离线数据系统之HBase基础

一、Hbase简介

1.1、什么是Hbase

HBASE是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBASE技术可在廉价PC Server上搭建起大规模结构化存储集群。HBASE的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。

HBASE是Google Bigtable的开源实现，但是也有很多不同之处。比如：Google Bigtable利用GFS作为其文件存储系统，HBASE利用Hadoop HDFS作为其文件存储系统；Google运行MAPREDUCE来处理Bigtable中的海量数据，HBASE同样利用Hadoop MapReduce来处理HBASE中的海量数据；Google Bigtable利用Chubby作为协同服务，HBASE利用Zookeeper作为对应。

 

1.2、与传统数据库的对比

1、传统数据库遇到的问题：

• 1）数据量很大的时候无法存储
• 2）没有很好的备份机制
• 3）数据达到一定数量开始缓慢，很大的话基本无法支撑

 2、HBASE优势：

• 1）线性扩展，随着数据量增多可以通过节点扩展进行支撑
• 2）数据存储在hdfs上，备份机制健全
• 3）通过zookeeper协调查找数据，访问速度块。

1.3、hbase集群中的角色

• 一个或者多个主节点，Hmaster
• 多个从节点，HregionServer

二、Habse安装

参考：https://blog.csdn.net/lixinkuan328/article/details/98470042

三、Hbase数据模型

3.1、Row Key行键

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 (Row key)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)

3.2、Columns Family列族

HBASE表中的每个列，都归属于某个列族。列族是表的schema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。例如：courses:history，courses:math都属于courses 这个列族。

1. HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’；
2. 列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入；
3. 权限控制、存储以及调优都是在列族层面进行的；
4. HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

3.3、Cell单元格

由{row key, column（=+), version} 唯一确定的单元。cell中 的数据是没有类型的，全部是字节码（字节数组）形式存贮。

关键字：无类型、字节码

3.4、Time Stamp时间戳

HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell。每个 cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由HBASE(在数据写入时自动 )赋值，此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。

为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，HBASE提供 了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段 时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。

四、hbase命令

4.1、命令的进退

• hbase提供了一个shell的终端给用户交互；#$HBASE_HOME/bin/hbase shell
• 如果退出执行quit命令：#$HBASE_HOME/bin/hbase shell   ……  >quit

4.2、命令

名称	命令表达式
创建表	create '表名', '列族名1','列族名2','列族名N'
查看所有表	list
描述表	describe  ‘表名’
判断表存在	exists  '表名'
判断是否禁用启用表	is_enabled '表名' is_disabled ‘表名’
添加记录	put  ‘表名’, ‘rowKey’, ‘列族 : 列‘  ,  '值'
查看记录rowkey下的所有数据	get  '表名' , 'rowKey'
查看表中的记录总数	count  '表名'
获取某个列族	get '表名','rowkey','列族'
获取某个列族的某个列	get '表名','rowkey','列族：列’
删除记录	delete  ‘表名’ ,‘行名’ , ‘列族：列'
删除整行	deleteall '表名','rowkey'
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’ ，第二步  drop '表名'
清空表	truncate '表名'
查看所有记录	scan "表名"
查看某个表某个列中所有数据	scan "表名" , {COLUMNS=>'列族名:列名'}
更新记录	就是重写一遍，进行覆盖，hbase没有修改，都是追加

五、Hhbase依赖zookeeper

• 保存Hmaster的地址和backup-master地址

hmaster：

1. 管理HregionServer
2. 做增删改查表的节点
3. 管理HregionServer中的表分配

• 保存表-ROOT-的地址：hbase默认的根表，检索表。
• HRegionServer列表：表的增删改查数据和hdfs交互，存取数据。

六、hbase开发

参考：http://abloz.com/hbase/book.html