Alex 的 Hadoop 菜鸟教程: 第7课 Hbase 使用教程

来源：互联网发布：mac 终端偏好设置编辑：程序博客网时间：2024/05/18 00:51

原帖地址： http://blog.csdn.net/nsrainbow/article/details/38758375

声明：

本文基于Centos 6.x + CDH 5.x
本例中 Hbase 是安装成集群模式的

本文通过建立student表等相关操作，简单介绍一下hbase的shell操作

建立student 表

使用 hbase shell命令进入hbase的命令行

[root@localhost conf]# hbase shell2014-08-22 16:10:47,662 INFO  [main] Configuration.deprecation: hadoop.native.lib is deprecated. Instead, use io.native.lib.availableHBase Shell; enter 'help<RETURN>' for list of supported commands.Type "exit<RETURN>" to leave the HBase ShellVersion 0.96.1.1-cdh5.0.1, rUnknown, Tue May  6 13:27:24 PDT 2014

然后用 create建立一个表，我们建立的表有如下属性

表名： student

列簇：sid, name, age

什么是列簇？

Hbase是面向列存储的数据库。Hbase中数据列是由列簇来组织的。一个列簇相当于你在mysql中这个表的多个列定义的总和。但是特别的是，一个表可以对多个列簇。具体列簇里面有哪些列是开始时不用指定的。暂时只需要知道这么多，等做了以后慢慢去理解消化，我们学习的时候一定要掌握方法，先做再想为什么这么做，是最高效的学习方式。

为什么要有列簇？

在同一个列簇中的列是存放在一个实例上的。所以对于列簇的理解我的猜测是这样的，刚开始可能没有列簇。虽然nosql是不用定义列的，但是由于我们的hadoop是分布式的，肯定会有一些列在这台机子上，有一些列在那些机子上，为了性能问题，需要弄出一个算法来把一些经常在一起使用的列放到一台机子上，最简单的算法就是由用户自己去定，这就产生了列簇，也就是列的集合，在同一个列簇中的列都在一个机子上。

说完了概念，我们来建立一下这个表

hbase(main):001:0> create 'student', 'info'0 row(s) in 4.3300 seconds=> Hbase::Table - student

增加数据

使用put增加一行，这里说的一行意思是：一个表的一个列簇中的一个行，在mysql中就相当于只增加一行中的一列

hbase(main):002:0> put 'student','row1','info:name','jack'0 row(s) in 0.1990 seconds

意思是往 student 的 name 列中插入一个值 jack

我们查一下这条数据

hbase(main):003:0> get 'student','row1','info:name'COLUMN                        CELL                                                                                info:name                    timestamp=1408697225683, value=jack                                                1 row(s) in 0.0490 seconds

查出来了。

怎么样？是不是感觉这么费劲才插入了一个行的一个列？这是以为hbase是基于google的工程师 Fay Chang (应该是个华裔) 的关于bigtable的论坛写的，而bigtable就是拥有超大列数的表格，大到什么程度？大到一台电脑放不下了，必须用多台电脑分布式的存放，才能放的下，所以数据的操作都是以一行一列为最小单位的。

这个row1 是rowkey

rowkey

行以rowkey作为唯一标示。Rowkey是一段字节数组，这意味着，任何东西都可以保存进去，例如字符串、或者数字。行是按字典的排序由低到高存储在表中

我们继续插入这行别的列

hbase(main):004:0> put 'student','row1','info:sid','1'0 row(s) in 0.0200 secondshbase(main):005:0> put 'student','row1','info:age','22'0 row(s) in 0.0210 seconds

然后我们用scan命令查询一下整个表

hbase(main):006:0> scan 'student'ROW                           COLUMN+CELL                                                                         row1                         column=info:age, timestamp=1408697651322, value=22                                  row1                         column=info:name, timestamp=1408697225683, value=jack                               row1                         column=info:sid, timestamp=1408697640490, value=1                                  1 row(s) in 0.0580 seconds

