HBase--分布式非关系型数据库HBase入门精讲（侧重原理）

一、HBase介绍

HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

1. HBase 数据模型

1）HBase可以有多个Name Space（命名空间），类似于关系型数据库的 DatabBase 概念，每个命名空间下有多个表。HBase有两个自带的命名空间，分别是 hbase 和 default，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间
2）逻辑上，HBase 表的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列
3）HBase的列是以Column Family（列族）区分的，并以列族为物理存储的依据，每个列族里有一个或多个列（Column Qualifier），列可以动态指定增加
4）HBase每行都有一个Row Key(RK),并且RK唯一,类似于java 的Map中的key，当key已存在时，会覆盖之前的数据，RK也是物理存储的依据
5）当数据量很大时，横向上，连续的（字典排序）若干行会被分隔成若干Region（切片）；而纵向上会被分成若干列族。这样整个表会被切分成若干个Store，每个Store就是HBase物理存储的一个单元

2.HBase的物理存储结构

1）HBase以每个Store为单元进行存储
2）每个单元在存储时会被转化为一个类似于关系型数据库的二维表，这个"二维表"每一行的核心为原Region中的一个Cell对应的值，其他都为描述这个value的属性值
3）“二维表”中除了RK、列族名、列名和value之外，还会有一个TimeStamp（时间戳）与一个Type(操作类型）
4）一条修改指令下达之后，HBase中的数据不会马上按指令进行修改，而是增加一条数据，该数据中标记时间戳与操作类型，查询时会根据时间戳查询最新的一条数据，获取响应的值。例如t3手机号为131***，t4修改为177***，这两条数据在一定时间内会同时存在，查询时会取t4时间的数据。
5) RowKey/列族名/列名/时间戳 共同确定一个Cell，cell中的数据以字节码形式存储

3.HBase的基本架构

1）HBase集群本身分为Master与RegionSever
1.1）Master负责表结构相关的操作，create/delete/alter等table级ddl（数据定义）操作，并负责管理RegionSever
1.2）RegionServer负责数据的具体操作，get/put/delete等data级dml（数据操纵）操作，并负责region的切分与合并
2）Hadoop集群中，HBase的运行依赖于Zookeeper与HDFS
2.1）HBase 通过 Zookeeper 来做 Master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作
2.2）HDFS负责具体的数据存储

4.HBase的完整架构

1）HBASE依赖于两大组件–Zookeeper与HDFS
2.1）如果是dml操作，name客户端请求过来时首先访问zk，获取系统命名空间hbase下的meta表所在的regionsever

• 查看zk上的/hbase/meta-region-server

[zk: localhost:2181(CONNECTED) 3] get /hbase/meta-region-server
�regionserver:16020At�r�F�OPBUF

        hadoop103�}�����/

• 查看hbase命名空间下meta表的信息

hbase(main):001:0> scan 'hbase:meta'
ROW                            COLUMN+CELL
…省略…
 stu,,1649124000807.41f1089de1 column=info:server, timestamp=1649124001468, value=hadoop103:16020
 d69147feb992583365b0c7.
…省略…
2 row(s) in 0.3060 seconds

2.2）这一步如果是ddl操作，会由HMaster请求ZK后直接调用相关的regionsever执行
3）获取到regionsever之后，regionserver会进行具体的执行与存储
4）该请求中的操作会首先被写到一个HLog中（也就是wal，类似于hdfs的edits文件），然后再被加载到内存中
5）一个regionserver可维护多个HRegion,每个HRegion根据列族分为多个Store，Store与Store的存储时相互隔离的
6）内存中的数据在逻辑上被分为若干Mem Store，当执行flush操作时会被持久化，形成一个一个的StoreFile，Store File文件过多时会有compact的合并过程。StoreFile以HFile规定的文件格式存储。
7）flush的过程中，regionsever会调用hdfs的客户端，将StoreFile保存到HDFS（dataNode的磁盘）中。

二、Hbase的工作流程

1.HBase写数据流程

1）client首先访问zk，获取hbase系统命名空间下的meta表所在的regionserver（图中的hadoop102）
2）然后访问meta表所在的regionserver（hadoop102），获取当前请求关联的region所在的regionserver（图中的hadoop103）
3）table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache
4）向region所在的regionserver（图中的hadoop103）发送put请求，进行数据的写入
5）写数据时先写到HLog（wal，预写入日志），再加载到内存中（Mem Store）
6）flush时内存中的数据会持久化为StoreFile

