Hbase王国游记之：Hbase客户端API初体验

§历史回顾

2018年岁末，李大胖朦胧中上了开往Hbase王国的车，伴着一声长鸣，列出缓缓驶出站台，奔向无垠的广袤。

(图片来自于网络)

如不熟悉剧情的，可观看文章：

五分钟轻松了解Hbase列式存储

Hbase给初学者的“下马威”

§生逢其时

随着改革开放的持续推进，移动互联网的长足发展，以及物联网出现，旧有体制下的一些东西已经不能很好的适应发展的需要，无论是壁垒森严且高冷的Oracle，亦或是左右逢源并可爱的MySQL，都表现出了心有余而力不足。

俗话说，一代天子一朝臣，代代都有追梦人。Hbase无疑是当下最璀璨的星光之一，照耀着九州大地。

Hbase秉持的原则就是，以时间为朋友，打不过别人，却可以熬死对手，剩下来的就是历史的王者，这就是所谓的“剩者为王”。依靠着这个战略方针，Hbase渐渐地建立了自己的王国。

§建国之初

Hbase王国虽然稚嫩，却受上帝青睐。背靠高山，面朝大海，风光秀丽，易守难攻。兵家必争之宝地，旅游度假的好去处。无奈国土初建，人烟稀少，急需大量补充子民，大量开垦良田。

这可使国王Hbase有点犯愁，于是大臣们纷纷献计献策。其中Zookeeper大臣道：虽然已经下发了鼓励多生孩子的条文，但毕竟远水不解近渴。依微臣之愚见，当下行之有效的方法就是游说其它国家的子民，把他们睡服，让他们入伙。国王点了点头道：那就依了爱卿吧。

§改革开放

Zookeeper大臣拿到国王的授权后，开始制定一系列方案方针，并亲自督导实施落地。

国内方面，掀起一场学习热潮，人人参与，集中讲解，分组讨论，逐个答疑，共同提高。

国际方面，24小时开门迎客，落地免签，食宿优惠，门票免费。对于愿意加入我们的，只要简单审核即可发放绿卡。

此消息一出，各国游人蜂拥而至，当然也包括误打误撞的李大胖。

§墨守陈规

街上有很多来自各个国家的游客，边走边看。转过一个路口，前面聚集了一些人，于是大家都跟着凑上去，一探究竟。

原来是一个Hbase王国老者准备给这些游客讲解Hbase相关知识。老者穿着运动鞋/牛仔裤/圆领T恤，头发几乎快没了，还戴着一副眼镜。一看就是大神级别的大牛，就叫他道哥吧。道哥环顾四周，发现人已经很多了，于是开始了讲解。

Hbase是使用Java写的，所以自然提供了一套Java API来操作Hbase，今天就学习如何使用它。

以下是非常老套的流程(可跳过)

引入Maven依赖：

<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-shaded-client</artifactId>
    <version>${hbase.version}</version>
</dependency>

获取链接（Connection）。此时需要配置一些参数，如IP/端口/超时时间等，一般都会有一个配置对象（HBaseConfiguration）来完成这个工作。由于链接的创建较为复杂，所以一般由链接工厂（ConnectionFactory）负责创建。由于链接的创建涉及网络操作较为耗时，频繁创建并不经济划算，所以一般都会缓存起来以便复用，此时就要求这个链接对象是线程安全的。这些都已经是套路了，大家尽管放心吧。

@Bean
public Connection connection() throws IOException {
    org.apache.hadoop.conf.Configuration conf = HBaseConfiguration.create();
    conf.set("hbase.zookeeper.quorum", hbaseProperties.getZookeeper().getQuorum());
    conf.set("hbase.rpc.timeout", hbaseProperties.getRpc().getTimeout().toString());
    conf.set("hbase.rpc.read.timeout", hbaseProperties.getRpc().getReadTimeout().toString());
    conf.set("hbase.rpc.write.timeout", hbaseProperties.getRpc().getWriteTimeout().toString());
    conf.set("hbase.client.operation.timeout", hbaseProperties.getClient().getOperationTimeout().toString());
    conf.set("hbase.client.scanner.timeout.period", hbaseProperties.getClient().getScannerTimeoutPeriod().toString());
    return ConnectionFactory.createConnection(conf);
}

