本文详细介绍了HBase的表结构，包括行键、列族、时间戳等核心概念，并通过实例展示了如何创建表、插入数据及查询数据。此外，还讨论了HBase与Hive的区别及硬件需求。
HBase表结构
Hbase最基本的单位是列（column)。一列或多列形成一行（row），并由唯一的行键（row key)来确定存储。反过来说，一个表（table）中有若干行，其中每列可能有多个版本，在每一个单元格（cell）中存储了不同的值
Hbase表结构：建表时，不需要限定表中的字段，只需要指定若干个列族。
插入数据时，列族中可以存储任意多个列（以kv对的形式存储， 列名-列值）
一个value可以有多个版本，通过版本号来区分（时间戳）
要查询某一个具体字段的值，需要指定的坐标：表名-->行键-->列族（ColumnFamily):列名（Qualifier)-
Table-表（大表）
Rowkey-行键（主键）
行键是字节数组，任何字符串都可以作为行键
表中的行键进行排序，数据按照Rowkey的字节（byte order) 排序存储
所有的对表的访问都要通过行键（单个Rowkey访问，或Rowkey范围访问，全表扫描0
Column family(列族）
列族必须定义表时给出，但已可以动态添加列族
每个列族可以有一个或多个列成员（Column Qualigier)，列成员不需要在定义表时给出，新的列族成员可以随后按需动态加入
数据按列族分开存储，HBase所谓的列式存储就是根据列族分开存储（每个列族对应一个Store）
TimeStamp(时间戳）
每个Cell可能有多个版本，他们之间用时间戳区分。
Cell(单元格）
Cell由行键，列族：限定符，时间戳唯一决定。
Cell中的数据是没有类型的，全部以字节码形式存储
每个单元格保存着同一份数据的多个版本
不同时间版本的数据按照时间顺序倒序排序
Region(区域）
HBase自动把表水平（按row）划分成多个区域（region)，每个region会保存一个表里面某段连续的数据
HRegion是HBase中分布式存储和负载均衡的最小单元，最小单元表示不同的HRegion可以分布在不同的HRegionServer上。但一个HRegion不会拆分到多个server上。
因为hbase与hive的区别
hbase查询快
硬件需求高于hadoop集群 硬盘 内存 CPU
模式设计
数据库的模式设计不是一个新概念，只要成为数据库的系统都存在模式设计问题。
HBase的模式结构包括表、Rowkey,列族，timestamp
模式是一个三维有序结构，表，Rowkey,列族三个维度确定一行数据
Rowkey（行键设计）
Rowkey是不可分割的字节数，按字典排序由低到高存储在表中。
RowKey唯一原则
Rowkey尽量散列
RowKey长度原则
Column Family 列族定义
列族，是一些列的集合
一个列族的所有成员都有着相同的前缀。
在物理上，列族的成员在文件系统上都存储在一起。
多个列族在执行flush和compaction时，造成很多IO负载
Flush和compaction操作是针对一个Region的，当一个列族操作大量数据时会引发一个flush
那些不相关的列族也要进行flush，会造成很多没用的I/O浮躁。
shell操作实例
进入hbase命令行
./hbase shell
显示hbase中的表 list
list
创建user表，包含info、data两个列族
create 'user', {NAME => 'info', VERSIONS => '3'}
查看表结构 describe
describe 'user'
put 向表中添加数据
向表中插入数据 put
向user表中插入信息，row key为rk0001，列族info中添加name列标示符，值为zhangsan
put 'user', 'rk0001', 'info:name', 'zhangsan'
向user表中插入信息，row key为rk0001，列族info中添加gender列标示符，值为female
put 'user', 'rk0001', 'info:gender', 'female'
向user表中插入信息，row key为rk0001，列族info中添加age列标示符，值为20
put 'user', 'rk0001', 'info:age', 20
查看字段版本 get
put 'user','rk0001','info:name','zhangsan2'
put 'user','rk0001','info:name','zhangsan3'
get 'user','rk0001',{COLUMN=>'info',VERSIONS=>3}
get
获取指定行的数据 得指定行
查看指定列族的消息
get 'user','rk0001','info'
查看指定列族 指定字段的消息
get 'user','rk0001','info:age'
查看一段时间里的记录 通过时间戳范围查找
get 'user','rk0001',{COLUMN=>'info',VERSIONS=>3,TIMERANGE=>[1477654000000],[1477654111111]}
查看指定行中 字段名称中含有 a的字段
返回字段的value值是指定的值的字段
scan
扫描表 不用指定行
查询表中的所有消息
查询列族为info，查询指定的rowkey范围
查询表中一 rk 开头的行
查询user表中指定范围的数据
scan 'user', {TIMERANGE => [1392368783980, 139238016918]}
delete 删除指定对象的值（可以为表，行，列，对应的值，另外也可以指定时间戳的值）
删除指定字段的值
通过时间戳删除指定的版本
alter
向表中添加列族
删除列族
还可以是alter 'user',{NAME=>'data',METHOD=>'delete'}
truncate
清空表中数据
truncate ‘user'
drop
disable删除表
删除表之前必须先禁用
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
