HBase是一个分布式的、面向列的开源数据库,源于google的一篇论文《bigtable:一个结构化数据的分布式存储系统》。HBase是Google Bigtable的开源实现,它利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为协同服务。
2. HBase的表结构
HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族/列簇(column family)。
Row Key | column-family1 | column-family2 | column-family3 | |||
column1 | column2 | column1 | column2 | column3 | column1 | |
key1 | t1:abc t2:gdxdf | t4:dfads t3:hello t2:world | ||||
key2 | t3:abc t1:gdxdf | t4:dfads t3:hello | t2:dfdsfa t3:dfdf | |||
key3 | t2:dfadfasd t1:dfdasddsf | t2:dfxxdfasd t1:taobao.com |
如上图所看到的,key1,key2,key3是三条记录的唯一的row key值,column-family1,column-family2,column-family3是三个列族,每一个列族下又包含几列。比方 column-family1这个列族下包含两列,名字是column1和column2,t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一确定的一个单元cell。这个cell中有两个数据,abc和gdxdf。两个值的时间戳不 一样,各自是t1,t2, hbase会返回最新时间的值给请求者。
这些名词的详细含义例如以下:
(1) Row Key
与nosql数据库们一样,row key是用来检索记录的主键。訪问hbase table中的行,仅仅有三种方式:
(1.1) 通过单个row key訪问
(1.2) 通过row key的range
(1.3) 全表扫描
Row key行键 (Row key)能够是随意字符串(最大长度是 64KB,实际应用中长度一般为 10-100bytes),在hbase内部,row key保存为字节数组。
存储时,数据依照Row key的字典序(byte order)排序存储。设计key时,要充分排序存储这个特性,将常常一起读取的行存储放到一起。(位置相关性)
注意:
字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序,行键必须用0作左填充。
行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策可以使用户非常easy的理解程序在对同一个行进行并发更新操作时的行为。
(2) 列族 column family
hbase表中的每一个列,都归属与某个列族。列族是表的chema的一部分(而列不是),必须在使用表之前定义。列名都以列族作为前缀。比如courses:history , courses:math 都属于 courses 这个列族。
訪问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中,列族上的控制权限能帮助我们管理不同类型的应用:我们同意一些应用能够加入新的基本数 据、一些应用能够读取基本数据并创建继承的列族、一些应用则仅仅同意浏览数据(甚至可能由于隐私的原因不能浏览全部数据)。
(3) 单元 Cell
HBase中通过row和columns确定的为一个存贮单元称为cell。由{row key, column( =<family> + <label>), version} 唯一确定的单元。cell中的数据是没有类型的,所有是字节码形式存贮。
(4) 时间戳 timestamp
每一个cell都保存着同一份数据的多个版本号。版本号通过时间戳来索引。时间戳的类型是 64位整型。时间戳能够由hbase(在数据写入时自己主动 )赋值,此时时间戳是精确到毫秒的当前系统时间。时间戳也能够由客户显式赋值。假设应用程序要避免数据版本号冲突,就必须自己生成具有唯一性的时间戳。每一个cell中,不同版本号的数据依照时间倒序排序,即最新的数据排在最前面。
为了避免数据存在过多版本号造成的的管理 (包含存贮和索引)负担,hbase提供了两种数据版本号回收方式。一是保存数据的最后n个版本号,二是保存近期一段时间内的版本号(比方近期七天)。用户能够针对每一个列族进行设置。
3. HBase shell的基本使用方法
hbase提供了一个shell的终端给用户交互。通过运行 help get 能够看到命令的帮助信息。
以网上的一个学生成绩表的样例来演示hbase的使用方法。
name | grad | course | |
math | art | ||
zkb | 5 | 97 | 87 |
baoniu | 4 | 89 | 80 |
这里grad对于表来说是一个列,course对于表来说是一个列族,这个列族由两个列组成math和art,当然我们能够依据我们的须要在course 中建立很多其它的列族,如computer,physics等对应的列加入入course列族。图中须要注意的是90这个值,列族以下的列也是能够没有名字 的。
(1) 建立一个表格scores 具有两个列族grad 和courese
hbase(main): 001 : 0 > create 'scores' , 'grade' , 'course' |
0 row(s) in 0.4780 seconds |
(2) 查看当前HBase中具有哪些表
hbase(main): 002 : 0 > list |
TABLE |
scores |
1 row(s) in 0.0270 seconds |
(3) 查看表的构造
hbase(main): 004 : 0 > describe 'scores' |
DESCRIPTION ENABLED |
{NAME => 'scores' , FAMILIES => [{NAME => 'course' , BLOOMFILTER => 'NONE' , REPLICATION_SCOPE => '0' , true |
