hbase的名字的来源于hadoop database，即hadoop数据库，不同于一般的关系数据库，它是非结构化数据存储的数据库，而且它是基于列的而不是基于行的模式。
hbase是一个分布式的、面向列的、基于google bigtable的开源实现。
利用hadoop hdfs作为其文件存储系统，
利用hadoop mapreduce来处理hbase中的海量数据，
利用zookeeper作为协同服务。
hbase的表结构
hbase以表的形式存储数据。表有行和列组成。列划分为若干个列族/列簇(column family)，每个列族/列簇下面可以有多个普通列。
表table
hbase是用表来存储数据的。
命名空间namespace
namespace命名空间指对一组表的逻辑分组，类似rdbms中的database，方便对表在业务上划分。
hbase系统默认定义了两个缺省的namespace：
- hbase：系统内建表，包含namespace和meta表
- default：用户建表时未指定namespace的表都创建在此
行键 row key
行键，每一行的主键列，每行的行键要唯一，行键的值为任意字符串(最大长度是 64kb，实际应用中长度一般为 10-100bytes),在hbase内部,rowkey保存为字节数组byte[]。
行的一次读写是原子操作 (不论一次读写多少列)
区域region
table在行的方向上分割为多个region。
region是按大小分割的，每个表开始只有一个region，随着数据的增多，region不断增大，当增大到一个阀值的时候，region就会等分为两个新的region,之后会有越来越多的region。
region是hbase中分布式存储和负载均衡的最小单元。不同的region分布到不同的regionserver上。
region由一个或者多个store组成, 每个store保存一个column family, 每个store又由一个memstore(存储在内存中)和0到多个storefile(存储在hdfs上)组成
列族 column family
列族是每个子列的父级，每个子列都属于一个列族,一个列族包含一个或者多个相关列，创建表的时候需要指定列族，而列不需要必须指定。通过“列族名:列名”来表示某个具体的子列。
hbase中的schema就是 tablename column family name
列限定符
就是列族下的每个子列名称，或者称为相关列，或者称为限定符，只是翻译不同。
通过columnfamily:column来定位某个子列。
存储单元 cell
我们外观看到的每个单元格其实都对应着多个存储单元，默认情况下一个单元格对应着一个存储单元，一个存储单元可以存储一份数据，如果一个单元格有多个存储单元就表示一个单元格可以存储多个值。可以通过version来设置存储单元个数。可以通过
rowkey columnfamily column timestamp 来唯一确定一个存储单元。cell中的数据是没有类型的，全部是字节码形式存贮。
hbase按照时间戳降序排列各时间版本，其他映射建按照升序排序。
时间戳版本号 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。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。
| 命名 | 描述 | 语法 |
|---|---|---|
| help ‘命名名’ | 查看命令的使用描述 | help ‘命令名’ |
| whoami | 我是谁 | whoami |
| version | 返回hbase版本信息 | version |
| status | 返回hbase集群的状态信息 | status |
| table_help | 查看如何操作表 | table_help |
| create | 创建表 | create ‘表名’, ‘列族名1’, ‘列族名2’, ‘列族名n’ |
| alter | 修改列族 | 添加一个列族：alter ‘表名’, ‘列族名’ 删除列族：alter ‘表名’, {name=> ‘列族名’, method=> ‘delete’} |
| describe | 显示表相关的详细信息 | describe ‘表名’ |
| list | 列出hbase中存在的所有表 | list |
| exists | 测试表是否存在 | exists ‘表名’ |
| put | 添加或修改的表的值 | put ‘表名’, ‘行键’, ‘列族名’, ‘列值’ put ‘表名’, ‘行键’, ‘列族名:列名’, ‘列值’ |
| scan | 通过对表的扫描来获取对用的值 | scan ‘表名’ 扫描某个列族： scan ‘表名’, {column=>‘列族名’} 扫描某个列族的某个列： scan ‘表名’, {column=>‘列族名:列名’} 查询同一个列族的多个列： scan ‘表名’, {columns => [ ‘列族名1:列名1’, ‘列族名1:列名2’, …]} |
| get | 获取行或单元（cell）的值 | get ‘表名’, ‘行键’ get ‘表名’, ‘行键’, ‘列族名’ |
| count | 统计表中行的数量 | count ‘表名’ |
| incr | 增加指定表行或列的值 | incr ‘表名’, ‘行键’, ‘列族:列名’, 步长值 |
| get_counter | 获取计数器 | get_counter ‘表名’, ‘行键’, ‘列族:列名’ |
