Hbase(一)基础知识

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