一、Hbase数据库介绍

1、简介

HBase 是 BigTable 的开源 java 版本。是建立在 HDFS 之上,提供高可靠性、高性能、列存储、 可伸缩、实时读写 NoSQL 的数据库系统。

NoSQL = NO SQL
     NoSQL = Not Only SQL
     把 NoSQL 数据的原生查询语句 封装成 SQL
     HBase Phoenix

以下五点是 HBase 这个 NoSQL 数据库的要点:

① 它介于 nosql 和 RDBMS 之间,仅能通过主键(row key)和主键的 range 来检索数据,仅支 持单行事务(可通过 hive 支持来实现多表 join 等复杂操作)。

② Hbase 查询数据功能很简单, 不支持 join 等复杂操作

③ 不支持复杂的事务(行级的事务)

④ Hbase 中支持的数据类型: byte[]

⑤ 主要用来存储结构化和半结构化的松散数据。

结构化:数据结构字段含义确定,清晰,典型的如数据库中的表结构.
     半结构化:具有一定结构,但语义不够确定,典型的如 HTML 网页,有些字段是确定的(title), 有些不确定(table)
     非结构化:杂乱无章的数据,很难按照一个概念去进行抽取,无规律性

与 hadoop 一样, Hbase 目标主要依靠横向扩展,通过不断增加廉价的商用服务器,来增加 计算和存储能力。 
HBase 中的表一般有这样的特点:
   (1) 大:一个表可以有上十亿行,上百万列
   (2) 面向列: 面向列(族)的存储和权限控制,列(族)独立检索。  (同时对两个列做处理,并不影响)
   (3) 稀疏:对于为空(null)的列,并不占用存储空间,因此,表可以设计的非常稀疏。

    2、表结构逻辑视图

HBase 以表的形式存储数据。表有行和列组成。列划分为若干个列簇 (column family)     建表语句只需表名和列族名

3、RowKey

与 nosql 数据库们一样,row key 是用来检索记录的主键。访问 hbase table 中的行,只有三种 方式:
 (1) 通过单个 row key 访问
 (2) 通过 row key 的 range
 (3) 全表扫描
Row key 行键 (Row key)可以是任意字符串(最大长度是 64KB,实际应用中长度一般为 10-100bytes), 最好是 16或者8。 在 hbase 内部, row key 保存为字节数组。 Hbase 会对表中的数据按照 rowkey 排序(字典顺序)

存储时,数据按照 Row key 的字典序(byte order)排序存储。设计 key 时,要充分排序存储这 个特性,将经常一起读取的行存储放到一起。 (位置相关性) 
注意:
字典序对 int 排序的结果是
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,行键必须用 0 作左填充。
行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策能够使用户很容易的理解 程序在对同一个行进行并发更新操作时的行为。

4、列簇

hbase 表中的每个列,都归属与某个列族。列族是表的 schema 的一部分(而列不是),必须在 使用表之前定义。

列名都以列族作为前缀。例如 courses:history , courses:math 都属于 courses 这个列族。 访问控制、磁盘和内存的使用统计都是在列族层面进行的。
列族越多,在取一行数据时所要参与 IO、搜寻的文件就越多,所以,如果没有必要,不要 设置太多的列族 
(每个列族存放在不同的文件中,建表时列族越少越好)

5、时间戳

HBase 中通过 row 和 columns 确定的为一个存储单元称为 cell。每个 cell 都保存着同一份数 据的多个版本。版本通过时间戳来索引。时间戳的类型是 64 位整型。时间戳可以由 hbase(在 数据写入时自动 )赋值,此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显
式赋值。如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。每个 cell 中,不同版本的数据按照时间倒序排序,即最新的数据排在最前面。

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担, hbase 提供了两种数据版 本回收方式: 
      保存数据的最后 n 个版本
      保存最近一段时间内的版本(设置数据的生命周期 TTL)。

用户可以针对每个列族进行设置。
    6、cell

由{row key, column( =<family> + <label>), version} 唯一确定的单元。
cell 中的数据是没有类型的,全部是字节码形式存贮。

二、Hbase集群架构

三、hbase集群搭建

1、安装步骤:

先安装zookeeper集群

10、 如果有节点相应的进程没有启动,那么可以手动启动
      hbase-daemon.sh start master
      hbase-daemon.sh start regionserver

四、hbase命令行演示

1、 先进入 hbase shell 命令行
        在你安装的随意台服务器节点上,执行命令: hbase shell,会进入到你的 hbase shell 客 户端 
     2、 进入之后先别着急,先看一下提示。 其实是不是有一句很重要的话:

HBase Shell; enter 'help<RETURN>' for list of supported commands.
       Type "exit<RETURN>" to leave the HBase Shell
       意在告诉怎么获得帮助,怎么退出客户端
       help 获取帮助
       help 获取所有命令提示
       help "dml" 获取一组命令的提示
       help "put" 获取一个单独命令的提示帮助
        exit 退出 hbase shell 客户端