| delete | 删除指定对象的值（可以为表，行，列对应的值，另外也可以指定时间戳的值） | 删除列族的某个列： delete ‘表名’, ‘行键’, ‘列族名:列名’ |
| deleteall | 删除指定行的所有元素值 | deleteall ‘表名’, ‘行键’ |
| truncate | 重新创建指定表 | truncate ‘表名’ |
| enable | 使表有效 | enable ‘表名’ |
| is_enabled | 是否启用 | is_enabled ‘表名’ |
| disable | 使表无效 | disable ‘表名’ |
| is_disabled | 是否无效 | is_disabled ‘表名’ |
| drop | 删除表 | drop的表必须是disable的 disable ‘表名’ drop ‘表名’ |
| shutdown | 关闭hbase集群（与exit不同） | |
| tools | 列出hbase所支持的工具 | |
| exit | 退出hbase shell |
hbase shell 是官方提供的一组命令，用于操作hbase。如果配置了hbase的环境变量了，就可以知己在命令行中输入hbase shell 命令进入命令行。
hbase shell
help命令
可以通过 help '命名名称'来查看命令行的具体使用，包括命令的作用和用法。
通过help ‘hbase’ 命名来查看hbase shell 支持的所有命令，hbase将命令进行分组，其中ddl、dml使用较多。
1. 显示集群状态status
可以为 ‘summary’, ‘simple’, ‘detailed’, or ‘replication’. 默认为 ‘summary’
hbase> status
hbase> status 'simple'
hbase> status 'summary'
hbase> status 'detailed'
hbase> status 'replication'
hbase> status 'replication', 'source'
hbase> status 'replication', 'sink'
2. 查询数据库版本version
3. 显示当前用户与组 whoami
4. 查看操作表的命令table_help
5. 退出hbase shell exit
exit
1. 创建表create
注意：创建表时只需要指定列族名称，不需要指定列名。
# 语法
create '表名', {
name => '列族名1'}, {
name => '列族名2'}, {
name => '列族名3'}
# 此种方式是上上面的简写方式，使用上面方式可以为列族指定更多的属性，如versions、ttl、blockcache、configuration等属性
create '表名', '列族名1', '列族名2', '列族名3'
create '表名', {
name => '列族名1', versions => 版本号, ttl => 过期时间, blockcache => true}
# 示例
create 'tbl_user', 'info', 'detail'
create 't1', {
name => 'f1', versions => 1, ttl => 2592000, blockcache => true}
2. 修改(添加、删除)表结构schema alter
2.1 添加一个列族
# 语法
alter '表名', '列族名'
# 示例
alter 'tbl_user', 'address'
2.2 删除一个列族
# 语法
alter '表名', {
name=> '列族名', method=> 'delete'}
# 示例
alter 'tbl_user', {
name=> 'address', method=> 'delete'}
3.3 修改列族的属性
可以修改列族的versions、in_memory
# 修改f1列族的版本为5
alter 't1', name => 'f1', versions => 5
# 修改多个列族，修改f2为内存，版本号为5
alter 't1', 'f1', {
name => 'f2', in_memory => true}, {
name => 'f3', versions => 5}
# 也可以修改table-scope属性，例如max_filesize, readonly,memstore_flushsize, deferred_log_flush等。
# 例如，修改region的最大大小为128mb：
alter 't1', max_filesize => '134217728'
3. 异步修改schema alter_async
# change or add the 'f1' column family in table 't1' from defaults
to instead keep a maximum of 5 cell versions
alter_async 't1', name => 'f1', versions => 5
# delete the 'f1' column family in table 'ns1:t1'
alter_async 'ns1:t1', name => 'f1', method => 'delete'
alter_async 'ns1:t1', 'delete' => 'f1'
# change the max size of a family to 128mb
alter 't1', method => 'table_att', max_filesize => '134217728'
alter 't1', {