可以看到有三条记录，但是都是一个row里面的，这个row才是相当于mysql的一行

继续插入别的记录，最终结果是这样

hbase(main):005:0> scan 'student'ROW                              COLUMN+CELL                                                                                   row1                            column=info:age, timestamp=1420817226790, value=22                                            row1                            column=info:name, timestamp=1420817205836, value=jack                                         row1                            column=info:sid, timestamp=1420817219869, value=1                                             row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row2                            column=info:sid, timestamp=1420817267780, value=2                                             row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                        row3                            column=info:sid, timestamp=1420817304621, value=3                                             row4                            column=info:name, timestamp=1420858768667, value=karry                                        row4                            column=info:sid, timestamp=1420858794556, value=4                                            4 row(s) in 1.0990 seconds

命令介绍

有了基础数据我们就可以通过一边操作一边学习hbase的命令了，比如上个例子我们学习到了一个新的命令 scan

scan 查询数据表

scan命令如果不带任何参数相当于sql中的 select * from table

Limit 查询后显示的条数

用limit可以限制查询的条数

scan 'student',{'LIMIT'=>2}

效果如下

hbase(main):006:0> scan 'student',{'LIMIT'=>2}ROW                              COLUMN+CELL                                                                                   row1                            column=info:age, timestamp=1420817226790, value=22                                            row1                            column=info:name, timestamp=1420817205836, value=jack                                         row1                            column=info:sid, timestamp=1420817219869, value=1                                             row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row2                            column=info:sid, timestamp=1420817267780, value=2                                            2 row(s) in 0.8250 seconds

STARTROW 起点rowkey

用startrow可以定义查询返回结果的起点rowkey，相当于大于等于，比如

hbase(main):007:0> scan 'student',{'STARTROW'=>'row2'}ROW                              COLUMN+CELL                                                                                   row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row2                            column=info:sid, timestamp=1420817267780, value=2                                             row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                        row3                            column=info:sid, timestamp=1420817304621, value=3                                             row4                            column=info:name, timestamp=1420858768667, value=karry                                        row4                            column=info:sid, timestamp=1420858794556, value=4

STARTROW 可以使用通配符，比如

hbase(main):008:0> scan 'student',{'STARTROW'=>'row*'}ROW                              COLUMN+CELL                                                                                   row1                            column=info:age, timestamp=1420817226790, value=22                                            row1                            column=info:name, timestamp=1420817205836, value=jack                                         row1                            column=info:sid, timestamp=1420817219869, value=1                                             row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row2                            column=info:sid, timestamp=1420817267780, value=2                                             row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                        row3                            column=info:sid, timestamp=1420817304621, value=3                                             row4                            column=info:name, timestamp=1420858768667, value=karry                                        row4                            column=info:sid, timestamp=1420858794556, value=4                                            4 row(s) in 0.2830 seconds

多个参数可以同时使用，比如我要查询startrow = row2 并且只返回一条

hbase(main):009:0> scan 'student',{'STARTROW'=>'row2','LIMIT'=>1}ROW                              COLUMN+CELL                                                                                   row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row2                            column=info:sid, timestamp=1420817267780, value=2                                            1 row(s) in 0.1890 seconds

STOPROW 定义查询的结束rowkey

跟startrow类似，同上

COLUMNS 控制返回的字段列表

就相当于sql中的 select xx,xxx,xxx from 这里面的列定义。比如我只需要查询所有学生的名字和年龄，不需要sid信息

hbase(main):011:0> scan 'student',{'COLUMNS'=>['info:name','info:age'],LIMIT=>3}ROW                              COLUMN+CELL                                                                                   row1                            column=info:age, timestamp=1420817226790, value=22                                            row1                            column=info:name, timestamp=1420817205836, value=jack                                         row2                            column=info:age, timestamp=1420817278346, value=28                                            row2                            column=info:name, timestamp=1420817252182, value=terry                                        row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                       3 row(s) in 0.4470 seconds

