Hbase 是 Hadoop 生态中重要的一个组成部分，它作为一个 NoSql 数据库的角色存在，来解决大数据情景下的数据查询存储问题。
简介
HBase是什么?
HBase是建立在Hadoop文件系统之上的分布式面向列的数据库。 它利用了Hadoop的文件系统（HDFS）提供的容错能力。
特点
- Base线性可扩展。
- 它具有自动故障支持。
- 它提供了一致的读取和写入。
- 它集成了Hadoop，作为源和目的地。
- 客户端方便的Java API。
- 它提供了跨集群数据复制。
应用场景
- Apache HBase曾经是随机，实时的读/写访问大数据。
- 它承载在集群普通硬件的顶端是非常大的表。
- Apache HBase是此前谷歌Bigtable模拟非关系型数据库。 Bigtable对谷歌文件系统操作，同样类似Apache HBase工作在Hadoop HDFS的顶部。
架构
HBase有三个主要组成部分：client 客户端库，master server 主服务器和 Region Server 区域服务器。 区域服务器可以按要求添加或删除。
主服务器 Master Server
主服务器是:
- 分配区域给区域服务器并在Apache ZooKeeper的帮助下完成这个任务。
- 处理跨区域的服务器区域的负载均衡。它卸载繁忙的服务器和转移区域较少占用的服务器。
- 通过判定负载均衡以维护集群的状态。
- 负责模式变化和其他元数据操作，如创建表和列。
区域 Region
区域只不过是表被拆分，并分布在区域服务器。
区域服务器 Region Server
区域服务器拥有区域如下 -
- 与客户端进行通信并处理数据相关的操作。
- 句柄读写的所有Region的请求。
- 由区域大小的阈值决定的区域的大小。
Zookeeper
- Zookeeper管理是一个开源项目，提供如维护配置信息，命名，提供分布式同步等服务
- Zookeeper代表不同区域的服务器短暂节点。主服务器使用这些节点来发现可用的服务器。
- 除了可用性，该节点也用于追踪服务器故障或网络分区。
- 客户端通过与zookeeper区域服务器进行通信。
- 在模拟和独立模式，HBase由zookeeper来管理。
Data Model 及其操作
基本构成
表 Table
包含了许多的row。
行 Row
HBase中的一行(row)由一个行键(row key)和一个或多个具有与之关联的值(value)的列(column)组成。
row = row_key + [column(key, value)...]
行存储时，行按字母顺序排序。 因此，行键的设计非常重要。 目标是以相关行彼此靠近的方式存储数据。
常见的行键模式是网站域。 如果您的行键是域，则应该反向存储它们（org.apache.www，org.apache.mail，org.apache.jira）。 这样，所有Apache域都在表中彼此靠近，而不是基于子域的第一个字母展开。
列 Column
HBase中的列由列族（Column Family）和列限定符（Column Qualifier）组成，它们由:(冒号）字符分隔。
列族 Column Family
出于性能考虑，列族通常物理地放置了一组列及其值。 每个列族都有一组存储属性，例如是否应将其值缓存在内存中，如何压缩其数据或对其行键进行编码等。 表中的每一行都具有相同的列族，但给定的行可能不会在给定的列族中存储任何内容。
列限定符 Column Qualifier
将列限定符添加到列族中，是为了给特定的数据提供索引。 给定列族 content，列限定符可能是 content：html， 另一个可能是 content：pdf。
虽然列族在创建表时是固定的，但列限定符是可变的，并且行之间可能有很大差异。
Cell
Cell 是行，列族和列限定符的组合，并包含值和时间戳，表示值的版本。
Timestamp
时间戳与每个值一起写入，并且是给定版本的值的标识符。 默认情况下，timestamp表示数据写入RegionServer上的时间，但是当您将数据放入 cell 时，可以指定不同的时间戳值。
操作
Get
获取特定 row 的属性， 可以通过 Table.get 执行。
Put
当 key 存在时，更新原有值，当 key 不存在的时，新增一个值。 可以通过 Table.put 或 Table.batch 执行。
Scans
Scan 允许迭代多行以获取指定的属性。
public static final byte[] CF = "cf".getBytes();
public static final byte[] ATTR = "attr".getBytes();
...
Table table = ... // instantiate a Table instance
Scan scan = new Scan();
scan.addColumn(CF, ATTR);
scan.setRowPrefixFilter(Bytes.toBytes("row"));
ResultScanner rs = table.getScanner(scan);
try {
for (Result r = rs.next(); r != null; r = rs.next()) {
// process result...
}
} finally {
rs.close(); // always close the ResultScanner!
}
Delete
删除特定的行。 可以通过 Table.delete 执行。
HBase Shell
通用命令
- status: 提供HBase的状态，例如，服务器的数量。
- version: 提供正在使用HBase版本。
- table_help: 表引用命令提供帮助。
- whoami: 提供有关用户的信息。
数据定义语言 DDL
- create: 创建一个表。
- list: 列出HBase的所有表。
- disable: 禁用表。
- is_disabled: 验证表是否被禁用。
- enable: 启用一个表。
- is_enabled: 验证表是否已启用。
- describe: 提供了一个表的描述。
- alter: 改变一个表。
- exists: 验证表是否存在。
- drop: 从HBase中删除表。
- drop_all: 丢弃在命令中给出匹配“regex”的表。
- Java Admin API: 在此之前所有的上述命令，Java提供了一个通过API编程来管理实现DDL功能。 在这个org.apache.hadoop.hbase.client包中有HBaseAdmin和HTableDescriptor 这两个重要的类提供DDL功能。
数据操纵语言 DML
- put: 把指定列在指定的行中单元格的值在一个特定的表。
- get: 取行或单元格的内容。
- delete: 删除表中的单元格值。
- deleteall: 删除给定行的所有单元格。
- scan: 扫描并返回表数据。
- count: 计数并返回表中的行的数目。
- truncate: 禁用，删除和重新创建一个指定的表。
- Java client API: 在此之前所有上述命令，Java提供了一个客户端API来实现DML功能，CRUD（创建检索更新删除）操作更多的是通过编程，在org.apache.hadoop.hbase.client包下。 在此包HTable 的 Put和Get是重要的类。
HBase Admin API
HBase是用Java编写的，因此它提供Java API和HBase通信。 Java API是与HBase通信的最快方法。下面给出的是引用Java API管理，涵盖用于管理表的任务。
细节可以查看 官网Doc。
Admin
HBaseAdmin是一个表示管理的类。 这个类属于 org.apache.hadoop.hbase.client 包。 使用这个类，可以执行管理员任务。 使用 Connection.getAdmin() 方法来获取管理员的实例。
使用它可以创建表、删除表、删除表的某个CF等。
Descriptor
这个类包含一个HBase表的详细信息：
- 所有列族的描述
- 表是否为目录表
- 表是否为只读的
- 存储的最大尺寸
- 是否发生了区域分割
- 与之相关联的协同处理器等