HBase 数据模型
Namespace: 命名空间
类似于关系型数据库中的 database schema
Table: 表
一个 Namespace 下有多个表,一个表可以包含多个行
Row: 行
在 HBase 中 Row 由一个 Row Key 和一个或多个列及其值组成,数据值的存储按照 Row Key 的字典顺序存储的。
Column: 列
在 HBase 中, 每个列有它所属的 Column Family(列簇), 以及Column Qualifier(列修饰符), 列名组成是 Column Family:Column Qualifier
Column Family: 列簇
在 HBase 中将列进行分类,每个列都有它所属的列簇,列簇 把列和相应的值物理上联合在一起。创建表的时候,必须指定至少一个 列簇。每个列出是一个存储属性的集合,
Column Qualifier: 列修饰符
列簇 和 列修饰符 才是实际意义上的列唯一标识,假设存在 列簇 content, 可以存在 列修饰符 xml, 组成一个唯一的列标识 content:xml;创建表的时候,列簇 已经被指定了,但是 列修饰符 是可变的,可以再 put 指令中随意指定属于 列簇 的 列修饰符。
Cell
一个Cell是行,列簇和列修饰符的组合,并且包含一个值和时间戳,时间戳代表着值的版本。
Timestamp(时间戳)
一个时间戳是连同值一起被写入的,是值版本的唯一标识,默认情况下,时间戳表示数据写入时RegionServer的时间,但是当你在写数据到Cell的时候,你可以指定一个不同的时间戳。
HBase 常用指令1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16create_namespace 'n1' // 创建一个 namespace n1
list_namespace // 列出所有的 namespace
create 'n1:t1', 'CF1', 'CF2' // 创建表 t1
list_namespace_tables 'n1' // 列出 namespace n1 下的所有 table
describe 'n1:t1' // 查看表结构
>put 'n1:t1', 'rk', 'CF1:name', 'test' // 往表 n1:t1 中 row key 是 rk 的行中插入列名称是 CF1:name 的值 'test'
>get 'n1:t1', 'rk' // 获取表 'n1:t1' 中 row key 是 rk 的所有数据
>scan 'n1:t1' // 模糊查看表 n1:t1
>scan 'n1:t1', FILTER=>"ColumnPrefixFilter('name') AND ValueFilter(=,'substring:test')" // 模糊查询,列修饰符前缀为name 且值中包含字段 test 的数据
>delete 'n1:t1', 'rk', 'CF1:name' // 删除 row key 是 rk 列 `CF1:name` 的数据
>disable 'n1:t1' // 禁用表 n1:t1,被被删除之前必须先被禁用
>is_enabled 'n1:t1' // 查看表 n1:t1 是否可用
>is_disabled 'n1:t1' // 查看表 n1:t1 是否被禁用
>enable 'n1:t1' // 启用表 n1:t1
>drop 'n1:t1' // 删除表 n1:t1,注意:只能删除被禁用的表
>drop_namespace 'n1' // 删除命名空间 n1,注意:只能删除没有表的 namespace
sqoop 导出 mysql 数据到 HBase1
2export HADOOP_CLASSPATH=/absolute/path/to/mysql-connector-java-5.1.15.jar
sqoop import --connect jdbc:mysql://ip:port/database_name --username 'username' --password 'password' --table 'table_name' --columns "id,name,code,description" --hbase-table 'test:hbase_table_name' --hbase-create-table --hbase-row-key 'id,code' --column-family info
上述命令行解析
“1. 设置 HADOOP_CLASSPATH
首先需要设置 HADOOP_CLASSPATH,值是 mysql-connector-java-5.1.15.jar 的绝对路径,否则会报错:java.lang.RuntimeException: Could not load db driver class: com.mysql.jdbc.Driver--connect
连接数据库的url,从这个数据库中导出数据
--username
数据库用户名
--password
数据库密码
--table
导出数据的源数据库表
--columns
本次导出的数据,可以一次导出多列,用逗号分隔,导出的列在hbase 中属于 --column family 参数指定的列簇,列名称是 column family:mysql表中的列名,需要注意的是,如果没有指定参数 --hbase-row-key,在hbase 表中的row key 将是 --columns 中第一列。
--hbase-table
本次导入数据的 hbase 表,需要注意的是导入数据的hbase 表可以不存在,但是hbase 表所属的 namespace 必须是存在的,否则会报错:Import failed: org.apache.hadoop.hbase.NamespaceNotFoundException: org.apache.hadoop.hbase.NamespaceNotFoundException: 'namespace'
--hbase-create-table
如果导入数据的表不存在,则创建该表
--hbase-row-key
设置 hbase 中的 Row Key,参数值是mysql 表中的列名,可以设置多个列合并成 Row Key, 用逗号分隔
“10. --column-family
指定导入数据所属的列簇,每次导入数据只能导入属于同一个列簇 的数据,如果 mysql 表中数据属于多个 列簇,只能通过多条指令分批导入。
注意:上述指令没有指定列分隔符和行分隔符,默认的列分隔符是 '