注意写列名的时候要记得带上列簇！比如 info:name

TIMESTAMP 使用时间来精确定位数据

timestamp可以精确的指定某一条记录

hbase(main):012:0> scan 'student',{'TIMESTAMP'=>1420817315351}ROW                              COLUMN+CELL                                                                                   row3                            column=info:age, timestamp=1420817315351, value=18                                           1 row(s) in 0.1920 seconds

get 获取一行数据

用get可以只获取一行数据

hbase(main):073:0> get 'student','row1'COLUMN                           CELL                                                                                          info:age                        timestamp=1420817226790, value=22                                                             info:name                       timestamp=1420817205836, value=jack                                                           info:sid                        timestamp=1420817219869, value=1                                                             3 row(s) in 0.1730 seconds

可以跟上更复杂的参数

hbase(main):076:0> get 'student','row1',{COLUMN=>['info:name','info:sid']}COLUMN                           CELL                                                                                          info:name                       timestamp=1420817205836, value=jack                                                           info:sid                        timestamp=1420817219869, value=1                                                             2 row(s) in 0.0490 secondshbase(main):077:0> get 'student','row1',{COLUMN=>['info:name','info:sid'],TIMESTAMP=>1420817219869,VERSION=>1}COLUMN                           CELL                                                                                          info:sid                        timestamp=1420817219869, value=1                                                             1 row(s) in 0.0740 seconds

describe 查看表信息

describe 可以查看表的信息，这个命令会常常用到

hbase(main):013:0> describe 'student'DESCRIPTION                                                                       ENABLED                                      'student', {NAME => 'info', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', true                                          REPLICATION_SCOPE => '0', VERSIONS => '1', COMPRESSION => 'NONE', MIN_VERSIONS                                               => '0', TTL => 'FOREVER', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', I                                              N_MEMORY => 'false', BLOCKCACHE => 'true'}                                                                                   1 row(s) in 7.6720 seconds

alter 修改表的列簇

用alter可以修改表的列簇，hbase的一个表其实全部信息就是列簇的信息了，比如我们可以增加一个列簇f2

alter 'student', {NAME => 'f2', VERSION => 2}

这个VERSION官方说是每个字段可以有2个版本，就是一个行的一个列元素可以存成两个值，拥有不同的version

添加完再看下表结构

hbase(main):057:0> describe 'student'DESCRIPTION                                                                       ENABLED                                      'student', {NAME => 'f2', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', R true                                         EPLICATION_SCOPE => '0', COMPRESSION => 'NONE', VERSIONS => '1', TTL => 'FOREVER                                              ', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', IN_                                              MEMORY => 'false', BLOCKCACHE => 'true'}, {NAME => 'info', DATA_BLOCK_ENCODING =                                              > 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '0', VERSIONS => '1', COMPR                                              ESSION => 'NONE', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP_DELETED_CELLS => '                                              false', BLOCKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}                                                    1 row(s) in 0.6180 seconds

可以看到有两个列簇，一个是f2，一个是info

用 TTL 控制表的数据自动过期

不过我这边用一个比较实用的例子来教大家操作alter：在实际生产环境上经常需要给表增加过期时间，方便表自动清理早期的数据，防止数据过多，毕竟能用hadoop的环境数据量那都是“海量”

现在我把f2这个列簇的TTL修改为20秒

alter 'student', {NAME => 'f2', TTL => 20}

然后再看下表信息

hbase(main):061:0> describe 'student'DESCRIPTION                                                                       ENABLED                                      'student', {NAME => 'f2', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', R true                                         EPLICATION_SCOPE => '0', COMPRESSION => 'NONE', VERSIONS => '1', TTL => '20 SECO                                              NDS', MIN_VERSIONS => '0', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536',                                               IN_MEMORY => 'false', BLOCKCACHE => 'true'}, {NAME => 'info', DATA_BLOCK_ENCODIN                                              G => 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '0', VERSIONS => '1', CO                                              MPRESSION => 'NONE', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP_DELETED_CELLS =                                              > 'false', BLOCKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}                                                 1 row(s) in 0.1540 seconds