2.Flush流程

1）在一个RegionSever里可以有多个Region，一个Region可以有多个Store，每个Store有自己的内存区，即MemStore
2）在达到一定条件时执行flush，每个MemStore会持久化到HDFS形成一个StoreFile文件
3）不同Store的StoreFile隔离存储在不同的HDFS目录中

• 查看storefile文件：

[atguigu@hadoop104 bin]$ hdfs dfs -ls /HBase/data/default/stu/41f1089de1d69147feb992583365b0c7/office_info/
Found 1 items
-rw-r--r--   3 atguigu supergroup       5263 2022-04-05 11:23 /HBase/data/default/stu/41f1089de1d69147feb992583365b0c7/office_info/51587257d4e04740b08fea5e7f11d5c4

• flush的触发设置：

1. regionserver级的触发

    <property>  
        <name>hbase.regionserver.global.memstore.size</name>  
        <value></value>  
        <description>regionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%,而且regionserver级别的flush会阻塞客户端读写</description>  
    </property> 
    <property>  
        <name>hbase.regionserver.global.memstore.size.lower.limit</name>  
        <value></value>  
        <description>可以理解为一个安全的设置，有时候集群的“写负载”非常高，写入量一直超过flush的量，这时，我们就希望memstore不要超过一定的安全设置。在这种情况下，写操作就要被阻塞一直到memstore恢复到一个“可管理”的大小, 这个大小就是默认值是堆大小 * 0.4 * 0.95，也就是当regionserver级别的flush操作发送后,会阻塞客户端写,一直阻塞到整个regionserver级别的memstore的大小为 堆大小 * 0.4 *0.95为止</description>  
    </property> 

    <property>  
        <name>hbase.regionserver.optionalcacheflushinterval</name>  
        <value>3600000</value>  
        <description>内存中的文件在自动刷新之前的最后一条数据能够存活的最长时间，默认是1h </description>  
    </property>  

2. region级的触发

    <property>  
        <name>hbase.hregion.memstore.flush.size</name>  
        <value>134217728</value>  
        <description>单个region里memstore的缓存大小，超过那么整个HRegion就会flush,默认128M </description>  
    </property>  

3.HBase读数据流程

1）client首先访问zk，获取hbase系统命名空间下的meta表所在的regionserver（图中的hadoop102）
2）然后访问meta表所在的regionserver（hadoop102），获取当前请求关联的region所在的regionserver（图中的hadoop103）
3）table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache
4）读流程比写流程多了一个Block Cache，用于storefile中的数据缓存
5）分别在 Block Cache（读缓存），MemStore 和 Store File（HFile）中查询目标数据，并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本（time stamp）或者不同的类型（Put/Delete）。
6）将从Store File文件中查询到的数据块（Block，HFile 数据存储单元，默认大小为 64KB）缓存到Block Cache
7）将合并后的最终结果按时间戳最大返回给客户端
8）由于读流程会访问磁盘空间，所以比写流程慢

4.HBase的合并流程–Compact

两种compact的区别

• compact（MinorCompaction）：简单合并，合并小文件，保留数据的版本。将临近的若干个较小的 HFile 合并成一个较大的 HFile，但不会清理过期和删除的数据
• major_compact：合并所有文件，并只保留新版本。将一个 Store 下的所有的 HFile 合并成一个大 HFile，并且会清理掉过期和删除的数据。

有关compact的配置

    <property>  
        <name>hbase.hregion.majorcompaction</name>  
        <value>604800000</value>  
        <description>一个region进行 major compaction合并的周期,在这个点的时候， 这个region下的所有hfile会进行合并,默认是7天,major compaction非常耗资源,建议生产关闭(设置为0)，在应用空闲时间手动触发 </description>  
    </property>  

    <property>  
        <name>hbase.hstore.compactionThreshold</name>  
        <value>3</value>  
        <description>一个store里面允许存的hfile的个数，超过这个个数会被写到新的一个hfile里面 也即是每个region的每个列族对应的memstore在fulsh为hfile的时候，默认情况下当达到3个hfile的时候就会对这些文件进行合并重写为一个新文件，设置个数越大可以减少触发合并的时间，但是每次合并的时间就会越长</description>  
    </property> 