COMPRESSION => 'NONE' , VERSIONS => '3' , TTL => '2147483647' , BLOCKSIZE => '65536' , IN_MEMORY => 'fal |
se ', BLOCKCACHE => ' true '}, {NAME => ' grade ', BLOOMFILTER => ' NONE ', REPLICATION_SCOPE => ' 0 ', COMPR |
ESSION => 'NONE' , VERSIONS => '3' , TTL => '2147483647' , BLOCKSIZE => '65536' , IN_MEMORY => 'false' , |
BLOCKCACHE => 'true' }]} |
1 row(s) in 0.0390 seconds |
(4) 增加一行数据,行名称为zkb 列族grad的列名为”” 值位5
hbase(main): 006 : 0 > put 'scores' , 'zkb' , 'grade:' , '5' |
0 row(s) in 0.0420 seconds |
(5) 给zkb这一行的数据的列族course加入一列<math,97>
hbase(main): 007 : 0 > put 'scores' , 'zkb' , 'course:math' , '97' |
0 row(s) in 0.0270 seconds |
(6) 给zkb这一行的数据的列族course加入一列<art,87>
hbase(main): 008 : 0 > put 'scores' , 'zkb' , 'course:art' , '87' |
0 row(s) in 0.0260 seconds |
(7) 增加一行数据,行名称为baoniu 列族grad的列名为”” 值为4
hbase(main): 009 : 0 > put 'scores' , 'baoniu' , 'grade:' , '4' |
0 row(s) in 0.0260 seconds |
(8) 给baoniu这一行的数据的列族course加入一列<math,89>
hbase(main): 010 : 0 > put 'scores' , 'baoniu' , 'course:math' , '89' |
0 row(s) in 0.0270 seconds |
(9) 给Jerry这一行的数据的列族course加入一列<art,80>
hbase(main): 011 : 0 > put 'scores' , 'baoniu' , 'course:art' , '80' |
0 row(s) in 0.0270 seconds |
(10) 查看scores表中zkb的相关数据
hbase(main): 012 : 0 > get 'scores' , 'zkb' |
COLUMN CELL |
course:art timestamp= 1316100110921 , value= 87 |
course:math timestamp= 1316100025944 , value= 97 |
grade: timestamp= 1316099975625 , value= 5 |
3 row(s) in 0.0480 seconds |
(11) 查看scores表中全部数据
注意:scan命令能够指定startrow,stoprow来scan多个row,比如:scan 'user_test',{COLUMNS =>'info:username',LIMIT =>10, STARTROW => 'test',STOPROW=>'test2'}
hbase(main): 013 : 0 > scan 'scores' |
ROW COLUMN+CELL |
baoniu column=course:art, timestamp= 1316100293784 , value= 80 |
baoniu column=course:math, timestamp= 1316100234410 , value= 89 |
baoniu column=grade:, timestamp= 1316100178609 , value= 4 |
zkb column=course:art, timestamp= 1316100110921 , value= 87 |
zkb column=course:math, timestamp= 1316100025944 , value= 97 |
zkb column=grade:, timestamp= 1316099975625 , value= 5 |
2 row(s) in 0.0470 seconds |
(12) 查看scores表中全部数据courses列族的全部数据
hbase(main): 017 : 0 > scan 'scores' ,{COLUMNS => 'course' } |
ROW COLUMN+CELL |
baoniu column=course:art, timestamp= 1316100293784 , value= 80 |
baoniu column=course:math, timestamp= 1316100234410 , value= 89 |
zkb column=course:art, timestamp= 1316100110921 , value= 87 |
zkb column=course:math, timestamp= 1316100025944 , value= 97 |
2 row(s) in 0.0350 seconds |
(13) 删除scores表
hbase(main): 024 : 0 > disable 'scores' |
0 row(s) in 0.0330 seconds |
hbase(main): 025 : 0 > drop 'scores' |
0 row(s) in 1.0840 seconds |
总结下,hbase shell经常使用的操作命令有create,describe,disable,drop,list,scan,put,get,delete,deleteall,count,status等,通过help能够看到具体的使用方法.
还有不懂的,MM们可email:<zhe-jiang.he@hp.com>