what’s

中文文档
来自于 BigTable。
HBase 是参考 google 的 bigtable 的一个开源产品，建立在 hdfs 之上的一个提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。
是一种介于 nosql 和 RDBMs 之间的一种数据库系统，仅支持通过 rowkey 和 range 进行数据的检索，主要存储非结构化数据和半结构化数据。

HBase 和 Hadoop 一样，目标是通过横向扩展，添加普通机器来增加存储性能和计算性能。
HBase 特点：大(一个表可以有上亿行以及百万级的行)、面向行存储、稀疏(由于 null 不占用存储空间，所有表结果可以设计的非常稀疏)。

架构

HBase 使用 Zookeeper 进行集群节点管理，当然 HBase 自身集成了一个 ZK 系统，不过一般情况在实际生产环境中不使用。
HBase 由 master 和 regionserver 两类节点(如果使用 HBase 自带的 zk 服务，那么还有 HQuorumPeer 进程)。
Hbase 支持提供 backup master 进行 master 备份。其中 master 节点负责和 zk 进行通信以及存储 regionserver 的相关位置信息，regionserver 节点实现具体对数据的操作，最终数据存储在 hdfs 上。

物理存储：hbase 的持久化数据是存放在 hdfs 上
存储管理：一个表是划分为很多 region 的，这些 region 分布式地存放在很多 regionserver 上（1 台机器对应一个 regionServer）。region 内部还可以划分为 store，store 内部有 memstore 和 storefile

版本管理：hbase 中的数据更新本质上是不断追加新的版本，通过 compact 操作来做版本间的文件合并 region 的 split

集群管理：zookeeper + hmaster + hregionserver

web 管理界面:http://host:60010/

hbase 数据

HBase 逻辑存储结构

row key 是一张表中某一列数据的唯一标识。
时间戳，记录数据的更新、版本。
column family 是列簇（可以有多个），cf 包含一个或多个相关的列 column01,column02,…..。

HBase 物理存储结构

Hbase Shell 操作

$ bin/hbase shell进入 hbase 的 shell 客户端，对数据的操作主要分为 DDL 和 DML 两大类。不用 ”;”。shift+delete 才能前删。

命名空间

类似关系型数据库中的 database，作用是将 hbase 的表按照业务作用分割开，有益于维护。
Hbase 默认有两个命名空间，分别是 hbase 和 default。其中 hbase 命名空间存储 hbase 自身的表信息，default 存储用户创建的表。
create_namespace创建命名空间，alter_namespace命名空间修改 ，describe_namespace 显示命名空间描述信息，drop_namespace` 删除命名空间，注意删除的命名空间内不能有 table 存在，也就是说只能删除空的 namespace。
list_namespace显示所有命名空间，list_namespace_tables显示对于命名空间中的 table 名称，参数可以是正则形式。后面参数放引号里。

list

作用：显示 hbase 表名称，类似 mysql 中的 show tables；
可以通过指定命名空间来查看对应命名空间中的表，默认是显示所有用户表，也支持模糊匹配。类似命令 list_namespace_tables 查看对应命名空间内有那些表。

create

> help "create"可查看用法。
创建一个表，指定命名空间、表名
hbase> create 'ns1:t1' 会提示表必须至少有一个列簇！

hbase> create 'ns1:table1', {NAME => 'f1', VERSIONS => 5}这里指定了一个列簇 f1，并增加版本信息。
还可以加更多信息 hbase> create 't1', {NAME => 'f1', VERSIONS => 1, TTL => 2592000, BLOCKCACHE => true}
hbase> create 't1', {NAME => 'f1', CONFIGURATION => {'hbase.hstore.blockingStoreFiles' => '10'}}

还可以为表加配置信息 hbase> create 't1', {NAME => 'f1', VERSIONS => 5}, METADATA => {'mykey' => 'myvalue'}、hbase> create 'ns1:t1', 'f1', SPLITS => ['10', '20', '30', '40']、hbase> create 't1', 'f1', SPLITS_FILE => 'splits.txt', OWNER => 'johndoe'

hbase> create 'ns1:table2', {NAME => 'f1'}, {NAME => 'f2'}, {NAME => 'f3'}指定了多个列簇。
简写：hbase> create 't1', 'f1', 'f2', 'f3'

