資料才回到hstore中上找，沒一個列都會有一個hstore集合，每個hstore集合包含了很多具體的hstorefile檔案，這些文 件是b樹結構的，友善快速讀取。
再看下hbase資料實體視圖如下：
row key
timestamp
column family
uri
parser
r1
t3
url=http://www.taobao.com
title=天天特價
t2
host=taobao.com
t1
r2
t5
url=http://www.alibaba.com
content=每天…
t4
host=alibaba.com
Ø row key: 行鍵，table的主鍵，table中的記錄按照row key排序
Ø timestamp: 時間戳，每次資料操作對應的時間戳，可以看作是資料的version number
Ø column family：列簇，table在水準方向有一個或者多個column family組成，一個column family中可以由任意多個column組成，即column family支援動态擴充，無需預先定義column的數量以及類型，所有column均以二進制格式存儲，使用者需要自行進行類型轉換。
了解了hbase的體系結構和hbase資料視圖夠，現在讓我們一起看看怎樣通過java來操作hbase資料吧！
先說說具體的api先，如下
hbaseconfiguration是每一個hbase client都會使用到的對象，它代表的是hbase配置資訊。它有兩種構造方式：
public hbaseconfiguration()
public hbaseconfiguration(final configuration c)
預設的構造方式會嘗試從hbase-default.xml和hbase-site.xml中讀取配置。如果classpath沒有這兩個檔案，就需要你自己設定配置。
configuration hbase_config = new configuration();
hbase_config.set(“hbase.zookeeper.quorum”, “zkserver”);
hbase_config.set(“hbase.zookeeper.property.clientport”, “2181″);
hbaseconfiguration cfg = new hbaseconfiguration(hbase_config);
建立表
建立表是通過hbaseadmin對象來操作的。hbaseadmin負責表的meta資訊處理。hbaseadmin提供了createtable這個方法：
public void createtable(htabledescriptor desc)
htabledescriptor 代表的是表的schema, 提供的方法中比較有用的有
setmaxfilesize，指定最大的region size
setmemstoreflushsize 指定memstore flush到hdfs上的檔案大小
增加family通過 addfamily方法
public void addfamily(final hcolumndescriptor family)
hcolumndescriptor 代表的是column的schema，提供的方法比較常用的有
settimetolive:指定最大的ttl,機關是ms,過期資料會被自動删除。
setinmemory:指定是否放在記憶體中，對小表有用，可用于提高效率。預設關閉
setbloomfilter:指定是否使用bloomfilter,可提高随機查詢效率。預設關閉
setcompressiontype:設定資料壓縮類型。預設無壓縮。
setmaxversions:指定資料最大儲存的版本個數。預設為3。
一個簡單的例子，建立了4個family的表：
hbaseadmin hadmin = new hbaseadmin(hbaseconfig);
htabledescriptor t = new htabledescriptor(tablename);
t.addfamily(new hcolumndescriptor(“f1″));
t.addfamily(new hcolumndescriptor(“f2″));
t.addfamily(new hcolumndescriptor(“f3″));
t.addfamily(new hcolumndescriptor(“f4″));
hadmin.createtable(t);
删除表
删除表也是通過hbaseadmin來操作，删除表之前首先要disable表。這是一個非常耗時的操作，是以不建議頻繁删除表。
disabletable和deletetable分别用來disable和delete表。
example:
if (hadmin.tableexists(tablename)) {
hadmin.disabletable(tablename);
hadmin.deletetable(tablename);
}
查詢資料
查詢分為單條随機查詢和批量查詢。
單條查詢是通過rowkey在table中查詢某一行的資料。htable提供了get方法來完成單條查詢。
批量查詢是通過制定一段rowkey的範圍來查詢。htable提供了個getscanner方法來完成批量查詢。
public result get(final get get)
public resultscanner getscanner(final scan scan)
get對象包含了一個get查詢需要的資訊。它的構造方法有兩種：
public get(byte [] row)
public get(byte [] row, rowlock rowlock)
rowlock是為了保證讀寫的原子性，你可以傳遞一個已經存在rowlock，否則hbase會自動生成一個新的rowlock。
scan對象提供了預設構造函數，一般使用預設構造函數。
get/scan的常用方法有：
addfamily/addcolumn:指定需要的family或者column,如果沒有調用任何addfamily或者column,會傳回所有的columns.
