(一)简介:
HBase是一个分布式的、面向列的开源数据库。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。
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 |
|
|
|
|
|
|
key2 |
|
|
|
|
|
|
key3 |
如上图所示,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,每个列族下又包括几列,比如column-family1这个列族下包括两列,名字是column1和column2。t1:ab ,t2:dx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,ab和dx。两个值的时间戳不一样,分别是t1,t2,hbase会返回最新时间的值给请求者。
名词定义:
1)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:
- 单个row key访问
- 通过row key的range
- 全表扫描
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,将经常一起读取的行存储放到一起。(位置相关性)
2)列族 column family
hbase表中的每个列,都归属与某个列族。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。
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,全部是字节码形式存储。
4)时间戳 timestamp
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。
(二)安装:
1. 下载安装包: http://www.apache.org/dyn/closer.cgi/hbase/,下载后缀为 .tar.gz 结尾的文件。本文测试的版本是 hbase-0.94.10.tar.gz
2. 解压
- tar zxvf hbase-0.94.10.tar.gz
3. 修改数据存储目录,编辑 conf/hbase-site.xml 配置hbase.rootdir
- <?xml version="1.0"?>
- <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
- <configuration>
- <property>
- <name>hbase.rootdir</name>
- <value>存储目录</value>
- </property>
- </configuration>
4. 启动Hbase
starting master, logging to /home/onlyone/software/hbase-0.94.10/bin/../logs/hbase-onlyone-master-ubuntu.out
所有的服务都运行在一个JVM上,包括Hbase和Zookeeper。Hbase的日志放在logs目录,当你启动出问题的时候,可以检查这个日志。
5. 用shell连接Hbase
(三)操作演示
有一学生成绩表
name |
grade |
course |
math |
art |
Tom |
6 |
99 |
100 |
Yangli |
15 |
|
|
这里grade对于表来说是一个只有它自己的列族,course对于表来说是一个有两个列的列族,这个列族由两个列组成math和art,当然我们可以根据需要在course中建立更多的列,如computer、physics等列添加入course列族。
1)建立一个表scores,有两个列族grade和course
- hbase(main):001:0> create 'scores' ,'grade','course'
list命令来查看当前HBase里有哪些表
- hbase(main):002:0> list
- TABLE
- scores
- test
- 2 row(s) in 0.1320 seconds
describe命令来查看表结构
- hbase(main):001:0> describe 'scores'
- DESCRIPTION ENABLED
- 'scores', {NAME => 'course', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => true
- 'NONE', REPLICATION_SCOPE => '0', VERSIONS => '3', COMPRESSION => 'NONE',
- MIN_VERSIONS => '0', TTL => '2147483647', KEEP_DELETED_CELLS => 'false',
- BLOCKSIZE => '65536', IN_MEMORY => 'false', ENCODE_ON_DISK => 'true', BLOC
- KCACHE => 'true'}, {NAME => 'grade', DATA_BLOCK_ENCODING => 'NONE', BLOOMF
- ILTER => 'NONE', REPLICATION_SCOPE => '0', VERSIONS => '3', COMPRESSION =>
- 'NONE', MIN_VERSIONS => '0', TTL => '2147483647', KEEP_DELETED_CELLS => '
- false', BLOCKSIZE => '65536', IN_MEMORY => 'false', ENCODE_ON_DISK => 'tru
- e', BLOCKCACHE => 'true'}
- 1 row(s) in 0.7240 seconds
ps:记得所有的表名、列名都需要加上引号
2)插入值
- hbase(main):007:0> put 'scores','Tom','grade','6'
- 0 row(s) in 0.0790 seconds
-
- hbase(main):008:0> put 'scores','Tom','course:math','99'
- 0 row(s) in 0.0060 seconds
-
- hbase(main):009:0> put 'scores','Tom','course:art','100'
- 0 row(s) in 0.0100 seconds
-
- //扫描表数据
- hbase(main):010:0> scan 'scores'
- ROW COLUMN+CELL
- Tom column=course:art, timestamp=1376493359159, value=100
- Tom column=course:math, timestamp=1376493340514, value=99
- Tom column=grade:, timestamp=1376493316800, value=6
- 1 row(s) in 0.0530 seconds
put命令比较简单:
hbase> put ‘t1′, ‘r1′, ‘c1′, ‘value'
t1指表名,r1指行键名,c1指列名,value指单元格值
3)根据键值查询数据
- hbase(main):012:0> get 'scores' ,'Tom'
- COLUMN CELL
- course:art timestamp=1376493359159, value=100
- course:math timestamp=1376493340514, value=99
- grade: timestamp=1376493316800, value=6
- 3 row(s) in 0.0170 seconds
-
- hbase(main):013:0> get 'scores' ,'Tom','grade'
- COLUMN CELL
- grade: timestamp=1376493316800, value=6
- 1 row(s) in 0.0080 seconds
-
- hbase(main):014:0> get 'scores' ,'Tom','course:math'
- COLUMN CELL
- course:math timestamp=1376493340514, value=99
- 1 row(s) in 0.0250 seconds
4)删除指定数据
- hbase(main):016:0> delete 'scores' ,'Tom','grade'
- 0 row(s) in 0.1350 seconds
-
- hbase(main):017:0> scan 'scores'
- ROW COLUMN+CELL
- Tom column=course:art, timestamp=1376493359159, value=100
- Tom column=course:math, timestamp=1376493340514, value=99
- 1 row(s) in 0.1380 seconds
5)统计行数:
- hbase(main):018:0> count 'scores'
- 1 row(s) in 0.8500 seconds
6)hbase shell脚本
既然是shell命令,当然也可以把所有的hbase shell命令写入到一个文件内,象linux shell脚本那样顺序执行所有命令。如: