简介
HBase 是一个开源的非关系型分布式数据库（NoSQL），它参考了谷歌的 BigTable 建模，实现的编程语言为Java。它是Apache软件基金会的Hadoop项目的一部分，运行于HDFS文件系统之上，为 Hadoop提供类似于BigTable 规模的服务。因此，它可以对稀疏文件提供极高的容错率。
HBase在列上实现了BigTable论文提到的压缩算法、内存操作和布隆过滤器。HBase的表能够作为MapReduce任务的输入和输出，可以通过Java API来访问数据，也可以通过REST、Avro 或者 Thrift 的API来访问。
在 Eric Brewer的CAP理论中，HBase属于CP类型的系统。
HBase 逻辑结构
HBase 可以用于存储多种结构的数据，以 JSON 为例，存储的数据为：
{
"row_key1": {
"personal_info": {
"name": "张三",
"city": "北京",
"phone": "131********"
},
"office_info": {
"tel": "010-111111",
"address": "上海"
}
},
"row_key11": {
"personal_info": {
"city": "上海",
"phone": "132********"
},
"office_info": {
"tel": "010-222222"
}
},
"row_key2": {
"personal_info": {
"name": "王五",
"city": "广州"
},
"office_info": {
"tel": "010-333333",
"address": "上海"
}
}
}存储数据稀疏，数据存储多维，不同的行具有不同的列。数据存储整体有序，按照RowKey的字典序排列，RowKey为Byte数组：
HBase 数据模型
在HBase中，数据存储在具有行和列的表中，这是与关系数据库类似的模型，但与之不同的是其具备结构松散、多维有序映射的特点，它的索引排序键由行+列+时间戳组成，HBase表可以被看做一个“稀疏的、分布式的、持久的、多维度有序Map”。
Namespace（命名空间）
命名空间，类似于关系型数据库的 database 概念，每个命名空间下有多个表。HBase 两个自带的命名空间，分别是 hbase 和 default，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间。Namespace可以帮助用户在多租户场景下做到更好的资源和数据隔离。
Table（表）
类似于关系型数据库的表概念。不同的是，HBase 定义表时只需要声明列族即可，不需要声明具体的列。因为数据存储是稀疏的，所有往 HBase 写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase 能够轻松应对字段变更的场景。
Row（行）
HBase 中的一行包含一个行键（RowKey）和一个或多个与其相关的值的列（Column）。在存储行时，行按字母顺序排序。出于这个原因，行键的设计非常重要。目标是以相关行相互靠近的方式存储数据。常用的行键模式是网站域。如果你的行键是域名，则你可能应该将它们存储在相反的位置（org.apache.www，org.apache.mail，org.apache.jira）。这样表中的所有Apache域都彼此靠近，而不是根据子域的第一个字母分布。
Column Family（列族）
HBase 中的列被分组为列族。 列族的所有列成员都具有相同的前缀。 例如，列 personal_info:name 和 personal_info:city 都是 personal_info 列族的成员。 冒号字符(:)将列族与列族限定符（列名 ）分隔开来。 列族前缀必须由可打印字符组成。 列族限定符，可以由任意字节组成。 列族必须在模式定义时预先声明，而列不需要在模式时定义，但可以在表启动和运行时即时创建。
由于性能原因，列族在物理上共同存在一组列和它们的值。在HBase中每个列族都有一组存储属性，例如其值是否应缓存在内存中，数据如何压缩或其行编码是如何编码的等等。表中的每一行都有相同的列族，但给定的行可能不会在给定的列族中存储任何内容。列族一旦确定后，就不能轻易修改，因为它会影响到HBase真实的物理存储结构，但是列族中的列标识（Column Qualifier）以及其对应的值可以动态增删。
Column Qualifier（列族限定符）
列限定符被添加到列族中，以提供给定数据段的索引。例如：鉴于列族的content，列限定符可能是 content:html，而另一个可能是content:pdf。虽然列族在创建表时是固定的，但列限定符是可变的，并且在行之间可能差别很大。
Column（列）
HBase 中的每个列都由一个 Column Family（列族）和一个 Column Qualifier（列族限定符或叫列名）组成，它们由冒号（:）字符分隔。例如 personal_info:name和personal_info:city。建表时，只需指明列族，而列限定符无需预先定义。
TimeStamp （时间戳）
用于标识数据的不同版本（version），每条数据写入时，系统会自动为其加上该字段，其值为写入 HBase 的时间。
Cell（单元格）
单元格是行、列族和列限定符的组合，并且包含值和时间戳，它表示值的版本。由 {rowkey, column Family:column Qualifier, timestamp} 唯一确定HBase 中的一个单元格。单元格中的数据全部是字节码形式存储。
