HBase是Google Bigtable的開源實現(xiàn)，它利用Hadoop HDFS作為其文件存儲系統(tǒng)，利用Hadoop MapReduce來處理HBase中的海量數(shù)據(jù)，利用Zookeeper作為協(xié)同服務(wù)。
1. 簡介
HBase是一個分布式的、面向列的開源數(shù)據(jù)庫,源于google的一篇論文《bigtable：一個結(jié)構(gòu)化數(shù)據(jù)的分布式存儲系統(tǒng)》。HBase是Google Bigtable的開源實現(xiàn)，它利用Hadoop HDFS作為其文件存儲系統(tǒng)，利用Hadoop MapReduce來處理HBase中的海量數(shù)據(jù)，利用Zookeeper作為協(xié)同服務(wù)。
2. HBase的表結(jié)構(gòu)
HBase以表的形式存儲數(shù)據(jù)。表有行和列組成。列劃分為若干個列族/列簇(column family)。
| Row Key |
column-family1 |
column-family2 |
column-family3 |
| column1 |
column2 |
column1 |
column2 |
column3 |
column1 |
| key1 |
|
|
|
|
|
|
| key2 |
|
|
|
|
|
|
| key3 |
如上圖所示，key1,key2,key3是三條記錄的唯一的row key值，column-family1,column-family2,column-family3是三個列族，每個列族下又包括幾列。比如column-family1這個列族下包括兩列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一確定的一個單元cell。這個cell中有兩個數(shù)據(jù)，abc和gdxdf。兩個值的時間戳不一樣，分別是t1,t2, hbase會返回最新時間的值給請求者。
這些名詞的具體含義如下：
(1) Row Key
與nosql數(shù)據(jù)庫們一樣,row key是用來檢索記錄的主鍵。訪問hbase table中的行，只有三種方式：
(1.1) 通過單個row key訪問
(1.2) 通過row key的range
(1.3) 全表掃描
Row key行鍵 (Row key)可以是任意字符串(最大長度是 64KB，實際應(yīng)用中長度一般為 10-100bytes)，在hbase內(nèi)部，row key保存為字節(jié)數(shù)組。
存儲時，數(shù)據(jù)按照Row key的字典序(byte order)排序存儲。設(shè)計key時，要充分排序存儲這個特性，將經(jīng)常一起讀取的行存儲放到一起。(位置相關(guān)性)
注意：
字典序?qū)nt排序的結(jié)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，行鍵必須用0作左填充。
行的一次讀寫是原子操作 (不論一次讀寫多少列)。這個設(shè)計決策能夠使用戶很容易的理解程序在對同一個行進行并發(fā)更新操作時的行為。
(2) 列族 column family
hbase表中的每個列，都?xì)w屬與某個列族。列族是表的chema的一部分(而列不是)，必須在使用表之前定義。列名都以列族作為前綴。例如courses:history ， courses:math 都屬于 courses 這個列族。
訪問控制、磁盤和內(nèi)存的使用統(tǒng)計都是在列族層面進行的。實際應(yīng)用中，列族上的控制權(quán)限能幫助我們管理不同類型的應(yīng)用：我們允許一些應(yīng)用可以添加新的基本數(shù)據(jù)、一些應(yīng)用可以讀取基本數(shù)據(jù)并創(chuàng)建繼承的列族、一些應(yīng)用則只允許瀏覽數(shù)據(jù)（甚至可能因為隱私的原因不能瀏覽所有數(shù)據(jù)）。
(3) 單元 Cell
HBase中通過row和columns確定的為一個存貯單元稱為cell。由{row key, column( =family> + label>), version} 唯一確定的單元。cell中的數(shù)據(jù)是沒有類型的，全部是字節(jié)碼形式存貯。
(4) 時間戳 timestamp
每個cell都保存著同一份數(shù)據(jù)的多個版本。版本通過時間戳來索引。時間戳的類型是 64位整型。時間戳可以由hbase(在數(shù)據(jù)寫入時自動 )賦值，此時時間戳是精確到毫秒的當(dāng)前系統(tǒng)時間。時間戳也可以由客戶顯式賦值。如果應(yīng)用程序要避免數(shù)據(jù)版本沖突，就必須自己生成具有唯一性的時間戳。每個cell中，不同版本的數(shù)據(jù)按照時間倒序排序，即最新的數(shù)據(jù)排在最前面。
為了避免數(shù)據(jù)存在過多版本造成的的管理 (包括存貯和索引)負(fù)擔(dān)，hbase提供了兩種數(shù)據(jù)版本回收方式。一是保存數(shù)據(jù)的最后n個版本，二是保存最近一段時間內(nèi)的版本（比如最近七天）。用戶可以針對每個列族進行設(shè)置。
3. HBase shell的基本用法
