好程序员技术分享：Hbase精解，为什么有hbase?hbase是什么?Hbase的架构。
一、为什么有hbase?
数据量越来越大，传统的关系型数据库不能满足存储和查询的需求。而hive虽然能满足存储的要求，但是hive不能满足非结构化、半结构化数据的存储和查询。
二、hbase是什么?
hbase是一个开源的、分布式的、多版本的、可扩展的非关系型数据库。hbase是bigtable的开源java版本，建立在hdfs之上，提供高可靠性的、高性能、列式存储、可伸缩、实时读写的nosql数据库系统。适用的场景如：需要对海量非结构化的数据进行存储。
需要随机近实时的读写管理数据。
三、hbase的架构
client\zookeeper\hmaster\
hregionserver\hlog\hregion\memstore\storefile\hfile
client：hbase的客户端，包含访问hbase的接口(linux shell 、java api)
client维护一些cache来加快访问hbase的速度，比如region的位置信息。
zookeeper：监控hmaster的状态，保证有些仅有一个active的hmaster，达到高可用。存储所有region的寻址入口，--root表在那台服务器上。实时监控hregionserver的状态，将regionserver的上下线信息实时通知给hmaster。存储hbase的所有表的信息(hbase的元数据)
hmaster：(hbase的老大)为regionserver分配region(新建表等)。负责regionserver的负载均衡。负责region的重新分配(hregionserver异常、hregion裂变)。hdfs上的垃圾文件回收。处理schema的更新请求。
hregionserver：(hbase的小弟)hregionserver维护master分配给他的region(管理本机器上region)。处理client对这些region的IO请求，并和hdfs进行交互
region server负责切分在运行过程中变大的region。
hlog：对hbase的操作进行记录，使用WAL写数据，优先写入log，然后再写入memstore，以防数据丢死可以进行回滚。
hregion：hbase中分布式存储和负载均衡的最小单元，表或者表的一部分。
store：相当于一个列簇。
memstore：128M内存缓冲区，用于将数据批量刷新到hdfs上。
hstorefile(hfile)：hbase中的数据是以hfile的形式存储在hdfs上。
各组件间的数量关系：
hmaster:hregionserver=1:n
hregionserver:hregion=1:n
hregionserver:hlog=1:1
hregion:hstore=1:n
store:memstore=1:1
store:storefile=1:n
storefile:hfile=1:1
hbase关键字词：
rowkey:行键，和mysql的主键是一样的，不允许重复，有顺序。
columnfamily:列簇(列的集合)。
column:列。
timestamp:时间戳，默认显示最新的时间戳。
version:版本号。
cell:单元格。
四、hbase和hadoop的关系
hbase是基于hadoop：hbase的存储依赖于hdfs。具体说hbase的特点：
模式：无模式。
数据类型：单一byte[]。
多版本：每个值都可以有多个版本。
列式存储：一个列簇存储到一个目录。
稀疏存储：如果key-value为null，则将不占用存储空间。
再说hbase的安装：
1、standalone模式
1)解压并配置环境变量
tar -zxvf hbase-1.2.1-bin.tar.gz -C /usr/local
cd /usr/local
vi /etc/profile
source /etc/profile
2)测试hbase的安装
hbase version
配置hbase的配置文件
vi conf/hbase-env.sh
JAVA_HOME
注意：
# Configure PermSize. Only needed in JDK7. You can safely remove it for JDK8+
export HBASE_MASTER_OPTS="$HBASE_MASTER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"。
export HBASE_REGIONSERVER_OPTS="$HBASE_REGIONSERVER_OPTS -XX:PermSize=128m -XX:MaxPermSize=128m"。
vi hbase-site.xml
hbase.rootdir
file:///usr/local/hbasedata
hbase.zookeeper.property.dataDir
/usr/local/zookeeperdata
启动hbase服务：
bin/start-hbase/sh
启动客户端：
bin/hbase shell
2、伪分布式
3、全分布式
解压并配置环境变量
配置hbase的配置文件
vi conf/hbase-env.sh
export HBASE_MANAGES_ZK=false
vi regionservers
vi backup-masters
vi hbase-site.xml
hbase.cluster.distributed
true
hbase.rootdir
hdfs://qianfeng/hbase
hbase.zookeeper.property.dataDir
/usr/local/zookeeperdata
hbase.zookeeper.quorum
hadoop05:2181,hadoop06:2181,hadoop07:2181
注意：
如果hdfs是高可用的，要讲hadoop下的core-site.xml和hdfs-site.xml copy到hbase/conf目录下。
分发：
scp -r hbase-1.2.1 root@hadoop06:$PWD
scp -r hbase-1.2.1 root@hadoop07:$PWD
启动：
1)启动zk
2)启动hdfs
3)启动hbase
hbase集群的时间必须同步。
hmaster：16010
