hbase shell 基礎和常用命令詳解

HBase是一個分布式的、面向列的開來源資料庫,源於google的一篇論文《bigtable：一個結構化資料的分布式儲存系統》。HBase是Google Bigtable的開源實現，它利用Hadoop HDFS作為其檔案儲存體系統，利用Hadoop MapReduce來處理HBase中的海量資料，利用Zookeeper作為協同服務。

1. 簡介

HBase是一個分布式的、面向列的開來源資料庫,源於google的一篇論文《bigtable：一個結構化資料的分布式儲存系統》。HBase是Google Bigtable的開源實現，它利用Hadoop HDFS作為其檔案儲存體系統，利用Hadoop MapReduce來處理HBase中的海量資料，利用Zookeeper作為協同服務。

2. HBase的表結構

HBase以表的形式儲存資料。表有行和列組成。列劃分為若干個列族/列簇(column family)。

Row Key	column-family1	column-family2	column-family3
column1	column2	column1	column2	column3	column1
key1
key2
key3

如上圖所示，key1,key2,key3是三條記錄的唯一的row key值，column-family1,column-family2,column-family3是三個列族，每個列族下又包括幾列。比如column-family1這個列族下包括兩列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一確定的一個單元cell。這個cell中有兩個資料，abc和gdxdf。兩個值的時間戳記不一樣，分別是t1,t2, hbase會返回最新時間的值給要求者。

這些名詞的具體含義如下：

(1) Row Key

與nosql資料庫們一樣,row key是用來檢索記錄的主鍵。訪問hbase table中的行，只有三種方式：

(1.1) 通過單個row key訪問

(1.2) 通過row key的range

(1.3) 全表掃描

Row key行鍵 (Row key)可以是任一字元串(最大長度是 64KB，實際應用中長度一般為 10-100bytes)，在hbase內部，row key儲存為位元組數組。

儲存時，資料按照Row key的字典序(byte order)排序儲存。設計key時，要充分排序儲存這個特性，將經常一起讀取的行儲存放到一起。(位置相關性)

注意：

字典序對int排序的結果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行鍵必須用0作左填充。

行的一次讀寫是原子操作 (不論一次讀寫多少列)。這個設計決策能夠使使用者很容易的理解程式在對同一個行進行並發更新操作時的行為。

(2) 列族 column family

hbase表中的每個列，都歸屬與某個列族。列族是表的chema的一部分(而列不是)，必須在使用表之前定義。列名都以列族作為首碼。例如courses:history ， courses:math 都屬於 courses 這個列族。

存取控制、磁碟和記憶體的使用統計都是在列族層面進行的。實際應用中，列族上的控制許可權能協助我們管理不同類型的應用：我們允許一些應用可以添加新的基本資料、一些應用可以讀取基本資料並建立繼承的列族、一些應用則只允許瀏覽資料（甚至可能因為隱私的原因不能瀏覽所有資料）。

(3) 單元 Cell

HBase中通過row和columns確定的為一個存貯單元稱為cell。由{row key, column( =<family> + <label>), version} 唯一確定的單元。cell中的資料是沒有類型的，全部是位元組碼形式存貯。

(4) 時間戳記 timestamp

每個cell都儲存著同一份資料的多個版本。版本通過時間戳記來索引。時間戳記的類型是 64位整型。時間戳記可以由hbase(在資料寫入時自動 )賦值，此時時間戳記是精確到毫秒的當前系統時間。時間戳記也可以由客戶顯式賦值。如果應用程式要避免資料版本衝突，就必須自己產生具有唯一性的時間戳記。每個cell中，不同版本的資料按照時間倒序排序，即最新的資料排在最前面。

為了避免資料存在過多版本造成的的管理 (包括存貯和索引)負擔，hbase提供了兩種資料版本回收方式。一是儲存資料的最後n個版本，二是儲存最近一段時間內的版本（比如最近七天）。使用者可以針對每個列族進行設定。