hbase提供了一個shell的終端給用戶交互。使用命令hbase shell進入命令界面。通過執(zhí)行 help可以看到命令的幫助信息。
以網(wǎng)上的一個學(xué)生成績表的例子來演示hbase的用法。
| name |
grad |
course |
| math |
art |
| Tom |
5 |
97 |
87 |
| Jim |
4 |
89 |
80 |
這里grad對于表來說是一個只有它自己的列族,course對于表來說是一個有兩個列的列族,這個列族由兩個列組成math和art,當(dāng)然我們可以根據(jù)我們的需要在course中建立更多的列族,如computer,physics等相應(yīng)的列添加入course列族。
(1)建立一個表scores，有兩個列族grad和courese
復(fù)制代碼 代碼如下:
hbase(main):001:0> create ‘scores','grade', ‘course'
可以使用list命令來查看當(dāng)前HBase里有哪些表。使用describe命令來查看表結(jié)構(gòu)。（記得所有的表明、列名都需要加上引號）
(2)按設(shè)計的表結(jié)構(gòu)插入值：
復(fù)制代碼 代碼如下:
put ‘scores','Tom','grade:','5′
put ‘scores','Tom','course:math','97′
put ‘scores','Tom','course:art','87′
put ‘scores','Jim','grade','4′
put ‘scores','Jim','course:','89′
put ‘scores','Jim','course:','80′
這樣表結(jié)構(gòu)就起來了，其實比較自由，列族里邊可以自由添加子列很方便。如果列族下沒有子列，加不加冒號都是可以的。
put命令比較簡單，只有這一種用法：
hbase> put ‘t1′, ‘r1′, ‘c1′, ‘value', ts1
t1指表名，r1指行鍵名，c1指列名，value指單元格值。ts1指時間戳，一般都省略掉了。
(3)根據(jù)鍵值查詢數(shù)據(jù)
get ‘scores','Jim'
get ‘scores','Jim','grade'
可能你就發(fā)現(xiàn)規(guī)律了，HBase的shell操作，一個大概順序就是操作關(guān)鍵詞后跟表名，行名，列名這樣的一個順序，如果有其他條件再用花括號加上。
get有用法如下：
hbase> get ‘t1′, ‘r1′
hbase> get ‘t1′, ‘r1′, {TIMERANGE => [ts1, ts2]}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′}
hbase> get ‘t1′, ‘r1′, {COLUMN => ['c1', 'c2', 'c3']}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMERANGE => [ts1, ts2], VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1, VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, ‘c1′
hbase> get ‘t1′, ‘r1′, ‘c1′, ‘c2′
hbase> get ‘t1′, ‘r1′, ['c1', 'c2']
(4)掃描所有數(shù)據(jù)
scan ‘scores'
也可以指定一些修飾詞：TIMERANGE, FILTER, LIMIT, STARTROW, STOPROW, TIMESTAMP, MAXLENGTH,or COLUMNS。沒任何修飾詞，就是上邊例句，就會顯示所有數(shù)據(jù)行。
例句如下：
復(fù)制代碼 代碼如下:
hbase> scan ‘.META.'
hbase> scan ‘.META.', {COLUMNS => ‘info:regioninfo'}
hbase> scan ‘t1′, {COLUMNS => ['c1', 'c2'], LIMIT => 10, STARTROW => ‘xyz'}
hbase> scan ‘t1′, {COLUMNS => ‘c1′, TIMERANGE => [1303668804, 1303668904]}
hbase> scan ‘t1′, {FILTER => “(PrefixFilter (‘row2′) AND (QualifierFilter (>=, ‘binary:xyz'))) AND (TimestampsFilter ( 123, 456))”}
hbase> scan ‘t1′, {FILTER => org.apache.hadoop.hbase.filter.ColumnPaginationFilter.new(1, 0)}
過濾器filter有兩種方法指出：
a. Using a filterString – more information on this is available in the
Filter Language document attached to the HBASE-4176 JIRA
b. Using the entire package name of the filter.