3、下面真正进入命令的演示

(1)显示hbase中的表: list

(2) 第一个表名,多个列簇:

create 'user_info',{NAME=>'base_info',VERSION=>3 },{NAME=>'extra_info',VERSION=>1 }
                 put 'user_info', 'user0000', 'base_info:name', 'luoyufeng'
                 put 'user_info', 'user0000', 'base_info:age', '18'
                 put 'user_info', 'user0000', 'base_info:gender', 'female'
                 put 'user_info', 'user0000', 'extra_info:size', '34'

获取数据:get 'user_info', 'user0000'

(3)查看集群状态 status     查看集群的版本信息version

4、(1)ddl操作

列出所有表 :list

创建表:create 'user', 'info1', 'data1'      表名:user,包含info1和data1两个列簇

或者  create 'table_test1',{NAME => 'cf1', VERSIONS => 3}, {NAME => 'cf2', VERSIONS => 2}  好处就是可以方便我们给表的每个列簇设置一些属性,如果按照上面的方 式创建,那就表示所有的列簇的属性都是取默认值

查看表的详细信息:desc 'user'

alter修改表的定义:

增加列簇:alter 'table','liezu'    或者alter 'table_test', {NAME => 'another_family', VERSIONS => 4}

删除列簇:alter 'table_test', {NAME => 'another_family', METHOD => 'delete'}  或者 alter 'table_test', 'delete' => 'add_family'

查看表存在不存在:exists 'table'

disable 使表失效
            enable 启用表
            is_disabled 判断表是否是失效状态
            is_enabled 判断表是否是启用状态         (删除表之前先使表失效)

删除表:drop 'table'

(2)dml操作

put插入数据: put 'table_test','rk01','cf1:name','huangbo'     或者   put 'table_test','rk01','cf1:age',20,1482077777777    时间戳是可以自己指定的,如若不指定,则会自动获取系统的当前时间的时间戳

get获取数据:

get 'table_test','rk01                                                                       从 table_test 表中查 rowkey 为 rk01 的所有列簇的所有数据
                    get 'table_test','rk01','cf1:name'                                                      从 table_test 表中查 rowkey 为 rk01 的列为 cf1:name 的最新数据
                    get 'table_test','rk01',{COLUMNS => 'cf1:name', VERSIONS => 3}     从 table_test 表中查 rowkey 为 rk01 的列为 cf1:name 的所有版本数据, 3 个版本

scan查看某表的数据:

scan 'table_test'
                    scan 'table_test',{COLUMNS => 'cf1:name'}
                    scan 'table_test',{COLUMNS => 'cf1:name', TIMESTAMP => 1482018424571}

scan 'user', {COLUMNS => 'info:name', VERSIONS => 5}
                    scan 'user', {COLUMNS => ['info', 'data'], FILTER => "(QualifierFilter(=,'substring:a'))"}      查询 user 表中列族为 info 和 data 且列标示符中含有 a 字符的信息

scan 'people', {COLUMNS => 'info', STARTROW => 'rk0001', ENDROW => 'rk0003'}          查询 user 表中列族为 info, rk 范围是[rk0001, rk0003)的数据
                   scan 'user',{FILTER=>"PrefixFilter('rk')"}                                                                         查询 user 表中 row key 以 rk 字符开头的

scan 'user', {TIMERANGE => [1392368783980, 1392380169184]}                                     查询 user 表中指定范围的数据

scan 'car',{LIMIT=>10}

delete删除数据:

delete 'people', 'rk0001', 'info:name'                               删除 user 表 row key 为 rk0001,列标示符为 info:name 的数据

delete 'user', 'rk0001', 'info:name', 1392383705316          删除 user 表 row key 为 rk0001,列标示符为 info:name, timestamp 为 1392383705316 的数据

清空表中数据:truncate  'table'

过滤器:

get 'person', 'rk0001', {FILTER => "ValueFilter(=, 'binary:中国')"}
                    get 'person', 'rk0001', {FILTER => "(QualifierFilter(=,'substring:a'))"}
                    scan 'person', {COLUMNS => 'info:name'}
                    scan 'person', {COLUMNS => ['info', 'data'], FILTER => "(QualifierFilter(=,'substring:a'))"}
                    scan 'person', {COLUMNS => 'info', STARTROW => 'rk0001', ENDROW => 'rk0003'}
                    scan 'person', {COLUMNS => 'info', STARTROW => '20140201', ENDROW => '20140301'}
                    scan 'person', {COLUMNS => 'info:name', TIMERANGE => [1395978233636, 1395987769587]}
                   alter 'person', NAME => 'ffff'
                   alter 'person', NAME => 'info', VERSIONS => 10
                   get 'user', 'rk0002', {COLUMN => ['info:name', 'data:pic']}

修改表结构之前,先使表失效,修改完后,再启用表

补充:

get和scan查看表中数据的区别:

get:指定rowkey获取数据

scan:指定条件获取一批数据

Hbase(一)基础知识的更多相关文章

  1. HBase的基础知识

    1.HBase(NoSQL:不是关系型数据库)的逻辑数据模型 HBase – Hadoop Database,是一个高可靠性.高性能.面向列.可伸缩的分布式存储系统,利用HBase技术可在廉价PC S ...