5. 旧版本数据的删除

1）flush：针对内存中的数据，在flush的时候会被flush为一个storefile，这时内存中的数据会将旧版本中的数据删除，只保留最新时间戳的数据
2）major_compact：针对磁盘中的数据，在大合并的时候，将多个storefile合并为一个，此时也会删除旧版本的数据

6. HBase的拆分流程–Split

当1个region中的某个Store下所有StoreFile的总大小超过Min(R^2 * “hbase.hregion.memstore.flush.size”," hbase.hregion.max.filesize ") 就会拆分，其中R为当前RegionServer中属于该table的region个数

    <property>  
        <name>hbase.hregion.memstore.flush.size</name>  
        <value>134217728</value>  
        <description>单个region里memstore的缓存大小，超过那么整个HRegion就会flush,默认128M</description>  
    </property> 

    <property>  
        <name>hbase.hregion.max.filesize</name>  
        <value>10737418240</value>  
        <description>HStoreFile最大的大小，当某个region的某个列族超过这个大小会进行region拆分</description>  
    </property>  

三、zookeeper集群安装

规划三台机器hadoop102，hadoop103，hadoop104组成zk集群
zk安装包下载地址 https://zookeeper.apache.org/

1.集群节点安装

（所有节点都要执行）

拷贝 apache-zookeeper-3.5.7-bin.tar.gz 安装包到 Linux 系统下（三台机器hadoop102，hadoop103，hadoop104），

解压并修改名称

[atguigu@hadoop102 software]$ tar -xvf  apache-zookeeper-3.5.7-bin.tar.gz -C /opt/module/
[atguigu@hadoop102 module]$ cd ../module/
[atguigu@hadoop102 module]$ pwd
/opt/module
[atguigu@hadoop102 module]$ mv apache-zookeeper-3.5.7-bin/ zookeeper-3.5.7

修改配置：

# zoo_sample.cfg重命名为 zoo.cfg
[atguigu@hadoop102 module]$ cd /opt/module/zookeeper-3.5.7/conf
[atguigu@hadoop102 conf]$ mv zoo_sample.cfg zoo.cfg
# 修改如下值 ：dataDir=/opt/module/zookeeper-3.5.7/zkData
[atguigu@hadoop102 conf]$ vi zoo.cfg

[atguigu@hadoop102 zookeeper-3.5.7]$ pwd
/opt/module/zookeeper-3.5.7
# 创建zkData目录
[atguigu@hadoop102 zookeeper-3.5.7]$ mkdir zkData

启动zk与查看状态（可选）：

[atguigu@hadoop102 zookeeper-3.5.7]$ ./bin/zkServer.sh start
[atguigu@hadoop102 zookeeper-3.5.7]$ bin/zkServer.sh status

进入客户端（可选）：

[atguigu@hadoop102 zookeeper-3.5.7]$ ./bin/zkCli.sh
[zk: localhost:2181(CONNECTED) 0] 

2.集群搭建

1）在hadoop102、hadoop103、hadoop104的/opt/module/zookeeper-3.5.7/zkData 目录下分别创建 myid 的文件，值分别为2/3/4

[atguigu@hadoop102 zkData]$ echo 2 > myid
[atguigu@hadoop102 zkData]$ pwd
/opt/module/zookeeper-3.5.7/zkData

[atguigu@hadoop103 zkData]$ echo 3 > myid
[atguigu@hadoop103 zkData]$ pwd
/opt/module/zookeeper-3.5.7/zkData

[atguigu@hadoop104 zkData]$ pwd
/opt/module/zookeeper-3.5.7/zkData
[atguigu@hadoop104 zkData]$ echo 4 > myid

2）zoo.cfg中增加配置（所有机器）

#######################cluster########################## 
server.2=hadoop102:2888:3888
server.3=hadoop103:2888:3888
server.4=hadoop104:2888:388

3）分别重启zk，查看状态

[root@hadoop102 bin]# pwd
/opt/module/zookeeper-3.5.7/bin
[root@hadoop102 bin]# ./zkServer.sh restart
[atguigu@hadoop102 bin]$ ./zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /opt/module/zookeeper-3.5.7/bin/../conf/zoo.cfg
Client port found: 2181. Client address: localhost.
Mode: leader

[root@hadoop103 bin]# pwd
/opt/module/zookeeper-3.5.7/bin
[root@hadoop103 bin]# ./zkServer.sh restart
[root@hadoop103 bin]# ./zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /opt/module/zookeeper-3.5.7/bin/../conf/zoo.cfg
Client port found: 2181. Client address: localhost.
Mode: follower

