【轉載】HBase基本概念和hbase shell常用命令用法

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	t1:abc t2:gdxdf		t4:dfads t3:hello t2:world
key2	t3:abc t1:gdxdf		t4:dfads t3:hello		t2:dfdsfa t3:dfdf
key3		t2:dfadfasd t1:dfdasddsf				t2:dfxxdfasd t1:taobao.com

　　如所示，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。通過執行 help get 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
zkb	5	97	87
baoniu	4	89	80

　　這裡grad對於表來說是一個列,course對於表來說是一個列族,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。圖中需要注意的是90這個值，列族下面的列也是可以沒有名字的。

　　(1) 建立一個表格scores  具有兩個列族grad 和courese

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

0 row(s) in 0.4780 seconds

　　(2) 查看當前HBase中具有哪些表

hbase(main):002:0> list

TABLE

scores

1 row(s) in 0.0270 seconds

　　(3) 查看錶的構造

hbase(main):004:0> describe'scores'

DESCRIPTION                                                 ENABLED

{NAME => 'scores', FAMILIES => [{NAME =>'course', BLOOMFILTER => 'NONE', REPLICATION_SCOPE =>'0',  true

COMPRESSION => 'NONE', VERSIONS =>'3', TTL => '2147483647', BLOCKSIZE =>'65536', IN_MEMORY => 'fal

se', BLOCKCACHE => 'true'}, {NAME => 'grade', BLOOMFILTER => 'NONE', REPLICATION_SCOPE => '0', COMPR

ESSION => 'NONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE =>'65536', IN_MEMORY => 'false',

BLOCKCACHE => 'true'}]}

1 row(s) in 0.0390 seconds

　　(4) 加入一行資料,行名稱為zkb 列族grad的列名為”” 值位5

hbase(main):006:0> put'scores','zkb','grade:','5'

0 row(s) in 0.0420 seconds

　　(5) 給zkb這一行的資料的列族course添加一列<math,97>

hbase(main):007:0> put'scores','zkb','course:math','97'

0 row(s) in 0.0270 seconds

　　(6) 給zkb這一行的資料的列族course添加一列<art,87>

hbase(main):008:0> put'scores','zkb','course:art','87'

0 row(s) in 0.0260 seconds

　　(7) 加入一行資料,行名稱為baoniu 列族grad的列名為”” 值為4

hbase(main):009:0> put'scores','baoniu','grade:','4'

0 row(s) in 0.0260 seconds

　　(8) 給baoniu這一行的資料的列族course添加一列<math,89>

hbase(main):010:0> put'scores','baoniu','course:math','89'

0 row(s) in 0.0270 seconds

　　(9) 給Jerry這一行的資料的列族course添加一列<art,80>

hbase(main):011:0> put'scores','baoniu','course:art','80'

0 row(s) in 0.0270 seconds

　　(10) 查看scores表中zkb的相關資料

hbase(main):012:0> get'scores','zkb'

COLUMN                     CELL

course:art                              timestamp=1316100110921, value=87

course:math                             timestamp=1316100025944, value=97

grade:                                  timestamp=1316099975625, value=5

3 row(s) in 0.0480 seconds

　　(11) 查看scores表中所有資料

　　注意：scan命令可以指定startrow,stoprow來scan多個row，例如：scan 'user_test',{COLUMNS =>'info:username',LIMIT =>10, STARTROW => 'test',STOPROW=>'test2'}

hbase(main):013:0> scan'scores'

ROW                        COLUMN+CELL

baoniu                                  column=course:art, timestamp=1316100293784, value=80

baoniu                                  column=course:math, timestamp=1316100234410, value=89

baoniu                                  column=grade:, timestamp=1316100178609, value=4

zkb                                     column=course:art, timestamp=1316100110921, value=87

zkb                                     column=course:math, timestamp=1316100025944, value=97

zkb                                     column=grade:, timestamp=1316099975625, value=5

2 row(s) in 0.0470 seconds

　　(12) 查看scores表中所有資料courses列族的所有資料

hbase(main):017:0> scan'scores',{COLUMNS => 'course'}

ROW                        COLUMN+CELL

baoniu                                  column=course:art, timestamp=1316100293784, value=80

baoniu                                  column=course:math, timestamp=1316100234410, value=89

zkb                                     column=course:art, timestamp=1316100110921, value=87

zkb                                     column=course:math, timestamp=1316100025944, value=97

2 row(s) in 0.0350 seconds

　　(13) 刪除scores表

hbase(main):024:0> disable'scores'

0 row(s) in 0.0330 seconds

hbase(main):025:0> drop'scores'

0 row(s) in 1.0840 seconds

　　總結下，hbase shell常用的操作命令有create,describe,disable,drop,list,scan,put,get,delete,deleteall,count,status等，通過help可以看到詳細的用法。

本文轉載自：http://archive.cnblogs.com/a/2178064/