HBase简介及使用

HBase简介

HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。HBase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作为协调工具。

Hbase的相关概念

主键RowKey

主键是用来检索记录的主键，访问hbase table中的行，只有三种方式：

通过单个row key访问
通过row key的range
全表扫描

列族

列族在创建表的时候声明，一个列族可以包含多个列，列中的数据都是以二进制形式存在，没有数据类型。

时间戳timestamp

HBase中通过row和columns确定的为一个存贮单元称为cell。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

HBase的基础知识

架构体系

Client 包含访问hbase 的接口，client 维护着一些cache 来加快对hbase 的访问，比如regione 的位置信息
Zookeeper
a.保证任何时候，集群中只有一个running master
b.存贮所有Region 的寻址入口
c.实时监控Region Server 的状态，将Region server 的上线和下线信息，实时通知给Master
d.存储Hbase 的schema,包括有哪些table，每个table 有哪些column family
Master 可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行
a.为Region server 分配region
b.负责region server 的负载均衡
c.发现失效的region server 并重新分配其上的region

Region Server

维护Master 分配给它的region，处理对这些region 的IO 请求
负责切分在运行过程中变得过大的region
可以看出，client 访问hbase 上数据的过程并不需要master 参与，寻址访问先zookeeper再regionserver，数据读写访问regioneserver。HRegionServer主要负责响应用户I/O请求，向HDFS文件系统中读写数据，是HBase中最核心的模块。

HBase中有两张特殊的Table，namespace和meta
namespace：记录了meta表的Region信息，namespace只有一个regio
meta记录了用户创建的表的Region信息，meta可以有多个regoin
Zookeeper中记录了namespace表的location
Client访问用户数据之前需要首先访问zookeeper，然后访问-ROOT-表，接着访问.META.表，最后才能找到用户数据的位置去访问

物理存储

Table 在行的方向上分割为多个HRegion，一个region由[startkey,endkey)表示，每个HRegion分散在不同的RegionServer中

HBase的安装配置

解压 tar -zxvf tar -zxvf hbase-0.96.2-hadoop2-bin.tar.gz -C /home/

单节点配置

添加环境变量
vi /etc/profile
export HBASE_HOME=/home/hbase
exportPATH= $HBASE_HOME/bin
修改conf目录下的hbase-env.sh
export JAVA_HOME=/home/jdk
修改hbase-site.xml

     <configuration><property><name>hbase.rootdir</name><value>/home/hbase</value></property></configuration>

启动：bin/目录下的start-hbase.sh脚本

集群搭建

要把hadoop的hdfs-site.xml和core-site.xml 放到hbase/conf下

修改hbase-env.sh
export JAVA_HOME=/usr/java/jdk1.7.0_55
//告诉hbase使用外部的zk
export HBASE_MANAGES_ZK=false
修改hbase-site.xml

 <configuration><!-- 指定hbase在HDFS上存储的路径 --><property><name>hbase.rootdir</name><value>hdfs://ns1/hbase</value></property><!-- 指定hbase是分布式的 --><property><name>hbase.cluster.distributed</name><value>true</value></property><!-- 指定zk的地址，多个用“,”分割 --><property><name>hbase.zookeeper.quorum</name><value>hadoop04:2181,hadoop05:2181,hadoop06:2181</value></property></configuration>

vim regionservers
hadoop03
hadoop04
hadoop05
hadoop06
复制Hbase到其他节点
scp -r /home/hbase/ hadoop02:/home/
scp -r /home/hbase/ hadoop03:/home/
scp -r /home/hbase/ hadoop04:/home/
scp -r /home/hbase/ hadoop05:/home/
scp -r /home/hbase/ hadoop06:/home/
启动所有的hbase
分别启动zk
./zkServer.sh start
启动hbase集群
start-dfs.sh
启动hbase，在主节点上运行：
start-hbase.sh
通过浏览器访问hbase管理页面
192.168.1.101:60010
为保证集群的可靠性，要启动多个HMaster
hbase-daemon.sh start master

