HBase是一个分布式的、面向列的开源数据库,源于google的一篇论文《bigtable：一个结构化数据的分布式存储系统》。HBase是Google Bigtable的开源实现，它利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据，利用Zookeeper作为协同服务。
2. HBase的表结构
HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族/列簇(column family)。
|
Row Key |
column-family1 |
column-family2 |
column-family3 |
|||
|
column1 |
column2 |
column1 |
column2 |
column3 |
column1 |
|
|
key1 |
t1:abc t2:gdxdf |
t4:dfads t3:hello t2:world |
||||
|
key2 |
t3:abc t1:gdxdf |
t4:dfads t3:hello |
t2:dfdsfa t3:dfdf |
|||
|
key3 |
t2:dfadfasd t1:dfdasddsf |
t2:dfxxdfasd t1:taobao.com |
||||
如上图所看到的，key1,key2,key3是三条记录的唯一的row key值，column-family1,column-family2,column-family3是三个列族，每一个列族下又包含几列。比方 column-family1这个列族下包含两列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一确定的一个单元cell。这个cell中有两个数据，abc和gdxdf。两个值的时间戳不 一样，各自是t1,t2, hbase会返回最新时间的值给请求者。
这些名词的详细含义例如以下：
(1) Row Key
与nosql数据库们一样,row key是用来检索记录的主键。訪问hbase table中的行，仅仅有三种方式：
(1.1) 通过单个row key訪问
(1.2) 通过row key的range
(1.3) 全表扫描
Row key行键 (Row key)能够是随意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组。
存储时，数据依照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，将常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)。这个设计决策可以使用户非常easy的理解程序在对同一个行进行并发更新操作时的行为。
(2) 列族 column family
hbase表中的每一个列，都归属与某个列族。列族是表的chema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。比如courses:history ， courses:math 都属于 courses 这个列族。
訪问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能帮助我们管理不同类型的应用：我们同意一些应用能够加入新的基本数 据、一些应用能够读取基本数据并创建继承的列族、一些应用则仅仅同意浏览数据（甚至可能由于隐私的原因不能浏览全部数据）。
(3) 单元 Cell
HBase中通过row和columns确定的为一个存贮单元称为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，所有是字节码形式存贮。
(4) 时间戳 timestamp
每一个cell都保存着同一份数据的多个版本号。版本号通过时间戳来索引。时间戳的类型是 64位整型。时间戳能够由hbase(在数据写入时自己主动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也能够由客户显式赋值。假设应用程序要避免数据版本号冲突，就必须自己生成具有唯一性的时间戳。每一个cell中，不同版本号的数据依照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本号造成的的管理 (包含存贮和索引)负担，hbase提供了两种数据版本号回收方式。一是保存数据的最后n个版本号，二是保存近期一段时间内的版本号（比方近期七天）。用户能够针对每一个列族进行设置。
3. HBase shell的基本使用方法
hbase提供了一个shell的终端给用户交互。通过运行 help get 能够看到命令的帮助信息。
以网上的一个学生成绩表的样例来演示hbase的使用方法。
|
name |
grad |
course |
|
|
math |
art |
||
|
zkb |
5 |
97 |
87 |
|
baoniu |
4 |
89 |
80 |
这里grad对于表来说是一个列,course对于表来说是一个列族,这个列族由两个列组成math和art,当然我们能够依据我们的须要在course 中建立很多其它的列族,如computer,physics等对应的列加入入course列族。图中须要注意的是90这个值，列族以下的列也是能够没有名字 的。
(1) 建立一个表格scores 具有两个列族grad 和courese
hbase(main):001:0>
create 'scores','grade', 'course' |
0 row(s)
in 0.4780 seconds |
(2) 查看当前HBase中具有哪些表
hbase(main):002:0>
list |
TABLE |
scores |
1 row(s)
in 0.0270 seconds |
(3) 查看表的构造
hbase(main):004:0>
describe 'scores' |
DESCRIPTION
ENABLED |
{NAME
=> 'scores',
FAMILIES => [{NAME => 'course',
