一、简介
1.1组成：
Rowkey、列簇、列和列的value（单元格）
1、Rowkey
每一行的唯一标识。
不能直接用业务主键，会导致数据不平衡。
一般通用设计模式是加盐键，给键加上二进制字节作为前缀。
2、列簇
1）一张表通常有一个单独的列簇，1张表中的列簇不会超过5个（HBase作为Janusgraph的后端存储，有9个列簇）。
2）列簇必须在创建表时候定义，列只有在插入后才会存在，空值并不保存。
3）每一个列簇都会保存在自己的文件集合中，所有存储设置都需要在列簇级别指定。
HBase默认的块大小是64KB，版本数默认为3个版本，TTL可设置，一旦到底过期时间可自动删除旧行。
4）多重列簇类似于以Rowkey为连接条件的连接查询。
3、单元格：
列和行的交集，单元格是版本化的，最新版本号排咋最前面，所有单元格都会根据版本号降序排列。
1.2压缩
压缩是分区中HFile文件合并的过程，压缩过程分为2种，小量和全量。
XH 小量压缩阈值=3，如果分区HFile文件超过了预设值，就会启动小量压缩，压缩期间，不会发生持久化，如果Memsore写满，与该分区服务器交互的客户端就会被堵塞，直至压缩过程执行完毕。（BS连接HBase超时原因）
XH 全量压缩设置为7天一次。
二、相关操作
2.1hbase shell
进入HBase命令行页面
list：列出所有表
2.2namespace
HBase中没有database的概念，这里的namespace命名空间指对一组表的逻辑分组，类似RDBMS中的database；
HBase系统默认定义了两个缺省的namespace
hbase：系统内建表，包括namespace和meta表
default：用户建表时未指定namespace的表都创建在此
1）创建namespace
hbase>create_namespace 'test_ns'
2）列出所有namespace
hbase>list_namespace
3）查看namespace
hbase>describe_namespace 'test_ns'
4）在namespace下创建表
hbase>create 'test_ns:testtable', 'fm1'
5）查看namespace下的表
hbase>list_namespace_tables 'test_ns'
6）删除namespace ----必须空的namespace才能删除 要删除掉里面的表
hbase>disable 'test_ns:testtable'
hbase>drop 'test_ns:testtable'
hbase>drop_namespace 'test_ns'
2.3table DML
1、创建表
hbase>create 't_demo_tbl','f1','f2','f3' #-------t_demo_tbl是表名，f1，f2，f3是列簇名
2、查看表的结构：
hbase>describe 't_demo_tbl'
3、禁用，启用表
hbase>disable 't_demo_tbl'
hbase>enable 't_demo_tbl'
4、查看表结构是否启用【允许修改】 因为启用的表不允许修改：
hbase>is_enabled 't_demo_tbl'
5、增加一个列族：
hbase>disable 't_demo_tbl'
hbase>alter 't_demo_tbl', NAME=>'f1', VERSIONS=>3
hbase>enable 't_demo_tbl'
6、删除某个列族：
hbase>disable 't_demo_tbl'
hbase>alter 't_demo_tbl', NAME=>'f1', METHOD=>'delete' #--------注意大小写（简写：alter 't_demo_tbl', 'delete'=>'f1'）
hbase>enable 't_demo_tbl'
7、查看所有的表
hbase>list
8、查看某一表是否存在：
hbase>exists 't_demo_tbl'
9、清空表：
hbase>truncate 't_demo_tbl'
10、删除某张表：
hbase>disable 't_demo_tbl'
hbase>drop 't_demo_tbl'
2.4table DDL
1、向表中插入数据：
hbase>put 't_demo_tbl', 'r1', 'f1:c1', 'value' #--------列族的列可以不存在，修改数据也是put，只需行健[rowkey]和列相同即可
2、删除某行数据的列[值]：