name => 'f1'}, {
name => 'f2', method => 'delete'}
4. 获取alter_async执行的状态 alter_status
alter_status '表名'
5. 获取表的描述describe
# 语法
describe '表名'
# 示例
describe 'tbl_user'
6. 列举所有表list
7. 表是否存在exists
# 语法
exists '表名'
# 示例
exists 'tbl_user'
8. 启用表enable和禁用表disable
通过enable和disable来启用/禁用这个表,相应的可以通过is_enabled和is_disabled来检查表是否被禁用。
# 语法
enable '表名'
is_enabled '表名'
disable '表名'
is_disabled '表名'
# 示例
disable 'tbl_user'
is_disabled 'tbl_user'
enable 'tbl_user'
is_enabled 'tbl_user'
9. 禁用满足正则表达式的所有表disable_all
.匹配除“\n”和"\r"之外的任何单个字符*匹配前面的子表达式任意次
# 匹配以t开头的表名
disable_all 't.*'
# 匹配指定命名空间ns下的以t开头的所有表
disable_all 'ns:t.*'
# 匹配ns命名空间下的所有表
disable_all 'ns:.*'
10. 启用满足正则表达式的所有表enable_all
enable_all 't.*'
enable_all 'ns:t.*'
enable_all 'ns:.*'
11. 删除表drop
需要先禁用表，然后再删除表，启用的表是不允许删除的
# 语法
disable '表名'
drop '表名'
# 示例
disable 'tbl_user'
drop 'tbl_user'
12. 删除满足正则表达式的所有表drop_all
drop_all 't.*'
drop_all 'ns:t.*'
drop_all 'ns:.*'
13. 获取某个表赋值给一个变量 get_table
通过 var = get_table ‘表名’ 赋值给一个变量对象，然后对象.来调用，就像面向对象编程一样，通过对象.方法来调用，这种方式在操作某个表时就不必每次列举表名了。
14. 获取rowkey所在的区 locate_region
locate_region '表名', '行键'
15. 显示hbase所支持的所有过滤器show_filters
过滤器用于get和scan命令中作为筛选数据的条件，类型关系型数据库中的where的作用
1. 列举命名空间 list_namespace
2. 获取命名空间描述 describe_namespace
3. 查看命名空间下的所有表 list_namespace_tables
4. 创建命名空间create_namespace
5. 修改命名空间的属性
# add/modify a property
alter_namespace 'ns1', {
method => 'set', 'property_name' => 'property_value'}
# delete a property
alter_namespace 'ns1', {
method => 'unset', name=>'property_name'}
6. 删除命名空间drop_namespace
drop_namespace '命名空间名称'
1. 插入或者修改数据put
# 语法
# 当列族中只有一个列时'列族名:列名'使用'列族名'
put '表名', '行键', '列族名', '列值'
put '表名', '行键', '列族名:列名', '列值'
# 示例
# 创建表
create 'tbl_user', 'info', 'detail', 'address'
# 第一行数据
put 'tbl_user', 'mengday', 'info:id', '1'
put 'tbl_user', 'mengday', 'info:name', '张三'
put 'tbl_user', 'mengday', 'info:age', '28'
put 'tbl_user', 'mengday', 'detail:birthday', '1990-06-26'
put 'tbl_user', 'mengday', 'detail:email', '[email protected]'
put 'tbl_user', 'mengday', 'detail:create_time', '2019-03-04 14:26:10'
put 'tbl_user', 'mengday', 'address', '上海市'
# 第二行数据
put 'tbl_user', 'vbirdbest', 'info:id', '2'
put 'tbl_user', 'vbirdbest', 'info:name', '李四'
put 'tbl_user', 'vbirdbest', 'info:age', '27'
put 'tbl_user', 'vbirdbest', 'detail:birthday', '1990-06-27'
put 'tbl_user', 'vbirdbest', 'detail:email', '[email protected]'
put 'tbl_user', 'vbirdbest', 'detail:create_time', '2019-03-05 14:26:10'