DDL相关操作。此时需要从Connection里获取一个Admin对象，来执行一些和表相关的操作。这个Admin自然是非线程安全的，不能缓存，且使用完要记得关闭（close）。

DML相关操作。此时需要从Connection里获取一个Table对象，来执行一些和数据相关的操作，很显然，Table的特点和Admin是一样的。

众人看完后，不由得感慨，这果然已经是一个非常标准的分布式软件客户端的套路模板了。

§命名空间

道哥继续道，Hbase引入了命名空间的概念，与我们在其它地方见到的命名空间其实大概意思差不多。
它表示若干个相似表的一个逻辑分组。基于它可以实现一些面向多租户的特性，如：
1、配额管理，限制一个命名空间可以使用的资源量
2、安全管理，为租户提供另一个级别的安全管理
3、物理服务器分组，可以把一个命名空间需要的资源固定在若干个指定服务器上，保证一个粗粒度级别的隔离

道哥补充道，其实命名空间就相当于一个群组，便于从不同的方面进行管理。

每个系统都会预留一些东西供自己使用，或在特殊情况下使用。当然，这也是套路了，最明显的如编程语言中的关键字。Hbase也不例外，它有两个预定义的特殊命名空间：
hbase，系统命名空间，用来包含Hbase内部使用的表
default，默认命名空间，用来在没有显式指定命名空间时使用

最后，浏览一下关于命名空间的API：

//列出所有
admin.listNamespaceDescriptors();
//查询
admin.getNamespaceDescriptor(name);
//创建
admin.createNamespace(namespaceDescriptor);
//修改
admin.modifyNamespace(namespaceDescriptor);
//删除
admin.deleteNamespace(name);

命名空间创建好后，就可以在它里面建表了。下面是和表相关的API：

//列出所有表名
admin.listTableNames();
//按正则表达式列出表名
admin.listTableNames(pattern);
//列出某个命名空间下的表名
admin.listTableNamesByNamespace(namespace);
//列出所有表
admin.listTableDescriptors();
//按表名列出表
admin.listTableDescriptors(tableNames);
//按正则表达式列出表
admin.listTableDescriptors(pattern);
//列出某个命名空间下的表
admin.listTableDescriptorsByNamespace(namespace);
//获取某个表
admin.getDescriptor(tableName);
//检测表是否存在
admin.tableExists(tableName);
//检测表是否禁用
admin.isTableDisabled(tableName);
//禁用表
admin.disableTable(tableName);
//检测表是否启用
admin.isTableEnabled(tableName);
//启用表
admin.enableTable(tableName);
//检测整张表是否都可用
admin.isTableAvailable(tableName);
//创建
admin.createTable(tableDescriptor);
//修改
admin.modifyTable(tableDescriptor);
//删除
admin.deleteTable(tableName);
//添加列簇
admin.addColumnFamily(tableName, columnFamilyDescriptor);
//修改列簇
admin.modifyColumnFamily(tableName, columnFamilyDescriptor);
//删除列簇
admin.deleteColumnFamily(tableName, columnFamily);

道哥似乎看出了众人的眼神，说道，不要着急，下面的内容将会和以往你们遇到的有所不同。

§多版本特性

Hbase是一个多版本数据存储，可以简单地认为它有点历史记录表的味道。首次插入一个数据时，会给它一个版本号，当你后续再更新它时，并不会把之前的旧值抹掉，而是重新存储了一份新值，且使用一个新的版本号。（旧值、新值同时存在，且按版本号倒序排列。）

Hbase明确规定版本号必须是一个长整型的数字。通常使用系统当前的毫秒数。但你也可以自己指定它（只要是一个长整型数字），这意味着你可以指定一个过去或将来的时间，或和时间无关的一个数字。

