分布式数据库原理与应用-3 HBase

---

第三章 Hbase

01 Hbase数据模型

逻辑模型

HBase相关概念

（1）表（table）：HBase采用表来组织数据；
（2）行（row）：每个表都由行组成，每个行由行键（row key）来标识，行键可以是任意字符串；
（3）列族（column family）：一个table有许多个列族，列族是列的集合，属于表结构，也是表的基本访问控制单元；
（4）列标识（column qualifier）：属于某一个Column Family：Column Qualifier形式标识，每条记录可动态添加
（5）时间戳（timestamp）：时间戳用来区分数据的不同版本；
（6）单元格（cell）：在table中，cell中存储的数据没有数据类型，是字节数组byte[] ，通过<RowKey，Column Family: Column Qualifier，Timestamp>元组来访问单元格

物理模型

关系型数据库特点：
表结构预先定义；
每列的数据类型不同；
空值占用存储空间

HBase特点：
只需定义表名和列族，可以动态添加列族和列；
数据都是字符串类型；
空值不占用存储空间；

实际存储方式

02 Hbase数据定义

HBase Shell

HBase Shell：HBase的命令行工具，最简单的接口，适合HBase管理使用；

[root@localhost bin]# hbase shell
HBase Shell; enter 'help<RETURN>' for list of supported commands.
Type "exit<RETURN>" to leave the HBase Shell
Version 1.2.6, rUnknown, Mon May 29 02:25:32 CDT 2017

hbase(main):001:0> 

命令：help,status,version,exit,quit

数据定义

创建表

语法：creat‘表名’，‘列族名’
描述：
●  必须指定表名和列族；
●  可以创建多个列族；
●  可以对标和列族指明一些参数；
●  参数大小写敏感；
●  字符串参数需要包含在单引号中；

表相关操作

exsit

exsit：查看某个表是否存在

List

List：查看当前所有的表名

describe

describe：查看选定表的列族及其参数

Alter

Alter：修改表结构
功能：
修改表中列族的参数信息；
增加列族；
移除或删除已有的列族；

注意：删除列族时，表中至少有两个列族组成；

drop

drop：删除表
注意：删除表之前需要先禁用表。

truncate

truncate：删除表中所有数据，想到于对表完成禁用、删除，按原结构重新建立表结构的过程

03 Hbase数据操作

在HBase中对数据的增删改查命令如表所示，由put命令向表中添加和修改数据，get和scan命令用来查询数据，delete删除列族或列的数据。接下来详细介绍这几个命令的具体用法。

put

为单元格插入数据

语法：put  ‘表名’，‘行键’，‘列族：列限定符’，‘单元格值’，时间戳
描述：必须指定表名、行键、列族、列限定符。
参数区分大小，字符串使用单引号。
只能插入单条数据。

在HBase中，更新数据时，不管是添加新的数据还是修改数据都使用put命令，它的语法结构如ppt所示，put命令所带的第一个参数为表名，指定某一张表，第二参数为行键的名称，用来指定某一行，第三个参数是为列族和列的名称，中间用冒号隔开，列族名必须是已经创建的，否则HBase会报错；列名是临时定义的，所以列族里的列是可以随意扩展的。第四个参数为单元格的值，在HBase里，所有数据都是字符串的形式。最后一个参数为时间戳，如果不设置时间戳，系统会自动插入当前时间为时间戳。
HBase中所有命令参数是区分大小写的，字符串是需要包含在单引号中的，这一点在介绍后面操作命令不再提示。
从命令形式来看，put只能插入单元格的数据，如果需要将逻辑表中的一行数据插入到HBase中需要执行几条put命令。
比如，需要将此逻辑表的第一行数据（左边图和红色虚线框）插入HBase中，需要执行5条命令（右图）

更新单元格数据

描述：
如果指定的单元格已经存在，则put为更新数据；
单元格会保存指定version=>n的多个版本数据。

另外如果由‘表名’，‘行键’，‘列族：列限定符’指定的单元格已经存在表中，则执行put命令为数据更新操作，

比如，在执行了左边的5条命令后（左图），再执行这条命令（鼠标指向“put ‘Student’, ‘0001’, ‘StuInfo:Name’,‘Tom Green‘,1），学号为1的学生姓名将改成了tom green。

默认情况下数据更新后，旧版本的数据将不可见，但如果建表时对列族指定了Version属性值，则旧版数据依然存在，用户查询时可以获得最新的多个版本；

delete

语法：delete  ‘表名’，‘行键’，‘列族<：列限定符>’，<时间戳>
描述：必须指定表名、行键和列族，列限定符和时间戳是可选参数；
Delete最小删除粒度为单元格，且不能跨列族删除。

(1)delete ‘Student’, ‘0001’, ‘Grades’
(2)delete ‘Student’, ‘0001’, ‘Grades:Math’ 
(3)delete ‘Student’, ‘0001’, ‘Grades:Math’,2
(4)Deleteall ‘Student’, ‘0001’

HBase中删除数据采用delete命令，其语法与put命令类似，必须指定表名，行键，和列族。而列限定符和时间戳是可选的
下面通过举例说明delete的使用，如第一条命令，只指定了表名行键和列族，表示删除student表中，学号为0001的学生所有的成绩信息。即将表中第一行grades列族的信息全部删除。
第二条命令，指定了列族和列限定符，表示只删除这个学生的数学成绩。
第三条命令，指定了列族和列限定符的同时，还指定了时间戳，表示所有时间戳小于等于2的数据都会被删掉。注意这里不是只删除时间戳等于2的数据。

从上面语法和命令来看，delete最小的删除粒度为单元格，而且不能跨列族删除，如果想删除表中所有列族在某个行键上的数据，也就是说想删除一个逻辑行，可以使用deleteall命令，例如第四条命令，则删除0001学号学生的所有信息，包括stuinfo列族中的基本信息和grades列族中的所有成绩信息。

delete操作并不会马上删除数据，只是将对应的数据打上删除标记（tombstone），只有在数据产生合并时，数据才会被删除。

数据查询

get

get：根据行键获取一条数据
scan：扫描一个表，可以指定行键范围，或使用过滤器
语法：get  ‘表名’，‘行键’，<‘列族：列限定符’，时间戳>

第三条命令指定了列族和时间戳范围，
第四条命令则指定列族和显示的版本数，其结果如图所示（蓝色图），在执行此命令之前先向表的stuinfo列族的name列插入了三个版本的数据，注意这里前提是stuinfo列族在创建时已指定VERSION参数可以保存最近的3个版本的数据。在向同一单元格put三条数据后，再执行第四条命令，显示的结果可以看到，只将最近两个更新的数据显示出来了（红色虚线框）

scan

语法：scan  ‘表名’，{< ‘列族：列限定符’，时间戳>}

另外一种数据查询方式使用scan命令进行全表扫描，scan命令必须带的参数是表名，其他参数都可选，还可以指定输出行键范围，以及使用过滤器来对全表数据进行过滤显示。
依然通过举例说明scan命令的方法。
第一条命令指定表名查询全表数据；如图所示将表中所有行和所有列族信息都显示出来了。
第二条命令指定列族名称，显示student表中stuinfo列族的所有数据，注意与get不同的是，get只获得某一行的，而scan获取所有行的stuinfo列族数据。

第五条命令指定输出行的范围；显示结果输出起始行和结束行但不包括结束行的数据，如图的命令只显示了001行的数据，并没有显示003行。

另外这些限定条件可以组合使用，中间使用逗号隔开，如第六条命令所示：查询起始行为001，结束行为002的所有行的stuinfo列族的数据信息。

---