hregionserver：16030
hbase的shell操作
help
help "COMMAND"
help "COMMAND_GROUP"
列举出当前namespace下的所有表
list
创建表：
create 'test','f1', 'f2'
namespace：
hbase没有库的概念，但是有名称空间或者组的概念，namespace相当于(库)
hbase默认有两个组：
default：
hbase：
列举出所有的namespcae：
list_namespace
list_namespace_tables 'hbase'
create_namespace 'ns1'
describe_namespace 'ns1'
alter_namespace 'ns1', {METHOD => 'set', 'NAME' => 'gjz1'}
alter_namespace 'ns1', {METHOD => 'unset', NAME => 'NAME'}
drop_namespace 'ns1' ###只能删除一个空的namespace
DDL:
Group name: ddl
Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all, enable, enable_all, exists, get_table, is_disabled, is_enabled, list, locate_region, show_filters
创建表：
create 'test','f1', 'f2'
create 'ns1:t_userinfo',{NAME=>'base_info',BLOOMFILTER => 'ROWCOL',VERSIONS => '3'}
create 'ns1:t1', 'f1', SPLITS => ['10', '20', '30', '40'] --事先分配好region所管辖的rowkey的范围。
修改表：(有则更新，无则新增)
alter 'ns1:t_userinfo',{NAME=>'extra_info',BLOOMFILTER => 'ROW',VERSIONS => '2'}
alter 'ns1:t_userinfo',{NAME=>'extra_info',BLOOMFILTER => 'ROWCOL',VERSIONS => '5'}
删除列簇：
alter 'ns1:t_userinfo', NAME => 'extra_info', METHOD => 'delete'
alter 'ns1:t_userinfo', 'delete' => 'base_info'
删除表：(先要禁用表)
disable 'ns1:t1'
drop 'ns1:t1'
DML:
Group name: dml
Commands: append, count, delete, deleteall, get, get_counter, get_splits, incr, put, scan, truncate, truncate_preserve
插入数据：(不能一次性插入多列)
put 'ns1:test','u00001','cf1:name','zhangsan'
put 'ns1:t_userinfo','rk00001','base_info:name','gaoyuanyuan'
put 'ns1:t_userinfo','rk00001','extra_info:pic','picture'
更新数据：
put 'ns1:t_userinfo','rk00001','base_info:name','zhouzhiruo'
put 'ns1:t_userinfo','rk00002','base_info:name','zhaoming'
表扫描(scan)
scan 'ns1:t_userinfo'
scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age']}
设置查询条件：(包头不包尾)
scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age'],STARTROW=>'rk000012',LIMIT=>2}
scan 'ns1:t_userinfo',{COLUMNS => ['base_info:name','base_info:age'],STARTROW=>'rk000012',ENDROW=>'rk00002',LIMIT=>2}
查询数据：(GET)
get 'ns1:t_userinfo','rk00001'
get 'ns1:t_userinfo','rk00001',{TIMERANGE=>[1534136591897,1534136667747]}
get 'ns1:t_userinfo','rk00001',{COLUMN=>['base_info:name','base_info:age'],VERSIONS =>4}
get 'ns1:t_userinfo','rk00001',{TIMESTAMP=>1534136580800}
删除数据：(DELETE)
delete 'ns1:t_userinfo','rk00002','base_info:age'
'ns1:t_userinfo','rk00001',{TIMERANGE=>[1534138686498,1534138738862]}
删除指定的版本：(往上删除版本)
delete 'ns1:t_userinfo','rk00001','base_info:name',TIMESTAMP=>1534138686498
表判断：
exists 'ns1:t_userinfo'
disable 'ns1:t_userinfo'
enable 'ns1:t_userinfo'
desc 'ns1:t_userinfo'
统计表：(统计效率较差，不建议使用)
count 'ns1:t_userinfo'
清空表：
truncate 'ns1:test'
大数据时代，中国IT环境也将面临重新洗牌，不仅仅是企业，更是程序员们转型可遇而不可求的机遇。
学习大数据开发，可以参考好程序员提供的大数据学习路线，该学习路线提供完整的大数据开发知识体系，内容包含Linux&&Hadoop生态体系、大数据计算框架体系、云计算体系、机器学习&&深度学习。