[root@hadoop104 bin]# pwd
/opt/module/zookeeper-3.5.7/bin
[root@hadoop104 bin]# ./zkServer.sh restart
[root@hadoop104 bin]# ./zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /opt/module/zookeeper-3.5.7/bin/../conf/zoo.cfg
Client port found: 2181. Client address: localhost.
Mode: follower

四、HBase集群安装

拷贝 hbase-1.3.1-bin.tar.gz 安装包到 Linux 系统下（三台机器hadoop102，hadoop103，hadoop104），解压

[atguigu@hadoop103 software]$ tar xvf apache-zookeeper-3.5.7-bin.tar.gz -C /opt/module/

配置hbase-site.xml：

[atguigu@hadoop103 software]$ cd /opt/module/hbase-1.3.1/conf
[atguigu@hadoop103 conf]$ vi hbase-site.xml

<configuration>
    <property>
        <name>hbase.rootdir</name>
        <!--注意端口号要与hadoop中core-site.xml中fs.defaultFS配置一致-->
        <value>hdfs://hadoop102:8020/HBase</value>
    </property>
    <property>
        <name>hbase.cluster.distributed</name>
        <value>true</value>
    </property>
    <property>
        <name>hbase.master.port</name>
        <value>16000</value>
    </property>
    <property>
        <name>hbase.master.info.port</name>
        <value>16010</value>
    </property>
    <property>
        <name>hbase.zookeeper.quorum</name>
        <value>hadoop102,hadoop103,hadoop104</value>
    </property>
    <property>
        <name>hbase.zookeeper.property.dataDir</name>
        <value>/opt/module/zookeeper-3.5.7/zkData</value>
    </property>
</configuration> 

配置hbase-env.sh：

[atguigu@hadoop103 conf]$ vi hbase-env.sh
[atguigu@hadoop103 conf]$ tail -2 hbase-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_212
export HBASE_MANAGES_ZK=false

配置regionservers：

[atguigu@hadoop103 conf]$ vi regionservers
[atguigu@hadoop103 conf]$ cat regionservers
hadoop102
hadoop103
hadoop104

创建软连接

[atguigu@hadoop103 module]$ ln -s /opt/module/hadoop3.1.3/etc/hadoop/core-site.xml /opt/module/hbase-1.3.1/conf/coresite.xml
[atguigu@hadoop103 module]$ ln -s /opt/module/hadoop3.1.3/etc/hadoop/hdfs-site.xml /opt/module/hbase-1.3.1/conf/hdfssite.xml

启动与关闭

[atguigu@hadoop102 bin]$ pwd
/opt/module/hbase-1.3.1/bin
# 单启动master
[atguigu@hadoop102 bin]$ ./hbase-daemon.sh start master
starting master, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-master-hadoop102.out
# 单启动regionserver
[atguigu@hadoop102 bin]$ ./hbase-daemon.sh start regionserver
starting regionserver, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-regionserver-hadoop102.out

# 停止hbase集群
[atguigu@hadoop102 bin]$ ./stop-hbase.sh
---------- hbase 停止 ------------
stopping hbase...............
# 启动hbase集群
[atguigu@hadoop102 bin]$ ./start-hbase.sh
---------- hbase 启动 ------------
starting master, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-master-hadoop102.out
hadoop102: starting regionserver, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-regionserver-hadoop102.out
hadoop103: starting regionserver, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-regionserver-hadoop103.out
hadoop104: starting regionserver, logging to /opt/module/hbase-1.3.1/bin/../logs/hbase-atguigu-regionserver-hadoop104.out

五、HBase命令行操作

1.进入与退出hbase命令行模式

[atguigu@hadoop102 bin]$ pwd
/opt/module/hbase-1.3.1/bin
[atguigu@hadoop102 bin]$ ./hbase shell
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/module/hbase-1.3.1/lib/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/module/hadoop-3.1.3/share/hadoop/common/lib/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
HBase Shell; enter 'help<RETURN>' for list of supported commands.
Type "exit<RETURN>" to leave the HBase Shell
Version 1.3.1, r930b9a55528fe45d8edce7af42fef2d35e77677a, Thu Apr  6 19:36:54 PDT 2017

hbase(main):001:0>quit
[atguigu@hadoop102 bin]$

2.help

hbase(main):009:0> help
HBase Shell, version 1.3.1, r930b9a55528fe45d8edce7af42fef2d35e77677a, Thu Apr  6 19:36:54 PDT 2017
Type 'help "COMMAND"', (e.g. 'help "get"' -- the quotes are necessary) for help on a specific command.
Commands are grouped. Type 'help "COMMAND_GROUP"', (e.g. 'help "general"') for help on a command group.

