HBase入门指南

目录导航

1、概念介绍
2、原理图
3、基本命令
4、java远程连接hbase

一、概念介绍

1. 列(column)是最基本的存储单位
   列的名称规范：列族名：列名
   hbase 会尽量将属于同一个列族的列放在一台机器上面

2. 多个列可以组成一个列族(column family)
   表的属性定义在列族上，如：过期时间、数据块缓存、是否压缩等
   因此，同一个表的列族可以有完全不同的属性，
   但是，同一个列族内的列具有相同的属性

3. 每个行都拥有唯一的一个行键(rowkey)，行键是一串不可重复的字符串
   hbase中无法根据column来排序，只能根据rowkey进行排序，排序规则是根据字典
   如：key1 key2 key11
   结果：key1 key11 key2

4. 单元格
   一个列上面可能存储多个版本的值
   多个版本的值被存储在多个单元格中
   唯一确定一条结果的表达式应该是：行键：列族：列：版本号
   版本号可以省略，如果不写版本号，hbase会默认使用最后一个版本的数据
   每个列或者每个单元都会被赋予一个时间戳，
   该时间戳默认由系统指定，也可以用户显示指定

5. 注意：
   行与行的列可以完全不一样
   上一行和下一行的数据也可以存储在不同的机器上
   同一行内的列可以存储在完全不同的机器上

6. 提示：
   一个表设置多少列族比较好？官方建议越少越好
   虽然hbase是分布式数据库，但是数据在同一台物理机上依然会加速数据的查询速度
   所以列族太多会极大的降低数据库性能，并且列族定义太多容易出现bug

7. Region
   region是一段数据的集合
   region是基于searchserver的，它的所有数据存取操作都是调用hdfs客户端来实现
   一个region就是多个行

8. zookeeper、hbase、hdfs的关系
   hbase中的regionServer存储实际的表数据信息
   这些数据信息存储在hdfs上面
   zookeeper管理这些regionServer，
   包括具体的数据字段存储在哪个regionServer上面，
   客户端每次与hbase连接，其实先和zookeeper通信，
   查询出需要先和哪个regionServer通信，然后再连接该regionServer

二、原理图

三、基本命令

• hbase shell 进入操作行
• list 查看表
• get ‘表名’ ‘rowkey名称’,‘列族：列的名称’
  get ‘patient_count’,‘pat_001’
• describe ‘表名’ 查看表结构
  获取的结果