HBase shell操作

delete表
disable ‘student’
drop ‘student’
create ：
create ‘people’,{NAME=>‘info’,VERSIONS=>3},{NAME=>‘data’,VERSIONS=>1}
put ‘people’,‘rk001’,‘info:name’,‘libo’
put ‘people’,‘rk001’,‘info:age’,20
put ‘people’,‘rk001’,‘info:age’,22
put ‘people’,‘rk001’,‘data:phone’,‘110’
put ‘people’,‘rk002’,‘info:name’,‘tang’
查看历史版本
scan ‘people’,{COLUMN=>‘info’,VERSIONS=>3}
超过版本号
scan ‘people’, {RAW => true, VERSIONS => 10}

create ‘student’,‘info’,‘score’;
put ‘student’,‘rk001’,‘info:name’,‘libo’;
get ‘people’,‘rk002’

delete
delete ‘people’, ‘rk001’；
删除user表row key为rk0001，列标示符为info:name的数据
delete ‘people’, ‘rk001’, ‘info:name’

修改表结构
disable 'user
删除一个列族：
alter ‘user’, NAME => ‘f1’, METHOD => ‘delete’ 或 alter ‘user’, ‘delete’ => ‘f1’
添加列族f1同时删除列族f2
alter ‘user’, {NAME => ‘f1’}, {NAME => ‘f2’, METHOD => ‘delete’}
将user表的f1列族版本号改为5
alter ‘people’, NAME => ‘info’, VERSIONS => 5
启用表
enable ‘user’

