hadoop6-Hbase入门

像计算机这门学科，光看书是远远不够的，还要多动手，去谈谈究竟，才会深入理解。就比如说TCP/IP协议栈，光看《TCP/IP协议详解》是远远不够的，还要学会写网络程序，在写的过程中，你可能会遇到各种各样的问题，这样就会促使回去再去仔细研究书本的内容，加深理解同时使得印象深刻。

Hadoop家族现在包含很多组件，其中就包括Hbase

1. Hbase产生的背景

Hbase主要起源于Google的三大论文之一的BigTable，主要是Google为解决海量数据存储而设计，因为Google每天要爬取全球数以千计的页面，因此存储他们的URL就需要海量存储数据库，在这种背景下，也就诞生了BigTable，Hbase是BigTable的开源实现，值得一提的是，Hbase并不是传统的RDBMS，而是NoSQL，或者更准确的称之为列数据库。

2. Hbase的应用场景

很显然，Hbase一般用于海量数据的存储，海量大概是一个怎样的量级？大约是billion（十亿）*million（百万），而一般的关系型数据库存储量大概在500万行*30列，超过这样的规模，关系型数据库就会难以处理，另外Hbase还支持动态扩容。

3. Hbase入门

入门Hbase应该通过哪种方式？无非就是玩玩呗

单机版的伪分布式Hbase特别好安装，可以下载下来玩一下。可以按照如下步骤简单的配置单机版本的Hbase

 （1）下载Hbase

 （2）解压

 （3）修改配置文件，主要是conf目录下的hbase-env.sh与hbase-site.xml,

               在hbase-env.sh中，只需要修改JAVA_HOME

               在hbase-site.xml，只要添加，这一项配置hbase的数据存储的路径，这里处于方便，选择本地文件系统           

<property>    <name>hbase.rootdir</name>    <value>file:///DIRECTORY/hbase</value>  </property>

 （4）启动hbase服务，./bin/start-hbase.sh

           启动hbase shell，./bin/hbase shell

          上面的步骤都完成后，就可以体验一下hbase的使用了

hbase有以下几个常用命令，（创建/删除表，增删改查数据）

1. create 创建表

2. put      向表中插入数据

3. get      查询

4. delete 删除数据

5. scan  扫描表中数据

6. enable/disable 启用/禁用表

7. drop  删除表

在使用hbase之前，要大概了解几个概念，数据模型，行健，列族，列，值，版本

数据模型是hbase中的核心概念之一，意即数据在hbase的逻辑结构。主要包括

1. 行健

行健是不可分割的字节数组，按照字典顺序由低到高存储在hbase表中

2. 列族

列族是一些列的集合，一个列族所有成员都有相同的前缀。

3. cell

A {row, column, version} 元组就是一个HBase中的一个 cell

4. 版本

一个 {row, column, version} 元组是HBase中的一个单元(cell).但是有可能会有很多的单元的行和列是相同的，可以使用版本来区分不同的单元。

rows和column key是用字节数组表示的，version则是用一个长整型表示。

在HBase中，版本是按倒序排列的，因此当读取这个文件的时候，最先找到的是最近的版本。

在了解了这些内容以后，就可以开始玩玩hbase了。

新建表test，插入几条数据

hbase(main):009:0> create 'test','info'0 row(s) in 1.2220 seconds=> Hbase::Table - testhbase(main):010:0> put 'test','row1','info:username','xiaowang'0 row(s) in 0.0110 secondshbase(main):011:0> put 'test','row1','info:age','18'0 row(s) in 0.0070 secondshbase(main):012:0> put 'test','row1','info:sex','female'0 row(s) in 0.0060 secondshbase(main):013:0> put 'test','row2','info:username','xiaoli'0 row(s) in 0.0060 secondshbase(main):014:0> put 'test','row1','info:age','19'

查询表test中的数据

hbase(main):016:0> scan 'test'ROW                                        COLUMN+CELL                                                                                                                  row1                                      column=info:age, timestamp=1503579647541, value=19                                                                           row1                                      column=info:sex, timestamp=1503579618284, value=female                                                                       row1                                      column=info:username, timestamp=1503579596404, value=xiaowang                                                                row2                                      column=info:username, timestamp=1503579631661, value=xiaoli

需要说明的几点：

（1）. 创建表的时候，需要同时提供表名和列族（Version是可选的，代表存储几个Version）

（2）. 向表中插入数据的时候，顺序依次是 表名，行健，‘列族：列名’，‘值’，其中列族不能省略，如省略会有如下提示

ERROR: Unknown column family! Valid column names: info:*，未知列族名

（3）. 刚才在向表中插入数据的时候，我们插入两条行健为row1的的年龄，这样的话，后插入的年龄就会覆盖之前插入的（假设存储的Version版本数为1）

（4）. 另外可以看到，hbase表中，数据是按照字典顺序存储的，先按照行健的字典顺序，在按照cell的字典顺序

4. Hbase的运行模式

因为要快速体验Hbase，上面选取了最简单的单机运行模式，这种一般不会在生产环境中用到。

简单介绍一下Hbase的运行模式

1. 单机伪分布式

2. 全分布式

3. 高可用运行模式

第1,2点比较好理解，2中全分布式下，只有一台master，当这台master挂掉后，服务就不可用了。

第3点为了提高Hbase的可用性，通常是要同时运行两台master，一台用于服务，另外一台备用，其他的作为RegionServer,这样的话，当一台master挂掉以后，另外一台master可以迅速切换成运行模式，向外提供服务，从一定程度上保障了服务的高可用性。

5. Hbase中有哪些可以研究的部分

 基本的自然不必说，首先是学会使用，包含搭环境，shell，API等使用方式

 Hbase的架构

 Hbase的索引，在海量数据存储的情况下，为什么可以在几百ms内查询到数据？

 Region分割的时机

 RPC机制

 想到在补充吧，先写这么多！

参考：

官方文档：http://hbase.apache.org/

中文文档：http://abloz.com/hbase/book.html