setmaxversions:指定最大的版本個數。如果不帶任何參數調用setmaxversions,表示取所有的版本。如果不掉用setmaxversions,隻會取到最新的版本。
settimerange:指定最大的時間戳和最小的時間戳，隻有在此範圍内的cell才能被擷取。
settimestamp:指定時間戳。
setfilter:指定filter來過濾掉不需要的資訊
scan特有的方法：
setstartrow:指定開始的行。如果不調用，則從表頭開始。
setstoprow:指定結束的行（不含此行）。
setbatch:指定最多傳回的cell數目。用于防止一行中有過多的資料，導緻outofmemory錯誤。
resultscanner是result的一個容器，每次調用resultscanner的next方法，會傳回result.
public result next() throws ioexception;
public result [] next(int nbrows) throws ioexception;
result代表是一行的資料。常用方法有：
getrow:傳回rowkey
raw:傳回所有的key value數組。
getvalue:按照column來擷取cell的值
scan s = new scan();
s.setmaxversions();
resultscanner ss = table.getscanner(s);
for(result r:ss){
system.out.println(new string(r.getrow()));
for(keyvalue kv:r.raw()){
system.out.println(new string(kv.getcolumn()));
}
插入資料
htable通過put方法來插入資料。
public void put(final put put) throws ioexception
public void put(final list puts) throws ioexception
可以傳遞單個批put對象或者list put對象來分别實作單條插入和批量插入。
put提供了3種構造方式：
public put(byte [] row)
public put(byte [] row, rowlock rowlock)
public put(put puttocopy)
put常用的方法有：
add:增加一個cell
settimestamp:指定所有cell預設的timestamp,如果一個cell沒有指定timestamp,就會用到這個值。如果沒有調用，hbase會将目前時間作為未指定timestamp的cell的timestamp.
setwritetowal: wal是write ahead log的縮寫，指的是hbase在插入操作前是否寫log。預設是打開，關掉會提高性能，但是如果系統出現故障(負責插入的region server挂掉)，資料可能會丢失。
另外htable也有兩個方法也會影響插入的性能
setautoflash: autoflush指的是在每次調用hbase的put操作，是否送出到hbase server。預設是true,每次會送出。如果此時是單條插入，就會有更多的io,進而降低性能.
setwritebuffersize: write buffer size在autoflush為false的時候起作用，預設是2mb,也就是當插入資料超過2mb,就會自動送出到server
htable table = new htable(hbaseconfig, tablename);
table.setautoflush(autoflush);
list lp = new arraylist();
int count = 10000;
byte[] buffer = new byte[1024];
random r = new random();
for (int i = 1; i <= count; ++i) {
put p = new put(string.format(“row%09d”,i).getbytes());
r.nextbytes(buffer);
p.add(“f1″.getbytes(), null, buffer);
p.add(“f2″.getbytes(), null, buffer);
p.add(“f3″.getbytes(), null, buffer);
p.add(“f4″.getbytes(), null, buffer);
p.setwritetowal(wal);
lp.add(p);
if(i%1000==0){
table.put(lp);
lp.clear();
}
删除資料
htable 通過delete方法來删除資料。
public void delete(final delete delete)
delete構造方法有：
public delete(byte [] row)
public delete(byte [] row, long timestamp, rowlock rowlock)
public delete(final delete d)
delete常用方法有
deletefamily/deletecolumns:指定要删除的family或者column的資料。如果不調用任何這樣的方法，将會删除整行。
注意：如果某個cell的timestamp高于目前時間，這個cell将不會被删除，仍然可以查出來。
htable table = new htable(hbaseconfig, “mytest”);
delete d = new delete(“row1″.getbytes());
table.delete(d)
切分表
hbaseadmin提供split方法來将table 進行split.
public void split(final string tablenameorregionname)
如果提供的tablename，那麼會将table所有region進行split ;如果提供的region name，那麼隻會split這個region.
由于split是一個異步操作，我們并不能确切的控制region的個數。
public void split(string tablename,int number,int timeout) throws exception {
configuration hbase_config = new configuration();
hbase_config.set(“hbase.zookeeper.quorum”, globalconf.zookeeper_quorum);
hbase_config.set(“hbase.zookeeper.property.clientport”, globalconf.zookeeper_port);
hbaseconfiguration cfg = new hbaseconfiguration(hbase_config);
hbaseadmin hadmin = new hbaseadmin(cfg);
htable htable = new htable(cfg,tablename);
int oldsize = 0;
t = system.currenttimemillis();
while(true){
int size = htable.getregionsinfo().size();
logger.info(“the region number=”+size);
if(size>=number ) break;
if(size!=oldsize){
hadmin.split(htable.gettablename());
oldsize = size;
} else if(system.currenttimemillis()-t>timeout){
break;
thread.sleep(1000*10);