3. HBase shell的基本用法

hbase提供了一個shell的終端給使用者互動。使用命令hbase shell進入命令介面。通過執行 help可以看到命令的協助資訊。

以網上的一個學產生績表的例子來示範hbase的用法。

name	grad	course
math	art
Tom	5	97	87
Jim	4	89	80

這裡grad對於表來說是一個只有它自己的列族,course對於表來說是一個有兩個列的列族,這個列族由兩個列組成math和art,當然我們可以根據我們的需要在course中建立更多的列族,如computer,physics等相應的列添加入course列族。

(1)建立一個表scores，有兩個列族grad和courese

hbase(main):001:0> create ‘scores’,'grade’, ‘course’

可以使用list命令來查看當前HBase裡有哪些表。使用describe命令來查看錶結構。（記得所有的表明、列名都需要加上引號）

(2)按設計的表結構插入值：

put ‘scores’,'Tom’,'grade:’,’5′
put ‘scores’,'Tom’,'course:math’,’97′
put ‘scores’,'Tom’,'course:art’,’87′
put ‘scores’,'Jim’,'grade’,’4′
put ‘scores’,'Jim’,'course:’,’89′
put ‘scores’,'Jim’,'course:’,’80′

這樣表結構就起來了，其實比較自由，列族裡邊可以自由添加子列很方便。如果列族下沒有子列，加不加冒號都是可以的。

put命令比較簡單，只有這一種用法：

hbase> put ‘t1′, ‘r1′, ‘c1′, ‘value’, ts1

t1指表名，r1指行鍵名，c1指列名，value指儲存格值。ts1指時間戳記，一般都省略掉了。

(3)根據索引值查詢資料

get ‘scores’,'Jim’
get ‘scores’,'Jim’,'grade’

可能你就發現規律了，HBase的shell操作，一個大概順序就是操作關鍵詞後跟表名，行名，列名這樣的一個順序，如果有其他條件再用花括弧加上。
get有用法如下：

hbase> get ‘t1′, ‘r1′
hbase> get ‘t1′, ‘r1′, {TIMERANGE => [ts1, ts2]}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′}
hbase> get ‘t1′, ‘r1′, {COLUMN => ['c1', 'c2', 'c3']}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMERANGE => [ts1, ts2], VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1, VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, ‘c1′
hbase> get ‘t1′, ‘r1′, ‘c1′, ‘c2′
hbase> get ‘t1′, ‘r1′, ['c1', 'c2']

(4)掃描所有資料

scan ‘scores’

也可以指定一些修飾詞：TIMERANGE, FILTER, LIMIT, STARTROW, STOPROW, TIMESTAMP, MAXLENGTH,or COLUMNS。沒任何修飾詞，就是上邊例句，就會顯示所有資料行。

例句如下：

hbase> scan ‘.META.’
hbase> scan ‘.META.’, {COLUMNS => ‘info:regioninfo’}
hbase> scan ‘t1′, {COLUMNS => ['c1', 'c2'], LIMIT => 10, STARTROW => ‘xyz’}
hbase> scan ‘t1′, {COLUMNS => ‘c1′, TIMERANGE => [1303668804, 1303668904]}
hbase> scan ‘t1′, {FILTER => “(PrefixFilter (‘row2′) AND (QualifierFilter (>=, ‘binary:xyz’))) AND (TimestampsFilter ( 123, 456))”}
hbase> scan ‘t1′, {FILTER => org.apache.hadoop.hbase.filter.ColumnPaginationFilter.new(1, 0)}

按 rowkey 模糊查詢（最左首碼匹配）總行數：下面的例子會統計 r1* 的總行數：

scan 'wyk_temp', {FILTER => org.apache.hadoop.hbase.filter.PrefixFilter.new(org.apache.hadoop.hbase.util.Bytes.toBytes('r1'))}

過濾器filter有兩種方法指出：
a. Using a filterString – more information on this is available in the
Filter Language document attached to the HBASE-4176 JIRA
b. Using the entire package name of the filter.

