玩好HBASE-阿里云开发者社区

开发者社区> 数据库> 正文

玩好HBASE

简介:

什么事HBASE :

       HBase —— Hadoop Database的简称,Google BigTable的另一种开源实现方式,从问世之初,就为了解决用大量廉价的机器高速存取海量数据、实现数据分布式存储提供可靠的方案。从功能上来讲,HBase不折不扣是一个数据库,与我们熟悉的Oracle、MySQL、MSSQL等一样,对外提供数据的存储和读取服务。而从应用的角度来说,HBase与一般的数据库又有所区别,HBase本身的存取接口相当简单,不支持复杂的数据存取,更不支持SQL等结构化的查询语言;HBase也没有除了rowkey以外的索引,所有的数据分布和查询都依赖rowkey。所以,HBase在表的设计上会有很严格的要求。架构上,HBase是分布式数据库的典范,这点比较像MongoDB的sharding模式,能根据键值的大小,把数据分布到不同的存储节点上,MongoDB根据configserver来定位数据落在哪个分区上,HBase通过访问Zookeeper来获取-ROOT-表所在地址,通过-ROOT-表得到相应.META.表信息,从而获取数据存储的region位置

HBase设计与实践入门:

ROW Key:行健可以是任意字符串,在hbase内部,保存为字节数组,存储时,数据按照row key的字典序(byte order)排序存储,与NoSQL数据库一样,row key 是用来检索记录的主键,访问hbase table 中的行,三种访问方式:

1、通过单个row key 访问

2、通过row key 的range 

3、通过全表扫描

    rowkey是HBase实现分布式的基础,HBase通过rowkey范围划分不同的region,分布式系统的基本要求就是在任何时候,系统的访问都不要出现明显的热点现象,所以rowkey的设计至关重要,一般我们建议rowkey的开始部分以hash或者MD5进行散列,尽量做到rowkey的头部是均匀分布的。禁止采用时间、用户id等明显有分段现象的标志直接当作rowkey来使用。


列族(COLUMNS FAMILY):hbase表中的每个列,都归属与某个列族。列族是表的chema的一部分,必须在使用表之前定义。列名都以列族作为前缀

put 't1','r1','f1:c1','b1'

put 't1','r1','f1:c2','b2'

put 't1','r1','f1:c3','b3'  ##一个列族里多个列

     HBase的表设计时,根据不同需求有不同选择,需要做在线查询的数据表,尽量不要设计多个列簇,我们知道,不同的列簇在存储上是被分开的,多列簇设计会造成在数据查询的时候读取更多的文件,从而消耗更多的I/O

单元Cell:通过row和columns确定的为一个贮存单元为cell,CELL中的数据没有类型,全部是字节码形式存贮。


时间戳timestamp:每个cell都保存着同一份数据的多个版本,版本通过时间戳来索引,类型是64位整形,不同版本的数据按照时间倒叙排序,最新的数据排列在最前面

选择合适的数据过期时间也是表设计中需要注意的一点,HBase中允许列簇定义数据过期时间,数据一旦超过过期时间,可以被major compact进行清理。大量无用历史数据的残余,会造成region体积增大,影响查询效率。


HBASE shell 的常用操作:

1、创建表:create 't1','f1','f2','f3'  #t1为表名字,f1-f3为列族名

2、查看所有的表:list

3、查看表的结构:describe 't1'

4、增加一个列族:a、先disable "表名"

b、alter 't1',NAME=>'f4',VERSIONS =>3

c、enable 't1'

5、删除某个列族:alter 't1', {NAME => 'f1'}, {NAME => 'f2', METHOD => 'delete'} 

a、先disable "表名"

b、alter 't1',NAME=>'f4',METHOD =>'delete'

c、enable 't1'

6、查看表是否存在: exists 't1'

7、查看表是否允许修改:is_enable 't1'

8、删除表:

 a、disable 't1'

 b、drop 't1'

9、写入数据:put 't1','r1','f1:c1','value' #给t1表的r1行健的f1的列族的c1列插入一个值,列族的列事先可以先不存在

put 't1','r1','f1:c1','b1'

put 't1','r1','f1:c2','b2'

put 't1','r1','f1:c3','b3'  ##一个列族里多个列

10、查询数据:

get 't1','r1' #查询r1的所有值

get 't1','r1','f1:c1' #获取某列的值

get 't1','r1','f1','f2'  《==》get 't1','r1',"f1:c1","f2:c2" 

11、删除某行数据:deleteall 't1','r1'

12、获取表的所有行健值:scan 't1'  

        获取前几行的数据:scan 't1',{LIMIT=>1}

        获取表从指定的位置行开始:scan 't1',{STARTROW=>'rowkey',LIMIT=>1}

获取表指定列的所有行数据:scan 't1',{COLUMNS=>'f1:c1'}

 获取表从某一列根据时间来取:scan 't1′, {COLUMNS => 'c1', TIMERANGE => [1303668804, 1303668904]} 

13、清空表:truncate 't1'

14、统计行数:count 't1'

count 't1′, INTERVAL => 100000 

count 't1′, CACHE => 1000 

count 't1′, INTERVAL => 10, CACHE => 1000 #count一般会比较耗时,使用mapreduce进行统计,统计结果会缓存,默认是10行。统计间隔默认的是1000行(INTERVAL)。 


本文转自 DBAspace 51CTO博客,原文链接:http://blog.51cto.com/dbaspace/1950000


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
数据库
使用钉钉扫一扫加入圈子
+ 订阅

分享数据库前沿,解构实战干货,推动数据库技术变革

其他文章