注：http://jiajun.iteye.com/blog/899632/ 介绍的比较详细的一个资料

Hbase shell命令操作：
查看所有表list：
进入hbase命令行
./hbase shell
显示hbase中的表
list
创建user表，包含info、data两个列族
create ‘user’, ‘info1’, ‘data1’
create ‘user’, {NAME => ‘info’, VERSIONS => ‘3’}
向user表中插入信息，row key为rk0001，列族info中添加name列标示符，值为zhangsan
put ‘user’, ‘rk0001’, ‘info:name’, ‘zhangsan’
向user表中插入信息，row key为rk0001，列族info中添加gender列标示符，值为female
put ‘user’, ‘rk0001’, ‘info:gender’, ‘female’
向user表中插入信息，row key为rk0001，列族info中添加age列标示符，值为20
put ‘user’, ‘rk0001’, ‘info:age’, 20
向user表中插入信息，row key为rk0001，列族data中添加pic列标示符，值为picture
put ‘user’, ‘rk0001’, ‘data:pic’, ‘picture’
获取user表中row key为rk0001的所有信息
get ‘user’, ‘rk0001’
获取user表中row key为rk0001，info列族的所有信息
get ‘user’, ‘rk0001’, ‘info’
获取user表中row key为rk0001，info列族的name、age列标示符的信息
get ‘user’, ‘rk0001’, ‘info:name’, ‘info:age’
获取user表中row key为rk0001，info、data列族的信息
get ‘user’, ‘rk0001’, ‘info’, ‘data’
get ‘user’, ‘rk0001’, {COLUMN => [‘info’, ‘data’]}
get ‘user’, ‘rk0001’, {COLUMN => [‘info:name’, ‘data:pic’]}
获取user表中row key为rk0001，列族为info，版本号最新5个的信息
get ‘people’, ‘rk0002’, {COLUMN => ‘info’, VERSIONS => 2}
get ‘user’, ‘rk0001’, {COLUMN => ‘info:name’, VERSIONS => 5}
get ‘user’, ‘rk0001’, {COLUMN => ‘info:name’, VERSIONS => 5, TIMERANGE => [1392368783980, 1392380169184]}
获取user表中row key为rk0001，cell的值为zhangsan的信息
get ‘people’, ‘rk0001’, {FILTER => “ValueFilter(=, ‘binary:图片’)”}
获取user表中row key为rk0001，列标示符中含有a的信息
get ‘people’, ‘rk0001’, {FILTER => “(QualifierFilter(=,‘substring:a’))”}
put ‘user’, ‘rk0002’, ‘info:name’, ‘fanbingbing’
put ‘user’, ‘rk0002’, ‘info:gender’, ‘female’
put ‘user’, ‘rk0002’, ‘info:nationality’, ‘中国’
get ‘user’, ‘rk0002’, {FILTER => “ValueFilter(=, ‘binary:中国’)”}
查询user表中的所有信息
scan ‘user’
查询user表中列族为info的信息
scan ‘people’, {COLUMNS => ‘info’}
scan ‘user’, {COLUMNS => ‘info’, RAW => true, VERSIONS => 5}
scan ‘persion’, {COLUMNS => ‘info’, RAW => true, VERSIONS => 3}
查询user表中列族为info和data的信息
scan ‘user’, {COLUMNS => [‘info’, ‘data’]}
scan ‘user’, {COLUMNS => [‘info:name’, ‘data:pic’]}
查询user表中列族为info、列标示符为name的信息
scan ‘user’, {COLUMNS => ‘info:name’}
查询user表中列族为info、列标示符为name的信息,并且版本最新的5个
scan ‘user’, {COLUMNS => ‘info:name’, VERSIONS => 5}
查询user表中列族为info和data且列标示符中含有a字符的信息
scan ‘people’, {COLUMNS => [‘info’, ‘data’], FILTER => “(QualifierFilter(=,‘substring:a’))”}
查询user表中列族为info，rk范围是[rk0001, rk0003)的数据
scan ‘people’, {COLUMNS => ‘info’, STARTROW => ‘rk0001’, ENDROW => ‘rk0003’}
查询user表中row key以rk字符开头的
scan ‘user’,{FILTER=>“PrefixFilter(‘rk’)”}
查询user表中指定范围的数据
scan ‘user’, {TIMERANGE => [1392368783980, 1392380169184]}
删除数据
删除user表row key为rk0001，列标示符为info:name的数据
delete ‘people’, ‘rk0001’, ‘info:name’
删除user表row key为rk0001，列标示符为info:name，timestamp为1392383705316的数据
delete ‘user’, ‘rk0001’, ‘info:name’, 1392383705316
清空user表中的数据
truncate ‘people’
修改表结构
首先停用user表（新版本不用）
disable ‘user’
添加两个列族f1和f2
alter ‘people’, NAME => ‘f1’
alter ‘user’, NAME => ‘f2’
启用表
enable ‘user’
###disable ‘user’(新版本不用)
删除一个列族：
alter ‘user’, NAME => ‘f1’, METHOD => ‘delete’ 或 alter ‘user’, ‘delete’ => ‘f1’
添加列族f1同时删除列族f2
alter ‘user’, {NAME => ‘f1’}, {NAME => ‘f2’, METHOD => ‘delete’}
将user表的f1列族版本号改为5
alter ‘people’, NAME => ‘info’, VERSIONS => 5
启用表
enable ‘user’
删除表
disable ‘user’
drop ‘user’
get ‘person’, ‘rk0001’, {FILTER => “ValueFilter(=, ‘binary:中国’)”}
get ‘person’, ‘rk0001’, {FILTER => “(QualifierFilter(=,‘substring:a’))”}
scan ‘person’, {COLUMNS => ‘info:name’}
scan ‘person’, {COLUMNS => [‘info’, ‘data’], FILTER => “(QualifierFilter(=,‘substring:a’))”}
scan ‘person’, {COLUMNS => ‘info’, STARTROW => ‘rk0001’, ENDROW => ‘rk0003’}
scan ‘person’, {COLUMNS => ‘info’, STARTROW => ‘20140201’, ENDROW => ‘20140301’}
scan ‘person’, {COLUMNS => ‘info:name’, TIMERANGE => [1395978233636, 1395987769587]}
delete ‘person’, ‘rk0001’, ‘info:name’
alter ‘person’, NAME => ‘ffff’
alter ‘person’, NAME => ‘info’, VERSIONS => 10
get ‘user’, ‘rk0002’, {COLUMN => [‘info:name’, ‘data:pic’]}
scan ‘people’, {COLUMNS => ‘info’,RAW => true, VERSIONS => 3}