put 'tbl_user', 'vbirdbest', 'address', '北京市'
# 第一行数据
put 'tbl_user', 'xiaoming', 'info:id', '3'
put 'tbl_user', 'xiaoming', 'info:name', '王五'
put 'tbl_user', 'xiaoming', 'info:age', '26'
put 'tbl_user', 'xiaoming', 'detail:birthday', '1990-06-28'
put 'tbl_user', 'xiaoming', 'detail:email', '[email protected]'
put 'tbl_user', 'xiaoming', 'detail:create_time', '2019-03-06 14:26:10'
put 'tbl_user', 'xiaoming', 'address', '杭州市'
2. 全表扫描scan
获取表的所有数据
# 语法
scan '表名'
# 示例
scan 'tbl_user'
注意：中文编码了
扫描整个列簇
# 语法
scan '表名', {
column=>'列族名'}
# 示例
scan 'tbl_user', {
column=>'info'}
扫描整个列簇的某个列
# 语法
scan '表名', {
column=>'列族名:列名'}
# 示例
scan 'tbl_user', {
column=>'info:age'}
3. 获取数据get
# 语法
get '表名', '行键'
# 示例
get 'tbl_user', 'mengday'
根据某一行某列族的数据
# 语法
get '表名', '行键', '列族名'
# 示例
get 'tbl_user', 'mengday', 'info'
# 创建表，c1版本为4， 元数据mykey=myvalue
hbase(main):009:0> create 't1', {
name => 'c1', versions => 4}, metadata => {
'mykey' => 'myvalue' }
0 row(s) in 2.2810 seconds
=> hbase::table - t1
# 添加列族c2, c3
hbase(main):010:0> alter 't1', 'c2', 'c3'
updating all regions with the new schema...
1/1 regions updated.
done.
updating all regions with the new schema...
1/1 regions updated.
done.
0 row(s) in 3.8320 seconds
# 出入数据，c1 插入4个版本的值
hbase(main):011:0> put 't1', 'r1', 'c1', 'v1'
0 row(s) in 0.1000 seconds
hbase(main):012:0> put 't1', 'r1', 'c1', 'v11'
0 row(s) in 0.0180 seconds
hbase(main):013:0> put 't1', 'r1', 'c1', 'v111'
0 row(s) in 0.0140 seconds
hbase(main):014:0> put 't1', 'r1', 'c1', 'v1111'
0 row(s) in 0.0140 seconds
# 插入c2、c3的值
hbase(main):015:0> put 't1', 'r1', 'c2', 'v2'
0 row(s) in 0.0140 seconds
hbase(main):016:0> put 't1', 'r1', 'c3', 'v3'
0 row(s) in 0.0210 seconds
# 获取rowkey=r1的一行记录
hbase(main):017:0> get 't1', 'r1'
column cell
c1: timestamp=1552819382575, value=v1111
c2: timestamp=1552819392398, value=v2
c3: timestamp=1552819398244, value=v3
3 row(s) in 0.0550 seconds
# 获取rowkey=r1并且 1552819392398 <= 时间戳范围 < 1552819398244
hbase(main):018:0> get 't1', 'r1', {
timerange => [1552819392398, 1552819398244]}
column cell
c2: timestamp=1552819392398, value=v2
1 row(s) in 0.0090 seconds
# 获取指定列的值
hbase(main):019:0> get 't1', 'r1', {
column => 'c1'}
column cell
c1: timestamp=1552819382575, value=v1111
1 row(s) in 0.0160 seconds
# 获取指定列的值，多个值使用数组表示
hbase(main):020:0> get 't1', 'r1', {
column => ['c1', 'c2', 'c3']}
column cell
c1: timestamp=1552819382575, value=v1111
c2: timestamp=1552819392398, value=v2
c3: timestamp=1552819398244, value=v3
