大数据学习 -------- HBASE的基本概念
逻辑概念
如下图所示，是一个HBase的典型表，HBase中通过多个条件（经常称之为坐标）来定位表中的数据：
表
HBase表由多行组成。
行
一行在HBase由行键和一个或多个列的值组成。如下图所示：
行按字母顺序排序的行键存储，行健类似关系型数据库中的ID列。如下图所示：
Row Key
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（正则）
3.全表扫描
Row key行键 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)，在HBASE内部，row key保存为字节数组。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)
保存为“字节数组”的意思：没有int类型、char类型等数据类型之分，都是ascii码
字典序的意思：2 和10 排序时，10排在2的前面。 因为数据都保存为 字节数组 ，因此也就没有 数据类型了（如果有数据类型的话，2应排在10之前）
列
列是表中的最基本元素，HBase的列包含一个列族和一个列限定符，列属于一个列族，列族属于一个行。列中的内容不需要指定类型，这也是与关系型数据不同的地方，也是HBase被称之为无类型的数据库的原因。HBase的列与关系型数据库不同，在于其含有版本的概念，一个列的数据可以有多个历史版本，体现形式就是时间戳。
列族
在关系型数据库中没有列族的概念，在HBase中，列族是一行中一个或多个列的集合，就是一行数据的一部分。列族需要在表创建时就定义好，并且不能修改的太频繁，数量也不能太多，在以前的HBase实现中有少量已知的缺陷，导致列族的数量最多只能使用几十个。列族中的列的数量是没有限制的。
列限定符
如图所示，列族中可以包含多个列，一个表中的某个列的定位方式就成为了meta:size 这种方式。我们就称之为列限定符，说白了，列限定符即指一个列族中的某个列。
单元格
一个单元格是行、列族和列限定符的结合，也就是说，通过这三个值（也称之为坐标）来唯一确定一个单元格。其中包含值和创建这个值的时间（即时间戳）。单元格中的值与关系型数据库不同的是，其如果没有值的话，就为空，什么也不写，也不占用底层物理存储。关系型数据中则需要存储null。
版本：version 用于标识更新的数据 ，也已作为数据的检索项
最小的存储单元cell单元格
在进行检索数据的时候，可以通过 以下方式进行单元格数据的唯一确定
cell单元格：rowkey+列簇+时间戳+value 找到数据内容
rowkey :1001
column famliy1:info
name:zhangsan
age:18
sex:nan
column famliy1:info2
addr:beijng
phone:137
时间戳
时间戳就是写入某个单元格中的数据时候的具体时间（从1970年1月1日开始到当前系统时间的一个毫秒值），用来表示一个单元格中的数据的新旧。
物理概念
上述的逻辑概念最终还是要体现在物理机器上才有意义。那一个大“表”如何存储在机器中的呢？
1.将一个大表按“行”划分不同的部分，每一个部分叫一个Region也就是一个Region由若干条记录组成。而一个Region根据“列族”，又可以划分成不同部分，这每一部分叫store。
2.将每一个Region存放到hbase集群中的某台机器上，这个机器叫Region Server
3.每个Region最终还是存放到一个文件系统中，这个文件系统就是hdfs，这点跟mysql类似（mysql的表最终还是以文件的形式存在）。这个存在hdfs的文件叫做HFile
4.hbase既然是集群那么必然就有机器是管理者，这样的机器在hbase中叫HMaster，其他机器就是RegionServer
那上图中各个角色的主机有什么作用呢？
hmaster：相当于hbase中老大
管理多个hregionserver
存储namespace （相当于mysql的database）、 所有table
它决定hregion的创建
决定hregion的split(正常变大)、和数据重新分配(split 、 故障转移)
hregionserver:hbase核心服务
1、负责处理来自于client的的i/o请求
2、管理自己的多个hregion
3、负责数据存取、hreion的拆分
zookeeper： rowkey 001-003 ， ip地址指向resionServer1
保证有且仅有一个active的hmaster(监控hmaster)
存储整个hbase的元数据(table名、列簇名、列名)
存储hregion的寻址的数据
作为hbase的访问入口,切换hmaster的主备, Hbase部分元数据也是保存在zookeeper中
1 client ：访问hbase
2 mater: 管理类的工作，主要管理regionServer ,负责均衡,管理元数据（数据库的名字，表的名字）
3 Regonserver: 存放region,而region存放是真正的数据,并且regonserver可以相应的读写请求，还可以管理表中的数据
Hbase物理模型:
每个column family存储在HDFS上的一个单独文件中，空值不会被保存。
Key 和 Version number在每个 column family中均有一份；
HBase 为每个值维护了多级索引，即：
物理存储:
1、Table中所有行都按照row key的字典序排列；
2、Table在行的方向上分割为多个Region；
3、Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候，region就会等分为两个新的region，之后会有越来越多的region；
4、Region是Hbase中分布式存储和负载均衡的最小单元，不同Region分布到不同RegionServer上。
Region虽然是分布式存储的最小单元，但并不是存储的最小单元。Region由一个或者多个Store组成，每个store保存一个columns family；每个Strore又由一个memStore和0至多个StoreFile组成，StoreFile包含HFile；memStore存储在内存中，StoreFile存储在HDFS上
Hbase详细结构
4.hbase shell常用命令
下面我们看看HBase Shell的一些基本操作命令，我列出了几个常用的HBase Shell命令，如下：
| 名称 | 命令表达式 |
| 创建表 | create '表名称', '列名称1','列名称2','列名称N' |
| 添加记录 | put '表名称', '行名称', '列名称:', '值' |
| 查看记录 | get '表名称', '行名称' |
| 查看表中的记录总数 | count '表名称' |
| 删除记录 | delete '表名' ,'行名称' , '列名称' |
| 删除一张表 | 先要屏蔽该表，才能对该表进行删除，第一步 disable '表名称' 第二步 drop '表名称' |
| 查看所有记录 | scan "表名称" |
| 查看某个表某个列中所有数据 | scan "表名称" , ['列名称:'] |
| 更新记录 | 就是重写一遍进行覆盖 |