BLOOMFILTER => 'NONE',
REPLICATION_SCOPE => '0',
true |
COMPRESSION
=> 'NONE',
VERSIONS => '3',
TTL => '2147483647',
BLOCKSIZE => '65536',
IN_MEMORY => 'fal |
se',
BLOCKCACHE => 'true'},
{NAME => 'grade',
BLOOMFILTER => 'NONE',
REPLICATION_SCOPE => '0',
COMPR |
ESSION
=> 'NONE',
VERSIONS => '3',
TTL => '2147483647',
BLOCKSIZE => '65536',
IN_MEMORY =>'false', |
BLOCKCACHE
=>'true'}]} |
1 row(s)
in 0.0390 seconds |
(4) 增加一行数据,行名称为zkb 列族grad的列名为”” 值位5
hbase(main):006:0>
put 'scores','zkb','grade:','5' |
0 row(s)
in 0.0420 seconds |
(5) 给zkb这一行的数据的列族course加入一列<math,97>
hbase(main):007:0>
put 'scores','zkb','course:math','97' |
0 row(s)
in 0.0270 seconds |
(6) 给zkb这一行的数据的列族course加入一列<art,87>
hbase(main):008:0>
put 'scores','zkb','course:art','87' |
0 row(s)
in 0.0260 seconds |
(7) 增加一行数据,行名称为baoniu 列族grad的列名为”” 值为4
hbase(main):009:0>
put 'scores','baoniu','grade:','4' |
0 row(s)
in 0.0260 seconds |
(8) 给baoniu这一行的数据的列族course加入一列<math,89>
hbase(main):010:0>
put 'scores','baoniu','course:math','89' |
0 row(s)
in 0.0270 seconds |
(9) 给Jerry这一行的数据的列族course加入一列<art,80>
hbase(main):011:0>
put 'scores','baoniu','course:art','80' |
0 row(s)
in 0.0270 seconds |
(10) 查看scores表中zkb的相关数据
hbase(main):012:0>
get 'scores','zkb' |
COLUMN
CELL |
course:art
timestamp=1316100110921,
value=87 |
course:math
timestamp=1316100025944,
value=97 |
grade:
timestamp=1316099975625,
value=5 |
3 row(s)
in 0.0480 seconds |
(11) 查看scores表中全部数据
注意：scan命令能够指定startrow,stoprow来scan多个row，比如：scan 'user_test',{COLUMNS =>'info:username',LIMIT =>10, STARTROW => 'test',STOPROW=>'test2'}
hbase(main):013:0>
scan 'scores' |
ROW
COLUMN+CELL |
baoniu
column=course:art, timestamp=1316100293784,
value=80 |
baoniu
column=course:math, timestamp=1316100234410,
value=89 |
baoniu
column=grade:, timestamp=1316100178609,
value=4 |
zkb
column=course:art, timestamp=1316100110921,
value=87 |
zkb
column=course:math, timestamp=1316100025944,
value=97 |
zkb
column=grade:, timestamp=1316099975625,
value=5 |
2 row(s)
in 0.0470 seconds |
(12) 查看scores表中全部数据courses列族的全部数据
hbase(main):017:0>
scan 'scores',{COLUMNS
=> 'course'} |
ROW
COLUMN+CELL |
baoniu
column=course:art, timestamp=1316100293784,
value=80 |
baoniu
column=course:math, timestamp=1316100234410,
value=89 |
zkb
column=course:art, timestamp=1316100110921,
value=87 |
zkb
column=course:math, timestamp=1316100025944,
value=97 |
2 row(s)
in 0.0350 seconds |
(13) 删除scores表
hbase(main):024:0>
disable 'scores' |
0 row(s)
in 0.0330 seconds |
hbase(main):025:0>
drop 'scores' |
0 row(s)
in 1.0840 seconds |
总结下，hbase shell经常使用的操作命令有create,describe,disable,drop,list,scan,put,get,delete,deleteall,count,status等，通过help能够看到具体的使用方法.
还有不懂的，MM们可email：<zhe-jiang.he@hp.com>