hbase操作（shell 命令，如建表，清空表，增删改查）以及 hbase表存储结构和原理

两篇讲的不错文章

http://www.cnblogs.com/nexiyi/p/hbase_shell.html
http://blog.csdn.net/u010967382/article/details/37878701?utm_source=tuicool&utm_medium=referral

---

• hbase操做
  • • hbase web操作
    • hbase shell 基本操作
      • 1建表
        • 具体命令
      • 2建表后查看表describe
      • 3清空表truncate lmj_test
      • 4删除表
      • 5修改表结构先disable后enable
      • 6对表中记录的操作4种行操作
      • 7表操作权限
      • 8命名空间
• hbase原理及时间戳管理介绍
  • • hbase 表

---

hbase操做

hbase web操作

访问地址 http://hmaster:60010
hmaster的ip配置在$HBASE_HOME/conf/hbase-site.xml中
ip映射成主机名
    在env/hosts中配置
    在windows系统中的C:\Windows\System32\drivers\etc目录下的hosts文件中配置）

---

hbase shell 基本操作：

hbase shell 进入hbase console命令
whoami 查用户
help查看基本命令集合
help command 查看命令帮助
list看库中所有表
status 查看当前运行服务器状态
version 版本查询
exits '表名字' 判断表存在

hbase shell中删除为 ctrl + backspace（单按删除键不好使）

1）建表

    语法：create <table>, {NAME => <family>, VERSIONS => <VERSIONS>}

具体命令

    hbase(main):004:0> exists 'test'
    hbase(main):005:0> create 'test','cf'

    hbase> create 't1', {NAME => 'f1', VERSIONS => 5}
    hbase> create 't1', {NAME => 'f1'}, {NAME => 'f2'}, {NAME => 'f3'}
    省略模式建立列族
    hbase> create 't1', 'f1', 'f2', 'f3'
    指定每个列族参数
    hbase> create 't1', {NAME => 'f1', VERSIONS => 1, TTL => 2592000, BLOCKCACHE => true}
    hbase> create 't1', 'f1', {SPLITS => ['10', '20', '30', '40']}
    hbase> create 't1', 'f1', {SPLITS_FILE => 'splits.txt'}
    hbase> # Optionally pre-split the table into NUMREGIONS, using
    hbase> # SPLITALGO ("HexStringSplit", "UniformSplit" or classname)
    hbase> create 't1', 'f1', {NUMREGIONS => 15, SPLITALGO => 'HexStringSplit'}
    设置不同参数，提升表的读取性能。
    create 'lmj_test',
        {NAME => 'adn', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'},
        {NAME => 'fixeddim', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'},
        {NAME => 'social', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'}
    每个参数属性都有性能意义，通过合理化的设置可以提升表的性能
     create 'lmj_test',
        {NAME => 'adn', BLOOMFILTER => 'ROWCOL', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', COMPRESSION => 'SNAPPY', BLOCKCACHE => 'false'},
        {NAME => 'fixeddim',BLOOMFILTER => 'ROWCOL', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', COMPRESSION => 'SNAPPY', BLOCKCACHE => 'false'},
        {NAME => 'social',BLOOMFILTER => 'ROWCOL', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0',COMPRESSION => 'SNAPPY', BLOCKCACHE => 'false'}

2）建表后查看表：describe

    得出
    {NAME => 'lmj_test',
    FAMILIES =>
    [
    {NAME => 'adn', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'},
                {NAME => 'fixeddim', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'},
                {NAME => 'social', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROWCOL', REPLICATION_SCOPE => '0', COMPRESSION => 'SNAPPY', VERSIONS => '1', TTL => '15768000', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', ENCODE_ON_DISK => 'true', IN_MEMORY => 'false', BLOCKCACHE => 'false'}
            ]
        }

3）清空表：truncate ‘lmj_test’

4）删除表：

        分两步，首先disable 'lmj_test'，然后drop 'lmj_test'

5）修改表结构：先disable后enable

        alter 't1', {NAME => 'f1'}, {NAME => 'f2', METHOD => 'delete'}
        例如：修改表test1的cf的TTL为180天
            hbase(main)> disable 'test1'
            hbase(main)> alter 'test1',{NAME=>'body',TTL=>'15552000'},{NAME=>'meta', TTL=>'15552000'}
            hbase(main)> enable 'test1'

6）对表中记录的操作（4种行操作）

    put 增加一行
        语法：put <table>,<rowkey>,<family:column>,<value>,<timestamp>
        其中，timestamp可以系统默认，也可以自己设定，如

         put 't1', 'r1', 'c1', 'value', ts1
         put 'lmj_test','00001','adn:adn_3','aaa',1432483200000
         put 'lmj_test','00001','fixeddim:appcategory_1','1',1432483200000
         put 'lmj_test','00001','fixeddim:interest_15','100',1432483200000

    get查询对应数据(可以指定行、列族、列、版本)
        get 'lmj_test','000000104257464',{TIMESTAMP=>1432483200000}

    delete 删除数据
        删除指定行中指定列：
            delete <table>, <rowkey>,  <family:column> , <timestamp>(必须指定列名，删除其所有版本数据)
            delete 'lmj_test','000000104257464','f1:col1'
        删除整行数据（可不指定列名）：
            deleteall <table>, <rowkey>,  <family:column> , <timestamp>
            deleteall 'lmj_test','000000104257464'

    scan 扫描全表，指定过滤条件，返回对应行
        scan 'lxw_hbase', {LIMIT => 1}
            其他条件继续添加在大括号中
    以上4个操作类是 org.apache.hadoop.hbase.client的子类，参考官网API查看详细信息

    count统计表中记录数
         count 'lxw_hbase', {INTERVAL => 100, CACHE => 500}
         #每100条显示一次，缓存区为500