3 row(s) in 0.0170 seconds
# 获取c1的值，获取4个版本的值，默认是按照时间戳降续排序的
hbase(main):021:0> get 't1', 'r1', {
column => 'c1', versions => 4}
column cell
c1: timestamp=1552819382575, value=v1111
c1: timestamp=1552819376343, value=v111
c1: timestamp=1552819368993, value=v11
c1: timestamp=1552819362975, value=v1
4 row(s) in 0.0180 seconds
# 获取c1的3个版本值
hbase(main):027:0* get 't1', 'r1', {
column => 'c1', versions => 3}
column cell
c1: timestamp=1552819382575, value=v1111
c1: timestamp=1552819376343, value=v111
c1: timestamp=1552819368993, value=v11
3 row(s) in 0.0090 seconds
# 获取指定时间戳版本的列
hbase(main):022:0> get 't1', 'r1', {
column => 'c1', timestamp => 1552819376343}
column cell
c1: timestamp=1552819376343, value=v111
1 row(s) in 0.0170 seconds
hbase(main):023:0> get 't1', 'r1', {
column => 'c1', timestamp => 1552819376343, versions => 4}
column cell
c1: timestamp=1552819376343, value=v111
1 row(s) in 0.0130 seconds
# 获取rowkey=r1中的值等于v2的所有列
hbase(main):024:0> get 't1', 'r1', {
filter => "valuefilter(=, 'binary:v2')"}
column cell
c2: timestamp=1552819392398, value=v2
1 row(s) in 0.0510 seconds
hbase(main):025:0> get 't1', 'r1', {
column => 'c1', attributes => {
'mykey'=>'myvalue'}}
column cell
c1: timestamp=1552819382575, value=v1111
1 row(s) in 0.0100 seconds
4. 删除某个列族中的某个列delete
# 语法
delete '表名', '行键', '列族名:列名'
create 'tbl_test', 'columnfamily1'
put 'tbl_test', 'rowkey1', 'columnfamily1:column1', 'value1'
put 'tbl_test', 'rowkey1', 'columnfamily1:column2', 'value2'
delete 'tbl_test', 'rowkey1', 'columnfamily1:column1'
5. 删除某行数据deleteall
# 语法
deleteall '表名', '行键'
# 示例
deleteall 'tbl_test', 'rowkey1'
6. 清空整个表的数据truncate
先disable表，然后再drop表，最后重新create表
truncate '表名'
7. 查询表中有多少行count
# 语法
count '表名'
# 示例
count 'tbl_user'
8. 自增incr
# 语法
incr '表名', '行键', '列族:列名', 步长值
# 示例
# 注意：incr 可以对不存的行键操作，如果行键已经存在会报错，如果使用put修改了incr的值再使用incr也会报错
# error: org.apache.hadoop.hbase.donotretryioexception: field is not a long, it's 2 bytes wide
incr 'tbl_user', 'xiaohong', 'info:age', 1
9. 计数器get_counter
# 点击量：日、周、月
create 'counters', 'daily', 'weekly', 'monthly'
incr 'counters', '20110101', 'daily:hits', 1
incr 'counters', '20110101', 'daily:hits', 1
get_counter 'counters', '20110101', 'daily:hits'
10. 修饰词
10.1 columns: 查询同一个列族的多个列
# 语法
scan '表名', {
columns => [ '列族名1:列名1', '列族名1:列名2', ...]}
# 示例
scan 'tbl_user', {
columns => [ 'info:id', 'info:age']}
10.2 timestamp 指定时间戳
scan 't1', {
columns => 'c2', timestamp=> 1552819392398}