還有一個CACHE_BLOCKS修飾詞，開關(guān)scan的緩存的，默認(rèn)是開啟的（CACHE_BLOCKS=>true），可以選擇關(guān)閉（CACHE_BLOCKS=>false）。
(5)刪除指定數(shù)據(jù)
復(fù)制代碼 代碼如下:
delete ‘scores','Jim','grade'
delete ‘scores','Jim'
刪除數(shù)據(jù)命令也沒太多變化，只有一個：
hbase> delete ‘t1′, ‘r1′, ‘c1′, ts1
另外有一個deleteall命令，可以進行整行的范圍的刪除操作，慎用！
如果需要進行全表刪除操作，就使用truncate命令，其實沒有直接的全表刪除命令，這個命令也是disable，drop，create三個命令組合出來的。
(6)修改表結(jié)構(gòu)
復(fù)制代碼 代碼如下:
disable ‘scores'
alter ‘scores',NAME=>'info'
enable ‘scores'
alter命令使用如下（如果無法成功的版本，需要先通用表disable）：
a、改變或添加一個列族：
hbase> alter ‘t1′, NAME => ‘f1′, VERSIONS => 5
b、刪除一個列族：
復(fù)制代碼 代碼如下:
hbase> alter ‘t1′, NAME => ‘f1′, METHOD => ‘delete'
hbase> alter ‘t1′, ‘delete' => ‘f1′
c、也可以修改表屬性如MAX_FILESIZE
MEMSTORE_FLUSHSIZE, READONLY,和 DEFERRED_LOG_FLUSH：
hbase> alter ‘t1′, METHOD => ‘table_att', MAX_FILESIZE => '134217728′
d、可以添加一個表協(xié)同處理器
hbase> alter ‘t1′, METHOD => ‘table_att', ‘coprocessor'=> ‘hdfs:///foo.jar|com.foo.FooRegionObserver|1001|arg1=1,arg2=2′
一個表上可以配置多個協(xié)同處理器，一個序列會自動增長進行標(biāo)識。加載協(xié)同處理器（可以說是過濾程序）需要符合以下規(guī)則：
[coprocessor jar file location] | class name | [priority] | [arguments]
e、移除coprocessor如下：
hbase> alter ‘t1′, METHOD => ‘table_att_unset', NAME => ‘MAX_FILESIZE'
hbase> alter ‘t1′, METHOD => ‘table_att_unset', NAME => ‘coprocessor$1′
f、可以一次執(zhí)行多個alter命令：
hbase> alter ‘t1′, {NAME => ‘f1′}, {NAME => ‘f2′, METHOD => ‘delete'}
(7)統(tǒng)計行數(shù)：
復(fù)制代碼 代碼如下:
hbase> count ‘t1′
hbase> count ‘t1′, INTERVAL => 100000
hbase> count ‘t1′, CACHE => 1000
hbase> count ‘t1′, INTERVAL => 10, CACHE => 1000
count一般會比較耗時，使用mapreduce進行統(tǒng)計，統(tǒng)計結(jié)果會緩存，默認(rèn)是10行。統(tǒng)計間隔默認(rèn)的是1000行（INTERVAL）。
(8)disable 和 enable 操作
很多操作需要先暫停表的可用性，比如上邊說的alter操作，刪除表也需要這個操作。disable_all和enable_all能夠操作更多的表。
(9)表的刪除
先停止表的可使用性，然后執(zhí)行刪除命令。
drop ‘t1′
以上是一些常用命令詳解，具體的所有hbase的shell命令如下，分了幾個命令群，看英文是可以看出大概用處的，詳細(xì)的用法使用help “cmd” 進行了解。
復(fù)制代碼 代碼如下:
COMMAND GROUPS:
Group name: general
Commands: status, version
Group name: ddl
Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all,
enable, enable_all, exists, is_disabled, is_enabled, list, show_filters
Group name: dml
Commands: count, delete, deleteall, get, get_counter, incr, put, scan, truncate
Group name: tools
Commands: assign, balance_switch, balancer, close_region, compact, flush, hlog_roll, major_compact,
move, split, unassign, zk_dump
Group name: replication
Commands: add_peer, disable_peer, enable_peer, list_peers, remove_peer, start_replication,
stop_replication
Group name: security
Commands: grant, revoke, user_permission
4. hbase shell腳本
既然是shell命令，當(dāng)然也可以把所有的hbase shell命令寫入到一個文件內(nèi)，想linux shell腳本程序那樣去順序的執(zhí)行所有命令。如同寫linux shell，把所有hbase shell命令書寫在一個文件內(nèi)，然后執(zhí)行如下命令即可：
復(fù)制代碼 代碼如下:
$ hbase shell test.hbaseshell
方便好用。
您可能感興趣的文章:- shell 命令行中操作HBase數(shù)據(jù)庫實例詳解
- 收集的48個Shell腳本小技巧
- Shell腳本中執(zhí)行sql語句操作mysql的5種方法
- hbase-shell批量命令執(zhí)行腳本的方法
