分布式存储系统HBASE-基础

HBASE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的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。

HBASE和MongoDB，redis一样，均是一种NoSql型数据库。

---

HBase简介

HBase是一个面向列的数据库，在表中它由行排序。表模式定义只能列族，也就是键值对。一个表有多个列族以及每一个列族可以有任意数量的列。后续列的值连续存储在磁盘上。表中的每个单元格值都具有时间戳。其数据模型如下图所示：

总之，在HBase中，
表是行的集合。
行是列族的集合。
列族是列的集合。
列是键值对的集合。

这里的列式存储或者说面向列，其实说的是列族存储，HBase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。

HBase与RDBMS比较

HBase安装(linux环境)

下载Hbase，并解压到/usr/local目录下，将其改名为hbase。进入其bin目录可以看到版本：
$ ./hbase version
版本如下：

如果提示没有JAVA_HOME，则进入conf目录修改hbase-env.sh文件中的JAVA_HOME设置。
另外，设置HBASE_MANAGES_ZK为true，表示由hbase自己管理zookeeper，不需要单独的zookeeper。HBASE_CLASSPATH路径设置为/usr/local/hbase/conf目录。
在habse-site.xml中设置hbase.rootdir，用于指定HBase数据的存储位置，如果不设置的话，hbase.rootdir默认为/tmp/hbase-${user.name}，这意味着每次重启系统都会丢失数据。设置如下：

<configuration>
        <property>
                <name>hbase.rootdir</name>
                <value>file:///usr/local/hbase/hbase-data</value>
        </property>
</configuration>

详细过程见参考资料1。

进入bin目录，运行start-hbase.sh即可启动：
$ ./start-hbase.sh
再通过bin/hbase shell打开shell命令行模式，用户可以通过输入shell命令操作HBase数据库：
/usr/local/hbase/bin$ ./hbase shell
打开的命令行模式如下：

输入exit则可停止HBase。

注意：如果在操作HBase的过程中发生错误，可以通过{HBASE_HOME}目录（/usr/local/hbase）下的logs子目录中的日志文件查看错误原因。

输入list可查看所有的表，如下：

安装模式

Hbase有三种安装模式，单机，伪分布式和完全分布式。上面的安装过程是一种单机模式。
想要使用伪分布式集群，则需要安装hadoop(详见参考资料2)。这里将hadoop解压到/usr/local目录下。修改配置文件core-site.xml:

<configuration>
    <property>
   	  	<name>hadoop.tmp.dir</name>
     	<value>file:/usr/local/hadoop/hadoop_data</value>
     	<description>Abase for other temporary directories.</description>
    </property>
    <property>
     	<name>fs.defaultFS</name>
     	<value>hdfs://localhost:9000</value>
 	</property>
</configuration>

修改hdfs-site.xml:

<configuration>
	<property>
		<name>dfs.replication</name>
		<value>1</value>  # 伪分布式集群设置副本数量为1
	</property>
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>file:/usr/local/hadoop/hadoop_data/hdfs/namenode</value>
	</property>
	<property>
		<name>dfs.datanode.data.dir</name
		<value>file:/usr/local/hadoop/hadoop_data/hdfs/datanode</value>
	</property>
</configuration>

在安装并配置好hadoop的基础上，对Hbase进行分布式配置：
修改hbase.rootdir，指定HBase数据在HDFS上的存储路径；将属性hbase.cluter.distributed设置为true。假设当前Hadoop集群运行在伪分布式模式下，在本机上运行，且NameNode运行在9000端口：

<configuration>
　　<property>
　　　　<name>hbase.rootdir</name>
　　　　<value>hdfs://localhost:9000/hbase</value>
　　</property>
　　<property>
　　　　<name>hbase.cluster.distributed</name>
　　　　<value>true</value>
　　</property>
</configuration>

接下来就可以运行分布式环境下的hbase了。
进入hadoop的sbin目录，运行start-dfs.sh，即可启动hadoop。从命令行可以看出，启动了namenode和两个datanode。
然后进入hbase的bin目录启动hbase：
$ ./start-hbase.sh
输入jps看到以下界面说明hbase启动成功：

进入shell界面：
$./hbase shell
后即可通过命令行操作hbase了。

(注意：如果list命令出现zookeeper data == null的提示，说明是hadoop配置有误，请检查配置)

HBase使用

命令	说明
status	查看habse状态
create ‘表名’,‘列族名1’,‘列族名2’,‘列族名N’	创建表
list	列出所有表
describe ‘表名’	描述表
exists ‘表名’	判断表是否存在
is_enabled/is_disabled ‘表名’	判断是否启用/禁用表
put ‘表名’,‘rowkey’,‘列族：列’，‘值’	添加记录
get ‘表名’,‘rowkey’	查看rowKey下的所有数据
scan ‘表名’	查看所有记录
count ‘表名’	查看表中记录总数
get ‘表名’,‘rowkey’,'列族‘	获取某个列族
get ‘表名’,‘rowkey’,‘列族：列’	获取某个列族的某个列
delete ‘表名’,‘行名’,‘列族：列’	删除记录
deleteall ‘表名’,‘rowkey’	删除整行
第一步 disable ‘表名’，第二步 drop ‘表名’	先要屏蔽该表，才能对该表进行删除
truncate ‘表名’	清空表
scan ‘表名’,{COLUMNS=>‘列族名：列名’}	查看某个表某个列中的所有数据

创建表User，有一个列族info：

描述表：

判断表是否禁用/启用：

添加记录：

查询：

查询所有记录：语法：scan <table>, {COLUMNS => [family:column, ...], LIMIT => num}

范围查询：

另外，还可以添加TIMERANGE和FILTER等高级功能，STARTROW、ENDROW必须大写，否则报错，查询结果不包含等于ENDROW的结果集。

删除记录：

禁用或启用表：

删除表：

本文介绍了HBase的基本概念，安装，命令行交互。下一篇文将继续介绍通过java和python操作hbase。

参考资料

[1]https://www.cnblogs.com/wang-jx/p/9672072.html
[2]https://www.jianshu.com/p/9c8a0f7b98cf
[3]https://www.cnblogs.com/swordfall/p/8737328.html