Hbase（二）hbase建表

一、建表高级属性

      下面几个 shell 命令在 hbase 操作中可以起到很到的作用，且主要体现在建表的过程中，看 下面几个 create 属性

    1、bloomfilter 布隆过滤器    

     默认是 NONE 是否使用布隆过虑及使用何种方式， 布隆过滤可以每列族单独启用
     使用 HColumnDescriptor.setBloomFilterType(NONE | ROW | ROWCOL) 对列族单独启用布隆        Default = ROW 对行进行布隆过滤（默认是ROW过滤）
    对 ROW，行键的哈希在每次插入行时将被添加到布隆
    对 ROWCOL，行键 + 列族 + 列族修饰的哈希将在每次插入行时添加到布隆
    使用方法: create 'table',{BLOOMFILTER =>'ROW'}
    作用： 用布隆过滤可以节省读磁盘过程，可以有助于降低读取延迟
    2、versions  

    默认是 1     这个参数的意思是数据保留 1 个 版本，如果我们认为我们的数据没有这么大 的必要保留这么多，随时都在更新，而老版本的数据对我们毫无价值，那将此参数设为 1 能 节约 2/3 的空间
    使用方法: create 'table',{VERSIONS=>'2'}
     附： MIN_VERSIONS => '0'是说在 compact 操作执行之后，至少要保留的版本

    3、compression

      默认值是 NONE 即不使用压缩， 这个参数意思是该列族是否采用压缩，采用什么压缩算 法， 方法: create 'table',{NAME=>'info',COMPRESSION=>'SNAPPY'} ， 建议采用 SNAPPY 压缩算法 ， HBase 中，在 Snappy 发布之前（ Google 2011 年对外发布 Snappy），采用的 LZO 算法，
目标是达到尽可能快的压缩和解压速度，同时减少对 CPU 的消耗；
    在 Snappy 发布之后，建议采用 Snappy 算法（参考《 HBase: The Definitive Guide》），具体 可以根据实际情况对 LZO 和 Snappy 做过更详细的对比测试后再做选择。

    4、TTL

     默认是 2147483647 即:Integer.MAX_VALUE 值大概是 68 年 ，   这个参数是说明该列族数据的存活时间，单位是 毫秒
这个参数可以根据具体的需求对数据设定存活时间，超过存过时间的数据将在表中不在 显示，待下次 major compact 的时候再彻底删除数据
注意的是 TTL 设定之后 MIN_VERSIONS=>'0' 这样设置之后， TTL 时间戳过期后，将全部 彻底删除该 family 下所有的数据，如果 MIN_VERSIONS 不等于 0 那将保留最新的 MIN_VERSIONS 个版本的数据，其它的全部删除，比如 MIN_VERSIONS=>'1' 届时将保留一个
最新版本的数据，其它版本的数据将不再保存。

    5、alter

使用方法：
如 修改压缩算法
disable 'table'
alter 'table',{NAME=>'info',COMPRESSION=>'snappy'}
enable 'table'
但是需要执行 major_compact 'table' 命令之后 才会做实际的操作。

  6、describe/desc

 这个命令查看了 create table 的各项参数或者是默认值。
 使用方式： describe 'user_info'

  7、disable_all/enable_all

disable_all 'toplist.*' disable_all 支持正则表达式，并列出当前匹配的表的如下：
toplist_a_total_1001
toplist_a_total_1002
toplist_a_total_1008
toplist_a_total_1009
toplist_a_total_1019
toplist_a_total_1035
...
Disable the above 25 tables (y/n)? 并给出确认提示

    8、 drop_all
这个命令和 disable_all 的使用方式是一样的

   9、 hbase 预分区
默认情况下，在创建 HBase 表的时候会自动创建一个 region 分区，当导入数据的时候， 所有的 HBase 客户端都向这一个 region 写数据，直到这个 region 足够大了才进行切分。一 种可以加快批量写入速度的方法是通过预先创建一些空的 regions，这样当数据写入 HBase
时，会按照 region 分区情况，在集群内做数据的负载均衡。