COMMAND GROUPS:
  Group name: general
  Commands: status, table_help, version, whoami

  Group name: ddl
  Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all, enable, enable_all, exists, get_table, is_disabled, is_enabled, list, locate_region, show_filters

  Group name: namespace
  Commands: alter_namespace, create_namespace, describe_namespace, drop_namespace, list_namespace, list_namespace_tables

  Group name: dml
  Commands: append, count, delete, deleteall, get, get_counter, get_splits, incr, put, scan, truncate, truncate_preserve

  Group name: tools
  Commands: assign, balance_switch, balancer, balancer_enabled, catalogjanitor_enabled, catalogjanitor_run, catalogjanitor_switch, close_region, compact, compact_rs, flush, major_compact, merge_region, move, normalize, normalizer_enabled, normalizer_switch, split, splitormerge_enabled, splitormerge_switch, trace, unassign, wal_roll, zk_dump

  Group name: replication
  Commands: add_peer, append_peer_tableCFs, disable_peer, disable_table_replication, enable_peer, enable_table_replication, get_peer_config, list_peer_configs, list_peers, list_replicated_tables, remove_peer, remove_peer_tableCFs, set_peer_tableCFs, show_peer_tableCFs

  Group name: snapshots
  Commands: clone_snapshot, delete_all_snapshot, delete_snapshot, delete_table_snapshots, list_snapshots, list_table_snapshots, restore_snapshot, snapshot

  Group name: configuration
  Commands: update_all_config, update_config

  Group name: quotas
  Commands: list_quotas, set_quota

  Group name: security
  Commands: grant, list_security_capabilities, revoke, user_permission

  Group name: procedures
  Commands: abort_procedure, list_procedures

  Group name: visibility labels
  Commands: add_labels, clear_auths, get_auths, list_labels, set_auths, set_visibility

SHELL USAGE:
Quote all names in HBase Shell such as table and column names.  Commas delimit
command parameters.  Type <RETURN> after entering a command to run it.
Dictionaries of configuration used in the creation and alteration of tables are
Ruby Hashes. They look like this:

  {'key1' => 'value1', 'key2' => 'value2', ...}

and are opened and closed with curley-braces.  Key/values are delimited by the
'=>' character combination.  Usually keys are predefined constants such as
NAME, VERSIONS, COMPRESSION, etc.  Constants do not need to be quoted.  Type
'Object.constants' to see a (messy) list of all constants in the environment.

If you are using binary keys or values and need to enter them in the shell, use
double-quote'd hexadecimal representation. For example:

  hbase> get 't1', "key\x03\x3f\xcd"
  hbase> get 't1', "key\003\023\011"
  hbase> put 't1', "test\xef\xff", 'f1:', "\x01\x33\x40"

The HBase shell is the (J)Ruby IRB with the above HBase-specific commands added.
For more on the HBase Shell, see http://hbase.apache.org/book.html

3.常用命令

• list 查看用户表

hbase(main):019:0> list
TABLE
student
1 row(s) in 0.0110 seconds

=> ["student"]

• create 创建表
  【create ‘表名’, ‘列族’, ‘列族’, …】

hbase(main):021:0> create 'stu','personal_info','office_info'
0 row(s) in 1.2300 seconds

=> Hbase::Table - stu
hbase(main):022:0> list
TABLE
stu
student
2 row(s) in 0.0120 seconds

=> ["stu", "student"]

• put 插入数据到表，或个更新表数据
  【put ‘表名’,‘行键’,‘列族名:列名’, ‘列值’】

hbase(main):023:0> put 'stu','1001','personal_info:age','18'
0 row(s) in 0.1910 seconds
hbase(main):027:0> put 'stu','1002','office_info:address','beijing'
0 row(s) in 0.0380 seconds