  2. HBASE基础知识总结

    HBASE基础知识总结 一,概要说明 文章首先回顾HBase 的数据模型和数据层级结构,对数据的每个层级的作用和架构进行了详细阐述:随后介绍了数据写入和读取的详细流程.先把架构图和流程图来坐镇. 架构 ...

  3. 大数据基础知识问答----spark篇,大数据生态圈

    Spark相关知识点 1.Spark基础知识 1.Spark是什么? UCBerkeley AMPlab所开源的类HadoopMapReduce的通用的并行计算框架 dfsSpark基于mapredu ...

  4. 最全的spark基础知识解答

    原文:http://www.36dsj.com/archives/61155 一. Spark基础知识 1.Spark是什么? UCBerkeley AMPlab所开源的类HadoopMapReduc ...

  5. ZooKeeper_基础知识学习

    ZooKeeper是Hadoop的开源子项目(Google Chubby的开源实现),它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护.命名服务.分布式同步.组服务等. Zookee ...

  6. HBase框架基础(五)

    * HBase框架基础(五) 本节主要介绍HBase中关于分区的一些知识. * HBase的RowKey设计 我们为什么要讨论rowKey的设计?或者说为什么很多工作岗位要求有rowKey的优化设计经 ...

  7. HBase框架基础(四)

    * HBase框架基础(四) 上一节我们介绍了如何使用HBase搞一些MapReduce小程序,其主要作用呢是可以做一些数据清洗和分析或者导入数据的工作,这一节我们来介绍如何使用HBase与其他框架进 ...

  8. HBase框架基础(二)

    * HBase框架基础(二) 上一节我们了解了HBase的架构原理和模块组成,这一节我们先来聊一聊HBase的读写数据的过程. * HBase的读写流程及3个机制 HBase的读数据流程: 1.HRe ...

  9. Elasticsearch基础知识学习

    概要 ElasticSearch是一个基于Lucene的搜索服务器.它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口.Elasticsearch是用Java开发的,并作为Ap ...

随机推荐

  1. 在Notepad++中为Python配置编译环境

    方法1:按下F5 输入d:\Python25\python.exe "$(FULL_CURRENT_PATH)" 其中"d:\Python25\python.exe&qu ...

  2. python4 - 字典

    字典 定义:字典是无序的,它不能通过偏移来存取,只能通过键来存取. 特点:内部没有顺序,通过键来读取内容,可嵌套,方便我们组织多种数据结构,并且可以原地修改里面的内容,属于可变类型. 创建字典.{}, ...

  3. 吴恩达 Deep learning 第一周 深度学习概论

    知识点 1. Relu(Rectified Liner Uints 整流线性单元)激活函数:max(0,z) 神经网络中常用ReLU激活函数,与机器学习课程里面提到的sigmoid激活函数相比有以下优 ...

  4. hadoop HA sshfen切换隔离时无法跳转ssh: bash: fuser: 未找到命令

    在zkfc的日志里面,有一个warn:PATH=$PATH:/sbin:/usr/sbin fuser -v -k -n tcp 8090 via ssh: bash: fuser: 未找到命令原因是 ...

  5. Linux学习—导航文件系统

    与windows相同,Linux操作系统也是以被称之为分层目录结构的方式来组织文件的.这意味着文件是以树形结构的目录中进行组织的,该树形结构目录可能包含文件和其他目录.文件系统的第一个目录叫做根目录, ...

  6. 评价Win8自带输入法

    对于人机交互设计,有以下四个基本原则:从用户角度考虑.从头到尾记住用户选择.短期刺激和长期使用的好处坏处.不让用户犯简单错误.我用的最多的是我的系统自带的输入法,评价的也只能是它了. 1.从用户角度: ...

  7. OA--对于每个form表单(<s:iterator>生成)的处理

    由于是后台传过来的,我们不知道form 有几个 也不能指定form的id和name,(其实也可以就是可能会冲突我们还是用下面讲的方法把) 之前有想过 对于每个form 里面都有一些参数,举个例子 项目 ...

  8. IDEA + SSH OA 第一天(项目收获:Hibernate XML)

    之前都是用工具逆向生成代码,很少写配置文件,今天试着使用,有几点需要注意 Cascade(级联): Cascade代表是否执行级联操作,Inverse代表是否由己方维护关系. Cascade属性的可能 ...

  9. 求最大子串和以及其中一个子串(java)

    public static void getMaxSum(int[] a){ int max = a[0]; int sum = a[0]; int temp = 0; int start = 0; ...

  10. mnist测试

    第一步:进入caffe目录 第二步:获取mnist数据集 ./data/mnist/get_mnist.sh 第三步:创建lmdb ./examples/mnist/create_mnist.sh 第 ...