HBase Shell 操作
Shell的使用命令更多请参见Apache HBase Shell介绍。
进入和退出Shell环境
进入容器
docker exec -it hbase-master /bin/bash执行以下命令进入Shell环境：
/opt/hbase-1.2.6/bin/hbase shell执行以下命令退出Shell环境：
quit使用
help命令查看基本命令和对应的使用方法：help
namespace
创建命名空间
使用特定的 help 语法能够查看命令如何使用：
hbase(main):002:0> help 'create_namespace' Create namespace; pass namespace name, and optionally a dictionary of namespace configuration. Examples: hbase> create_namespace 'ns1' hbase> create_namespace 'ns1', {'PROPERTY_NAME'=>'PROPERTY_VALUE'}创建命名空间 bigdata：
hbase(main):001:0> create_namespace 'bigdata' 0 row(s) in 0.2100 seconds查看所有的命名空间
hbase(main):002:0> list_namespace NAMESPACE bigdata default hbase 3 row(s) in 0.0220 seconds
DDL
数据定义语句：
create: 用于创建一个表。
list: 用于列出HBase的所有表。
disable: 用于禁用表。
is_disabled: 用于验证表是否被禁用。
enable: 用于启用一个表。
is_enabled: 用于验证表是否已启用。
describe: 用于提供了一个表的描述。
alter: 用于改变一个表。
exists: 用于验证表是否存在。
drop: 用于从HBase中删除表。创建表
hbase(main):008:0> help 'create'在 bigdata 命名空间中创建表格 student，两个列族 info 和 msg。info 列族数据维护的版本数为 5 个，如果不写默认版本数为 1。
hbase(main):003:0> create 'bigdata:student', {NAME => 'info', VERSIONS => 5}, {NAME => 'msg'} 0 row(s) in 1.2750 seconds => Hbase::Table - bigdata:student如果创建表格只有一个列族，没有列族属性，可以简写。如果不写命名空间，使用默认的命名空间 default。
hbase(main):004:0> create 'student1','info' 0 row(s) in 1.2220 seconds => Hbase::Table - student1查看表
查看表有两个命令：list 和 describe
查看所有的表名：
hbase(main):005:0> list TABLE bigdata:student student1 test 3 row(s) in 0.0180 seconds => ["bigdata:student", "student1", "test"]查看一个表的详情：
hbase(main):009:0> describe 'bigdata:student' Table bigdata:student is ENABLED bigdata:student COLUMN FAMILIES DESCRIPTION {NAME => 'info', BLOOMFILTER => 'ROW', VERSIONS => '5', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODIN G => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICAT ION_SCOPE => '0'} {NAME => 'msg', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATI ON_SCOPE => '0'} 2 row(s) in 0.0280 seconds修改表
表名创建时写的所有和列族相关的信息，都可以后续通过 alter 修改，包括增加和删除列族。
增加列族和修改信息都使用覆盖的方法：
hbase(main):002:0> alter 'student1', { NAME => 'f1', VERSIONS => 3 } Updating all regions with the new schema... 0/1 regions updated. 1/1 regions updated. Done. 0 row(s) in 3.3610 seconds查看修改后的表：
hbase(main):003:0> describe 'student1' Table student1 is ENABLED student1 COLUMN FAMILIES DESCRIPTION {NAME => 'f1', BLOOMFILTER => 'ROW', VERSIONS => '3', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATIO N_SCOPE => '0'} {NAME => 'info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODIN G => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICAT ION_SCOPE => '0'} 2 row(s) in 0.0190 seconds删除 student1 表中
