大数据——一文熟悉HBase
1、HBase是什么
HBase是基于HDFS的数据存储，它建立在HDFS文件系统上面，利用了HDFS的容错能力，内部还有哈希表并利用索引，可以快速对HDFS上的数据进行随时读写功能。
Hadoop在已经有一个Hive+MapReduce结构的数据读写功能，为什么还要HBase呢？我们在使用Hive的过程中也发现，MapReduce的过程很慢，不适合实时的读写访问，更多的时候是进行线下的访问。但在实际应用过程中，我们需要对大数据进行实时的读写，这时候HBase就派上用场。
HBase使用场景：
HBase适合在瞬间写入量大，大量数据需要长期保存，并且数量会持续增长的场景。但在多级索引和关系复杂的数据模型，还有跨行事务场景也不适合HBase。
2、HBase怎么工作
HBase基础架构
Client
- 与Zookeeper进行通信，获取数据入口地址；
- 与HMaster通信进行管理类操作；
- 与HRegionServer进行数据读写操作。
Zookeeper
- 避免单点问题，一直只有running master；
- 存储所有Region的地址，包括HMaster地址；
- 监控HRegionServer的状态，并告知HMaster；
- 存储Table名和Column Family
HMaster
- 有多个HMaster，通过Zookeeper保证有一个在运行；
- 为HRegionServer分类Region；
- 有HRegionServer失效，重新分配；
- 对HDFS的垃圾文件进行回收；
- 处理用户对表的增删改查操作；
HRegionServer
- HBase核心部分，负责I/O请求，并先HDFS读写数据；
- 维持HMaster分配的Region，并处理Region的I/O请求；
- 切分在运行过程中变大的Region；
- HRegionServer中有一系列HRegion对象，每个HRegion对应Table中的一个Region，每个HRegion由多个Store组成，每个HStore对应Table中的Column Family。
Column Family是HBase的存储单元，所以相同特性的Column放在一个Column Family更高效。
HStore
- HBase存储的核心，由MemStore和StoreFile组成；
HRegion
- 一个Table最开始的时候是一个Region；
- 一个Region可以有多个Store，每个Store用来存储一个Column Family；
- Region随着数据的越来越多，会进行拆分，由HRegionServer进行拆分，默认大小为10G。
HLog
- 备份和日志，在系统出错和宕机时，MemStore的数据会丢失，而HLog可以防止该情况。
HBase写数据流程
HBase数据模型
- NameSpace：数据库的库名；
- Table表：HBase的表，由于对于值为空的列不占空间，因此表可以比较稀疏；
- Row行：每一行都有一个RowKey来进行识别；
- RowKey行键：类似于MySQL中的主键，用来进行检索数据；
- Column列：由Column family和Column qualifier组成，两者用;进行间隔；
- ColumnFamily列族：列的集合，每个表的列族都以一个文件存储，一个表可以有多个列族；
- ColumnQualifier列标识：类似于键值对，key是RowKey，那么ColumnQualifier就是Value；
- TimeStamp时间戳：是具有时间属性的列，每个数据都有一个时间戳属性，也就是说数据具有版本特性；
- Region区域：HBase可以自动把表划分为多个区域，随着数据的增多区域也变多。
3、HBase的Shell操作
- HBase启动
找到zkServer.sh启动Zookeeper
zkServer.sh start
启动HBase
start-hbase.sh
- HBase常见Shell操作
连接集群
hbase shell
创建表
create 'user','base_info'# 第一个为表名，第二个为列族
删除表
disable 'user'
drop 'user'
创建数据库
create_namespace 'test' #test为数据库名
展示所有数据库
list_namespace
显示表
list
插入数据
put ‘表名’，‘rowkey的值’，’列族：列标识符‘，’值‘
put 'user','rowkey_10','base_info:username','Tom'
查询表中所有数据
scan 'user' # 很少使⽤全表查询 scan会加上⼀些条件限制
Scan查询中添加限制条件
scan '名称空间:表名', {COLUMNS => ['列族名1', '列族名2'], LIMIT => 10, STARTROW =>'起始的rowkey'}
scan查询添加过滤器
ROWPREFIXFILTER rowkey 前缀过滤器
scan 'user', {ROWPREFIXFILTER=>'rowkey_22'}
查询某个rowkey的数据
get 'user','rowkey_16'
删除表中的数据
delete 'user', 'rowkey_16', 'base_info:username'
清空数据
truncate 'user'
指定显示多个版本
get 'user','rowkey_10',{COLUMN=>'base_info:username',VERSIONS=>2}
修改可以显示的版本数量
alter 'user',NAME=>'base_info',VERSIONS=>10
通过TIMERANGE 指定时间范围
scan 'user',{COLUMNS => 'base_info', TIMERANGE => [1558323139732,1558323139866]}
get 'user','rowkey_10',{COLUMN=>'base_info:username',VERSIONS=>2,TIMERANGE=> [1558323904130, 1558323918954]}
通过时间戳过滤器 指定具体时间戳的值
scan 'user',{FILTER => 'TimestampsFilter (1558323139732, 1558323139866)'}
get 'user','rowkey_10',{COLUMN=>'base_info:username',VERSIONS=>2,FILTER =>'TimestampsFilter (1558323904130, 1558323918954)'}
获取最近多个版本的数据
get 'user','rowkey_10',{COLUMN=>'base_info:username',VERSIONS=>10}
通过指定时间戳获取不同版本的数据
get 'user','rowkey_10',
{COLUMN=>'base_info:username',TIMESTAMP=>1558323904133}
命令表