還有一個CACHE_BLOCKS修飾詞，開關scan的緩衝的，預設是開啟的（CACHE_BLOCKS=>true），可以選擇關閉（CACHE_BLOCKS=>false）。

(5)刪除指定資料

delete ‘scores’,'Jim’,'grade’
delete ‘scores’,'Jim’

刪除資料命令也沒太多變化，只有一個：

hbase> delete ‘t1′, ‘r1′, ‘c1′, ts1

另外有一個deleteall命令，可以進行整行的範圍的刪除操作，慎用。
如果需要進行全表刪除操作，就使用truncate命令，其實沒有直接的全表刪除命令，這個命令也是disable，drop，create三個命令組合出來的。

(6)修改表結構

disable ‘scores’
alter ‘scores’,NAME=>’info’
enable ‘scores’

alter命令使用如下（如果無法成功的版本，需要先通用表disable）：
a、改變或添加一個列族：

hbase> alter ‘t1′, NAME => ‘f1′, VERSIONS => 5

b、刪除一個列族：

hbase> alter ‘t1′, NAME => ‘f1′, METHOD => ‘delete’
hbase> alter ‘t1′, ‘delete’ => ‘f1′

c、也可以修改表屬性如MAX_FILESIZE
MEMSTORE_FLUSHSIZE, READONLY,和 DEFERRED_LOG_FLUSH：
hbase> alter ‘t1′, METHOD => ‘table_att’, MAX_FILESIZE => ’134217728′
d、可以添加一個表協同處理器

hbase> alter ‘t1′, METHOD => ‘table_att’, ‘coprocessor’=> ‘hdfs:///foo.jar|com.foo.FooRegionObserver|1001|arg1=1,arg2=2′

一個表上可以配置多個協同處理器，一個序列會自動成長進行標識。載入協同處理器（可以說是過濾程式）需要符合以下規則：

[coprocessor jar file location] | class name | [priority] | [arguments]

e、移除coprocessor如下：

hbase> alter ‘t1′, METHOD => ‘table_att_unset’, NAME => ‘MAX_FILESIZE’
hbase> alter ‘t1′, METHOD => ‘table_att_unset’, NAME => ‘coprocessor$1′

f、可以一次執行多個alter命令：

hbase> alter ‘t1′, {NAME => ‘f1′}, {NAME => ‘f2′, METHOD => ‘delete’}

(7)統計行數：

hbase> count ‘t1′
hbase> count ‘t1′, INTERVAL => 100000
hbase> count ‘t1′, CACHE => 1000
hbase> count ‘t1′, INTERVAL => 10, CACHE => 1000

count一般會比較耗時，使用mapreduce進行統計，統計結果會緩衝，預設是10行。統計間隔預設的是1000行（INTERVAL）。

(8)disable 和 enable 操作
很多操作需要先暫停表的可用性，比如上邊說的alter操作，刪除表也需要這個操作。disable_all和enable_all能夠操作更多的表。

(9)表的刪除
先停止表的可使用性，然後執行刪除命令。

drop ‘t1′

以上是一些常用命令詳解，具體的所有hbase的shell命令如下，分了幾個命令群，看英文是可以看出大概用處的，詳細的用法使用help “cmd” 進行瞭解。

COMMAND GROUPS:  Group name: general  Commands: status, version  Group name: ddl  Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all,enable, enable_all, exists, is_disabled, is_enabled, list, show_filters  Group name: dml  Commands: count, delete, deleteall, get, get_counter, incr, put, scan, truncate  Group name: tools  Commands: assign, balance_switch, balancer, close_region, compact, flush, hlog_roll, major_compact,move, split, unassign, zk_dump  Group name: replication  Commands: add_peer, disable_peer, enable_peer, list_peers, remove_peer, start_replication, stop_replication  Group name: security  Commands: grant, revoke, user_permission

4. hbase shell指令碼
既然是shell命令，當然也可以把所有的hbase shell命令寫入到一個檔案內，想linux shell指令碼程式那樣去順序的執行所有命令。如同寫linux shell，把所有hbase shell命令書寫在一個檔案內，然後執行如下命令即可：

$ hbase shell test.hbaseshell

方便好用。