>describe 'table1'查看表的描述信息

创建预分区表

默认情况的情况下，创建一个 HBase 表，自动为表分配一个 Region。
create 'table_logs', 'info', SPLITS => ['20151001000000000', '20151011000000000', '20151021000000000']
3+ 1 个 region

drop

删除用户表之前需要将表设置为 disable 的，然后才可以删除。
其实在 hbase 中如果需要对已有表进行 ddl 操作，均需要将其 disable，在 ddl 操作完成后，再进行 enable 操作即可。
> disable '[namespace_name:]table_name'
> drop '[namespace_name:]table_name'

put

put 命令是进行数据添加的命令。
> put '[namespace_name:]table_name', 'rowkey', 'family:[column]', 'value' [, timestamp] [, {ATTRIBUTES=>{'mykey'=>'myvalue'}, VISIBILITY=>'PRIVATE|SECRET'}]
示例：> put 'users','row1','f1:id','1'
>put 'user', '10001', 'info:name', 'zhangsan'
分别指定表名（可以不带命名空间），列簇名，列名（指定所在的列簇），值，默认时间戳

gives you a reference to the table named ‘t1’, on which you can then call methods.

> t=get_table 'cyan:table2'得到了一个引用后 t.put 'r3', 'f1:id', '9'
> t.get 'r3'
也可以用这种方式创建表hbase> t1 = create 't1', 'f1'

delete

删除某列 column 数据，
> delete '[namespace:]table_name', 'rowkey', 'family:column'
> delete 'user', '10001', 'info:age'
如果需要删除当然 rowkey 的所有列数据，那么可以使用 deleteall 命令。
> deleteall 'user', '10001' 10001 的全没了

truncate

是清空数据库，当我们数据库中的数据比较多的时候，我们可以选择该命令将数据库清空。
> truncate '[namespace_name:]table_name'

查询数据

HBase 数据查询有三种方式:

get

依据 rowkey 查询，最快的。
获取对应表中对应 rowkey 的数据。默认获取最新版本的全部列数据，可以通过时间戳指定版本信息，也可以指定获取的列。
> get '[namespace_name:]table_name', 'rowkey'
示例：> get 'users','row1'
>get 'user', '10001', 'info:name'得到该 row 的 name 值
>get 'user', '10001', 'info:name', 'info:age' 得到该 row 的 name 值和 age 值

scan range

通过指定 column 和 filter 等相关信息进行数据的过滤。范围查询都写在 ”{}” 中。用的最多。

> scan 'users', {COLUMN=>['f1:id']} 会返回有列簇 f1 且列名为 id 的 row 的条数，还有该列的值。

> scan 'users', {COLUMN=>['f1:id','f2:name']} 会返回有列簇 f1 且列名为 id 的 或 会返回有列簇 f2 且列名为 name 的 row 的条数，还有该列的值。

> scan 'users', {STARTROW=>'row1',ENDROW=>'row2'}开始扫描的 rowkey，结束扫描的 rowkey，获取行数等信息。包头不包尾！

> scan 'users', {LIMIT=>1}返回前 1 条 row。

常用 filter 命令有：ColumnPrefixFilter，MultipleColumnPrefixFilter，RowFilter，SingleColumnValueFilter，SingleColumnValueExcludeFilter 等。
需要注意的是：在指定的 value 之前需要加 ’binary:’！最后会转为是二进制的字符串数组。
> scan 'users',{FILTER=>"SingleColumnValueFilter('f','id',=,'binary:1)"}指定了 f 列簇下列名为 id 且值为 1
> scan'users', {FILTER=>"RowFilter(>=,'binary:row8')"}
> scan'users', {FILTER=>"SingleColumnValueFilter('f','id',=,'binary:2')"}
`> scan ‘users’, {FILTER=>”SingleColumnValueFilter(‘f’,’id’,<,’binary:3′) OR RowFilter(>,’binary:row7′)”}

> scan 'users', {FILTER=>"ColumnPrefixFilter('id')"}
> scan 'users', {FILTER=>"MultipleColumnPrefixFilter('id','name')"}

各种条件都可以写在 ”{}” 中，用逗号隔开取交集。

scan

全表扫描。
> scan '[namespace_name:]table_name'
示例：> scan 'users'

count

是统计 hbase 表行数的一个命令，由于相当于一个内置的 mapreduce 程序，所以当数据量比较大的时候可以选择使用协处理器方式计算行数。
> count '[namespace:]table_name' [INTERVAL => 1000,] [CACHE => 10]
默认情况下 INTERVAL 是 1000(间隔数)，CACHE 是 10。

status

作用：查看 hbase 集群状态信息。

参数：simple，summary，detailed；默认是 summary。

Hbase java api

http://hbase.apache.org/apidocs/

HBase MapReduce

http://www.kuqin.com/database…