• scan 查看数据
  【scan ‘表名’】

hbase(main):028:0> scan 'stu'
ROW                            COLUMN+CELL
 1001                          column=personal_info:age, timestamp=1649124545538, value=18
 1002                          column=office_info:address, timestamp=1649125119860, value=beijing
2 row(s) in 0.0100 seconds

根据rowkey的范围查看
【scan ‘表名’, {STARTROW => ‘rowkeyNo1’ [,STOPROW => ‘rowkeyNo2’}]】

hbase(main):001:0> scan 'stu',{STARTROW => '1001' ,STOPROW => '1001'}
ROW                            COLUMN+CELL
 1001                          column=personal_info:age, timestamp=1649124545538, value=18
1 row(s) in 0.2880 seconds

hbase(main):002:0> scan 'stu',{STARTROW => '1001'}
ROW                            COLUMN+CELL
 1001                          column=personal_info:age, timestamp=1649124545538, value=18
 1002                          column=office_info:address, timestamp=1649125404588, value=shanghai
2 row(s) in 0.0160 seconds

• describe 查看表结构

hbase(main):003:0> describe 'stu'
Table stu is ENABLED
stu
COLUMN FAMILIES DESCRIPTION
{NAME => 'office_info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DA
TA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCK
SIZE => '65536', REPLICATION_SCOPE => '0'}
{NAME => 'personal_info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE',
DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLO
CKSIZE => '65536', REPLICATION_SCOPE => '0'}
2 row(s) in 0.1090 seconds

• get 查看数据
  【get ‘表名’,‘rowkey’】查看一行数据

hbase(main):009:0> get 'stu','1003'
COLUMN                         CELL
 office_info:Tel               timestamp=1649125793323, value=17712345678
 office_info:address           timestamp=1649125923932, value=suzhou
1 row(s) in 0.0080 seconds

【get ‘表名’,‘rowkey’,‘列族:列名’】查看单个cell数据

hbase(main):010:0> get 'stu','1003','office_info:Tel'
COLUMN                         CELL
 office_info:Tel               timestamp=1649125793323, value=17712345678
1 row(s) in 0.0120 seconds

• count统计表行数
  【count ‘表名’】

hbase(main):011:0> count 'stu'
3 row(s) in 0.0290 seconds

=> 3

• 删除数据
  【deleteall ‘表名’,‘rowkey’】删除整行

hbase(main):013:0> deleteall 'stu','1001'
0 row(s) in 0.0270 seconds

【delete ‘表名’,‘rowkey’,‘列族名:列名’】delete删除一个cell数据
hbase(main):014:0> delete ‘stu’,‘1003’,‘office_info:address’
0 row(s) in 0.0180 seconds
【truncate ‘表名’】删除整张表的数据（自动disable）

hbase(main):015:0> truncate 'student'
Truncating 'student' table (it may take a while):
 - Disabling table...
 - Truncating table...
0 row(s) in 3.6790 seconds

【drop ‘表名’】删除表，需要手动disable

hbase(main):018:0> disable 'student'
0 row(s) in 2.2440 seconds

hbase(main):019:0> drop 'student'
0 row(s) in 1.2580 seconds

六、HBase的JavaAPI

1.前置准备

参考：HDFS–Hadoop分布式文件系统 中的四、HDFS的java Api使用 ----1.前置准备工作
配置maven依赖（pom.xml）：

        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-server</artifactId>
            <version>1.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>1.3.1</version>
        </dependency>

创建HBaseClient类用于测试

2.API使用前资源与配置

package com.hbase;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.TableName;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URISyntaxException;

public class HBaseClient {
    Configuration configuration;
    Connection connection;
    Admin admin;

    public HBaseClient() throws IOException {
    }

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        configuration = HBaseConfiguration.create();
        configuration.set("hbase.zookeeper.quorum","hadoop102,hadoop103,hadoop104");
        configuration.set("hbase.zookeeper.property.clientPort" ,"2181"); //默认端口就是2181
        connection = ConnectionFactory.createConnection(configuration);
        admin = connection.getAdmin();
    }
    @Test
    public void isTableExits() throws IOException {
        TableName stu = TableName.valueOf("stu");
        System.out.println(admin.tableExists(stu));

    }
    @After
    public void closeResource() throws IOException {
        admin.close();
        connection.close();
    }
}

2.DDL操作

后续补充

3.DML操作

后续补充

七、鸣谢

感谢尚硅谷，此文根据尚硅谷课程而写，bili连接 尚硅谷HBase教程