f1列族：hbase(main):005:0> alter 'student1', NAME => 'f1', METHOD => 'delete' Updating all regions with the new schema... 1/1 regions updated. Done. 0 row(s) in 2.4070 seconds或者：
alter 'student1', 'delete' => 'f1'删除表
shell 中删除表格,需要先将表格状态设置为不可用。
hbase(main):007:0> disable 'student1' 0 row(s) in 2.2580 secondshbase(main):008:0> drop 'student1' 0 row(s) in 1.2510 seconds
DML
数据操作语句：
put: 在指定的表/行/列中放置一个单元格值。
get: 用于取行或单元格的内容。
delete:用于删除表中的单元格值。
deleteall: 用于删除给定行的所有单元格。
scan: 用于扫描并返回表数据。
count: 用于计数并返回表中的行的数目。
truncate: 清空表中的数据，其内部实现是将指定的表下线、删除、重建，该操作会丢失Region分区
truncate_preserve：清空表中的数据，其内部实现是将指定的表下线、删除、重建，并且Region分区与旧表保留一致写入数据
格式：
put '命令空间:表名', '行号', '列族:列名', '值'在 HBase 中如果想要写入数据，只能添加结构中最底层的 cell。可以手动写入时间戳指定 cell 的版本，推荐不写默认使用当前的系统时间。如果重复写入相同 rowKey，相同列的数据，会写入多个版本进行覆盖。
hbase(main):010:0> put 'bigdata:student', '1001', 'info:name', 'zhangsan'hbase(main):011:0> put 'bigdata:student', '1001', 'info:name', 'lisi'hbase(main):012:0> put 'bigdata:student', '1001', 'info:age', '30'读取数据
读取数据的方法有两个：get 和 scan。
get 最大范围是一行数据，也可以进行列的过滤，读取数据的结果为多行 cell。
hbase(main):017:0> get 'bigdata:student', '1001' COLUMN CELL info:age timestamp=1672133429754, value=30 info:name timestamp=1672133408519, value=lisi进行列的过滤：
hbase(main):018:0> get 'bigdata:student', '1001', {COLUMN => 'info:name'} COLUMN CELL info:name timestamp=1672133408519, value=lisi 1 row(s) in 0.0070 seconds也可以修改读取 cell 的版本数，默认读取一个。最多能够读取当前列族设置的维护版本数。
hbase(main):003:0* get 'bigdata:student', '1001', {COLUMN => 'info:name', VERSIONS => 5} COLUMN CELL info:name timestamp=1672133408519, value=lisi info:name timestamp=1672133380991, value=zhangsanscan 是扫描数据，能够读取多行数据，不建议扫描过多的数据，推荐使用 startRow 和 stopRow 来控制读取的数据，默认范围左闭右开。
hbase(main):006:0> scan 'bigdata:student', {STARTROW => '1001', STOPROW =>'1002'} ROW COLUMN+CELL 1001 column=info:age, timestamp=1672133429754, value=30 1001 column=info:name, timestamp=1672133408519, value=lisi 1 row(s) in 0.0190 seconds删除数据
删除数据的方法有两个：delete 和 deleteall。
delete 表示删除一个版本的数据，即为 1 个 cell，不填写版本默认删除最新的一个版本。
hbase(main):007:0> delete 'bigdata:student', '1001', 'info:name' 0 row(s) in 0.1800 secondsdeleteall 表示删除所有版本的数据，即为当前行当前列的多个 cell。
执行命令会标记数据为要删除，不会直接将数据彻底删除，删除数据只在特定时期清理磁盘时进行。
hbase(main):010:0> deleteall 'bigdata:student', '1001', 'info:name' 0 row(s) in 0.0060 seconds