hbase>delete 't_demo_tbl', 'r1', 'c1', 'ts1' #--------删除t_demo_tbl表，行健为r1的c1列中，时间戳为ts1的值，如果不指定ts1就删除所有列值[默认保持三个版本]
3、删除某行数据：
hbase>deleteall 't_demo_tbl', 'r1'
注：删除并不会物理删除HBase中的记录，它会被标记被删除的记录。真正的物理删除在压缩过程中执行。
4、获取某个行健的所有列族的列值：
hbase>get 't_demo_tbl', 'r1'
5、获取某个行健的所有某个列族的列值：
hbase>get 't_demo_tbl', 'r1','f1'
6、获取某个行健的某两个列族的列值：
hbase>get 't_demo_tbl', 'r1','f1','f2'
7、获取某个行健的某个列族的某个列值：
hbase>get 't_demo_tbl', 'r1', 'f1:c1'
8、获取某个表的所有行健值：
hbase>scan 't_demo_tbl'
9、获取某个表的前3行：
hbase>scan 't_demo_tbl', {LIMIT=>3}
10、获取某个表的从指定位置开始的行：
hbase>scan 't_demo_tbl', {STARTROW=>'rowKey', LIMIT=>3}
11、获取某个表的指定列的所有行数据：
hbase>scan 'heroes', {COLUMNS =>'f1:c1'}
12、统计表的行数：
hbase>count 't_demo_tbl'
INTERVAL=>100000000 统计间隔
或者hbase org.apache.hadoop.hbase.mapreduce.RowCounter 't_demo_tbl'
比hbase shell 统计快一些
13、清空表：truncate ‘tablename’
14、移除整张表：drop ‘tablename’
以上两步骤，必须先禁用表（disable）。
2.5HBase API
Get类
Put类
Delete类
Scan类
过滤器
三、hbase 2.0及以上版本的优化：
1.flush和compaction支持到列簇级别
四、HBase 不同namespace下表的转移
1、disable 'TableName'
2、snapshot 'TableName', TableNameSnapshot1'
3、clone_snapshot 'TableNameSnapshot1', 'NewNameSpace:TableName'
4、delete_snapshot 'TableNameSnapshot1'
-------------------------------------分割线----------------------
一：hbase的存储形式
hbase的内部使用KeyValue的形式存在，其key是有rowkey:family:column:logTime，value是其存储的内容。
其在region的是大多以升序的形式排列，唯一的是logtime是以降序的形式进行排列。
所以，按照越靠近左边的信息越容易被检索到。其设计时，要考虑把重要的信息放左边，不重要的信息放到右边。这样可以提高查询数据的速度。这样，最重要的提高索引速度的就是设计合适的rowkey。
二：rowkey的设计原则
1：长度原则，最短越好，最大不能超过64K。太长的影响有两点，一是极大影响了HFile的存储效率。二是缓存memstore不能得到有效利用，缓存不能存放太多的信息，造成检索效率的降低。
2：唯一原则
保证rowkey的唯一性，这条没有什么要讲的。
3：自己一条原则
尽量保证经常一起用的rowkey存储在同一个region上，有助于提升检索效率。但要避免热点问题。
4：对于常用的检索的rowkey，尽量使用高表（行多列少），二部选择宽表（列多行少）。
三：rowkey引起热点问题的集中解决方法
1-加盐：在rowkey前面加一个冗余信息，这样可以把数据分散到不同的region中。
优点：可以有效的防止rowkey集中分配到一个或多个region中。有效避免了热点问题；
缺点：无形中增加了rowkey的长度；范围检索得不到有效使用。
2-字段交换，提升权重：如果rowkey中含有几个信息字段，可以调整信息字段的顺序。
缺点：对于单个信息字段，或者无论怎么调整都会遇到region热点的rowkey是解决不了的。
3-随机键：把rowkey进行hash化，在分配到不同的服务器上。和加盐的方式相似；
以下是顺序读的性能排行（由高到低，写性能与读性能相反）：顺序键 -> 使用加盐键 -> 提升字段键 -> 随机键
强加几个知识点：
1-尽量使用范围查询代替前缀查询；
2-数据多时，用分页查询；