7）表操作权限

    给用户分配对每个表的操作权限，有RWXCA五种，对应READ, WRITE, EXEC, CREATE, ADMIN
    grant 'liu_mja','RW','lxw_hbase'    #分配给用户liu_mja表lxw_hbase的读写权限
    还可以 查看权限
        user_permission 'lxw_hbase'
    收回权限
        revoke 'liu_mja','lxw_hbase'

8）命名空间

    关系数据库系统中，命名空间namespace是表的逻辑分组,同一组中的表有类似的用途。
    以下引自：
    （http://blog.csdn.net/u010967382/article/details/37878701?utm_source=tuicool&utm_medium=referral）

    hbase的表也有命名空间的管理方式，命名空间的概念为即将到来的多租户特性打下基础：
        配额管理（ Quota Management (HBASE-8410)）：限制一个namespace可以使用的资源，资源包括region和table等；
        命名空间安全管理（ Namespace Security Administration (HBASE-9206)）：提供了另一个层面的多租户安全管理；
        Region服务器组（Region server groups (HBASE-6721)）：一个命名空间或一张表，可以被固定到一组 regionservers上，从而保证了数据隔离性。 

    命名空间可以被创建、移除、修改。
    建表时可以指定命名空间，格式如下：<namespace>:<table>
    #Create a namespace
    create_namespace 'my_ns'

    #create my_table in my_ns namespace
    create 'my_ns:my_table', 'fam'

    #drop namespace
    drop_namespace 'my_ns'

    #alter namespace
    alter_namespace 'my_ns', {METHOD => 'set', 'PROPERTY_NAME' => 'PROPERTY_VALUE'}

    预定义的命名空间：
        有两个系统内置的预定义命名空间
        hbase   系统命名空间，用于包含hbase的内部表
        default 所有未指定命名空间的表都自动进入该命名空间
    使用默认的命名空间
        #namespace=default and table qualifier=bar
        create 'bar', 'fam'
    指定命名空间
        #namespace=foo and table qualifier=bar
        create 'foo:bar', 'fam'

---

hbase原理及时间戳管理介绍

分布式的、面向列的开源数据库

hdfs文件存储

MR处理数据

zookeeper做协同服务

hbase 表

数据以表存储
 表含行、列，列分为列簇（family）

如图，



key1,key2,key3是三条记录的唯一row key值，

column-family1,column-family2,column-family3是三个列族

每个列族下包括几列，如列族 column-family1包括两列column1和column2

  row这个维度用于region切分
   column则不用于分片，和row不同的是，一个row中多个columns的put或者delete操作是一个原子事务（同一个原子事务中不能同时put和 delete）
   Row key和column key(HBase中也称为qualifier)是bytes类型，而时间维度的key则是long integer类型，典型使用 java.util.Date.getTime()或者System.currentTimeMillis()来做为时间维度的key。
 唯一的确定一个cell数据：由row key1、column-family1、column1找到值集，值集按时间戳t排列，按有效期取得每个对应时间的值t1:abc,t2:gdxdf
   每个cell的值可能包含多个版本，以timestamp索引，倒序排列，默认为最近一个版本，时间戳最大

 (1) Row Key：nosql数据库中记录的主键，在 hbase内部保存为字节数组（字典序排列存储），  任意字符串(最大长度是 64KB）。读有位置相关性，经常一起读的行要放到一起存储。
       注意：int类型数据的字典序是1,10,100,118,11,12,128,15,16。恢复成int数值的自然序，在行键的左侧全部填充0(左填充0)。

 (2)  列族 column family：是schema的一部分(而列不是)，必须在用表前先定义。列名以列族为前缀，
  create 'test','cf'
    put 'test','001','cf:c1','a1',1432483200000
    put 'test','002','cf:c2','a2'
    put 'test','001','cf2:c1','a1',1432483200000    报错ERROR: Unknown column family! Valid column names: cf:*

 (3) cell: 无类型，全部存储为字节码
 (4)  时间戳 timestamp管理（多版本数据有效期设置）
     每个cell的值可能包含多个版本，以timestamp索引，倒序排列（最近数据在最前面，默认取最近的数据）。时间戳的类型是 64 位整型。时间戳可以自动生成，也可以自己设定。避免数据版本冲突则时间戳必须具有唯一性。
      版本具有有效期，超过有效期则删除。有两种方式回收版本，称为 GC（垃圾收集）
            列值版本的保存数量限制，通过两种方式设置
1， version设置保留版本数。超过则删除最老的，
  创建Column Family时通过HColumnDescriptor.setMaxVersions(int versions)设置，这是Column Family级别，设置是即时生效，读取时读不了，但物理删除还是需要等到major compact操作中执行。设置为1只保留一个
2，TTL(Time To Live)设置保留时间。超过TTL则删除，默认是forever。
通过 HColumnDescriptor.setTimeToLive(int seconds)可以设置TTL。读操作如Get/Scan等是即时生效，但物理清除要等到major compact。一行row中所有cell的TTL都失效，则删除整行，HBase不显示建立或删除行，行中cell有值且有效，行就存在。

注意，version版本控制中，major compact不进行，则删除最近版本后，失效版本可以重新恢复为有效值

put的时间戳

默认使用的是currentTimeMillis。应用也可以使用自定义的值来做为每个列的 timestamp，只需要是一个long integer的值即可，不一定是时间

而get默认返回timestamp最大值的数据

delete的时间戳

1. 删除某个timestamp之前所有老版本

（指定timestamp比row中最新的版本大，则相当于删除整行，不是立即删除元数据，而是等到major compact时）

2. 删除某个timstamp点的版本