可以看到f2的 TTL 被设置为20 seconds。

然后我们测试一下添加一个记录到f2去，然后等20秒再去看下

hbase(main):065:0> put 'student','row3','f2:grade','2'0 row(s) in 0.0650 secondshbase(main):066:0> scan 'student',{STARTROW=>'row3',LIMIT=>1}ROW                              COLUMN+CELL                                                                                   row3                            column=f2:grade, timestamp=1420872179176, value=2                                             row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                        row3                            column=info:sid, timestamp=1420817304621, value=3                                            1 row(s) in 0.0630 secondshbase(main):067:0> scan 'student',{STARTROW=>'row3',LIMIT=>1}ROW                              COLUMN+CELL                                                                                   row3                            column=info:age, timestamp=1420817315351, value=18                                            row3                            column=info:name, timestamp=1420817294342, value=billy                                        row3                            column=info:sid, timestamp=1420817304621, value=3                                            1 row(s) in 0.1370 seconds

会看到刚添加进去的时候row2还有 f2:grade的数据，但是过了一会儿去看就没了

使用alter删除列簇

使用alter删除列簇的操作是带上一个METHOD参数，并写值为 delete

hbase(main):068:0> alter 'student', {NAME => 'f2', METHOD=>'delete'}Updating all regions with the new schema...0/1 regions updated.1/1 regions updated.Done.0 row(s) in 3.9750 secondshbase(main):069:0> describe 'student'DESCRIPTION                                                                       ENABLED                                      'student', {NAME => 'info', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', true                                          REPLICATION_SCOPE => '0', VERSIONS => '1', COMPRESSION => 'NONE', MIN_VERSIONS                                               => '0', TTL => 'FOREVER', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', I                                              N_MEMORY => 'false', BLOCKCACHE => 'true'}                                                                                   1 row(s) in 0.2210 seconds

count 统计表中的数据

跟传统的关系型数据库不一样，这个命令可能会执行很久

hbase(main):082:0> count 'student'4 row(s) in 0.6410 seconds=> 4

这个命令还有一个很奇怪的功能，就是在统计的时候可以每隔X行显示一下数据的rowkey，可能是方便统计的时候看下统计到哪里了，比如我分别用间隔2行跟间隔1行做了实验

hbase(main):083:0> count 'student',2Current count: 2, row: row2                                                                                                   Current count: 4, row: row4                                                                                                   4 row(s) in 0.0480 seconds=> 4hbase(main):084:0> count 'student',1Current count: 1, row: row1                                                                                                   Current count: 2, row: row2                                                                                                   Current count: 3, row: row3                                                                                                   Current count: 4, row: row4                                                                                                   4 row(s) in 0.0650 seconds=> 4

list 查看数据库中的所有表

用list可以列出当前hbase中的所有表

hbase(main):079:0> listTABLE                                                                                                                         employee                                                                                                                      employee2                                                                                                                     student                                                                                                                       3 row(s) in 0.2020 seconds=> ["employee", "employee2", "student"]

status 命令

查询服务状态

hbase(main):013:0> status1 servers, 0 dead, 3.0000 average load

hbase(main):070:0> listTABLE                                                                                                                         employee                                                                                                                      employee2                                                                                                                     student                                                                                                                       3 row(s) in 0.6380 seconds=> ["employee", "employee2", "student"]

version

查询版本号

whoami

看连接用户

hbase(main):014:0> whoamiroot (auth:SIMPLE)

truncate 快速清除数据

跟一般数据库中的truncate不太一样，如果你执行 truncate，hbase就是帮你把表停掉，删掉再重建一次，只是这个动作不用你手动做了而已

hbase(main):086:0> truncate 'student'Truncating 'student' table (it may take a while): - Disabling table... - Dropping table... - Creating table...0 row(s) in 4.6330 seconds

主要的命令就介绍到这里，更详细的命令参考 http://wiki.apache.org/hadoop/Hbase/Shell

参考资料

http://wiki.apache.org/hadoop/Hbase/Shell

0 0