警告：Hbase内部会使用时间戳版本号计算TTL（time-to-live）。所以通常最好不要自己设置这个时间戳。

可以以列簇为单位指定保留的最大版本数目，要么在表创建时指定，或后期再修改。

在0.96之前的版本默认是3，在0.96及其之后的版本默认是1。

从0.98.2开始，可以在hbase-site.xml文件中使用hbase.column.max.version配置项指定一个全局的默认值。

道哥抬眼望去，发现众人都在认真听讲，生怕错过什么东西。

§数据操作

道哥继续说道，Hbase没有数据类型的概念，按官方说法就是bytes-in/bytes-out（字节进/字节出）。所以，无论是字符串、数字、复杂对象，甚至是图片，只要能被转化为字节数组的，都能被存入Hbase中。这和传统数据库相差较大，不过倒和redis挺相似的。众人都是见过世面，对此没有什么异议。

和传统数据库相似，Hbase也有四种主要的数据模型操作，Get，Put，Scan和Delete。但在版本号的影响下，会呈现一些特有的性质。

PUT

Put要么是添加新行（如果行键是新的），或者是更新已有行（如果行键已经存在）。

无论是添加还是更新，默认情况下（不自己指定版本号），执行一个Put操作会创建一个新版本的单元格，且版本号是系统当前的毫秒数。如果是更新时，新版本数据（新值）和老版本数据（旧值）会同时存在，且都可以被读取出来。

如果在更新时，你手动指定了版本号，且这个版本号和之前旧值的一样，那么操作执行后，之前的旧值仿佛被覆盖住了，无法再读取出来。换句话说，如果对一个单元格的多次写入使用相同的版本号，只有最后一次写入是可读取到的。

还有一点需要明白，不一定后面的写入就一定要比前面的版本号大，换句话说，以一个非增长的版本号顺序对单元格的写入也是没有问题的。

道哥说，在Hbase中，有关版本号的含义有时会有点懵，大家再细细品味我刚说过的那些话，应该都可以理解。

DELETE

Delete是删除。Hbase并不会在数据原来的位置处去删除数据（这是底层HDFS决定的）。所以删除实际上是通过创建新的叫做“墓碑”的标记（就是再插入一些数据，标记一下哪些数据将要被删除）来实现的。

所以数据并不会立即被删除。而是在下一个大的压缩时，墓碑标记会被处理，要被删除的数据连同墓碑标记本身都会被移除掉。

道哥害怕众人不解，就解释道，大家都使用过Java，都知道JVM的GC机制。对象不可达时，是立即进行回收的吗？众人都答道，不是，会先进行标记，在满足特定条件时会触发垃圾回收，此时才会真正进行回收。道哥表示非常欣慰。

Hbase有三种不同类型的删除标记，分别表示删除如下数据：
1、删除一个列的某个指定版本
2、删除一个列的所有版本
3、删除一个列族的所有列

见大家都没有疑问，道哥继续道，当删除一个整行时，是在内部为每个列簇创建一个墓碑，而不是为每个单独的列都创建。

当删除一列时，你可以指定一个版本号，如果不指定则默认使用系统当前毫秒数，这意味着将删除所有版本号小于或等于该版本的单元格。如果你指定的版本号比所有的版本都大，可以认为所有数据都将被删除。

GET/SCAN

道哥首先强调，Hbase返回数据时总是以已排好的顺序，首先按行键（按字典顺序从小到大排序），然后是列簇，接着是列修饰符，最后是时间戳（时间戳是倒序，所以最新的记录首先返回）。

Scan是在多行上面进行迭代，Get是在Scan上面实现的，所以它俩其实差不多。

如果你没有显式地指定版本，则最大版本号的那个单元格被返回，它可能并不是你最后一次写入的那个。

默认行为可以按下面方式修改：
1、如果要返回所有版本的数据，使用Get.readAllVersions()来进行标记
2、要返回多个版本数据，使用Get.readVersions(versions)设置返回的版本数目
3、要返回非最新版本数据，使用Get.setTimeRange(minStamp, maxStamp)设置版本号的范围

道哥最后问了一个问题，如果要获取小于或等于某个版本号的最新版本数据，该怎么做呢？有人答道，将版本范围设置成从0到期望的版本，且将最大版本数目设置为1。你认为这样可以吗？

PS：由于内容较多，前期以入门为主，后续会进行详细讲解。

相关文章

五分钟轻松了解Hbase列式存储

Hbase给初学者的“下马威”

（完）

编程新说

---

用独特的视角说技术