10.3 timerange表示的是”>=开始时间 and <结束时间“
# 语法
scan '表名',{
timerange=>[timestamp1, timestamp2]}
# 示例
scan 'tbl_user',{
timerange=>[1551938004321, 1551938036450]}
10.4 versions
默认情况下一个列只能存储一个数据，后面如果修改数据就会将原来的覆盖掉，可以通过指定versions时hbase一列能存储多个值。
create 'tbl_test', 'columnfamily1'
describe 'tbl_test'
# 修改列族版本号
alter 'tbl_test', {
name=>'columnfamily1', versions=>3 }
put 'tbl_test', 'rowkey1', 'columnfamily1:column1', 'value1'
put 'tbl_test', 'rowkey1', 'columnfamily1:column1', 'value2'
put 'tbl_test', 'rowkey1', 'columnfamily1:column1', 'value3'
# 默认返回最新的一条数据
get 'tbl_test','rowkey1','columnfamily1:column1'
# 返回3个
get 'tbl_test','rowkey1',{
column=>'columnfamily1:column1', versions=>3}
# 返回2个
get 'tbl_test','rowkey1',{
column=>'columnfamily1:column1', versions=>2}
10.5 startrow
rowkey起始行。会先根据这个key定位到region，再向后扫描
# 语法
scan '表名', {
startrow => '行键名'}
# 示例
scan 'tbl_user', {
startrow => 'vbirdbest'}
10.6 stoprow ：截止到stoprow行，stoprow行之前的数据，不包括stoprow这行数据
# 语法
scan '表名', {
stoprow => '行键名'}
# 示例
scan 'tbl_user', {
stoprow => 'vbirdbest'}
10.7 limit 返回的行数
# 语法
scan '表名', {
limit => 行数}
# 示例
scan 'tbl_user', {
limit => 2 }
11. filter条件过滤器
过滤器之间可以使用and、or连接多个过滤器。
valuefilter 值过滤器
# 语法：binary 等于某个值
scan '表名', filter=>"valuefilter(=,'binary:列值')"
# 语法 substring:包含某个值
scan '表名', filter=>"valuefilter(=,'substring:列值')"
# 示例
scan 'tbl_user', filter=>"valuefilter(=, 'binary:26')"
scan 'tbl_user', filter=>"valuefilter(=, 'substring:6')"
columnprefixfilter 列名前缀过滤器
# 语法 substring:包含某个值
scan '表名', filter=>"columnprefixfilter('列名前缀')"
# 示例
scan 'tbl_user', filter=>"columnprefixfilter('birth')"
# 通过括号、and和or的条件组合多个过滤器
scan 'tbl_user', filter=>"columnprefixfilter('birth') and valuefilter(=,'substring:26')"
rowkey字典排序
table中的所有行都是按照row key的字典排序的
hbase shell在使用的时候经常会报错，这里列举了几个错误：
1. hbase创建不存在的表报已经存在错误 error: table already exists: !
解决办法：
# 1. 进入zookeeper client模式
cd /usr/local/cellar/hbase/1.2.9/bin
hbase zkcli
# 2. 在zk client模式下输入ls /hbase/table命令看到zombie table
ls /hbase/table
# 3. 删除表，table_name为要删除的表名
rmr /hbase/table/table_name
# 4. 重启hbase
./stop-hbase.sh
./start-hbase.sh
2. error: org.apache.hadoop.hbase.ipc.servernotrunningyetexception: server is not running yet
# 使用jps查看是否有datanode服务
jps
删除hadoop 的临时目录
/usr/local/cellar/hadoop/3.1.1/libexec/tmp
3. error: can’t get master address from zookeeper; znode data == null
# 重启hbase
./stop-hbase.sh
./start-hbase.sh
4. error: org.apache.hadoop.hbase.pleaseholdexception: master is initializing
这个错误出现的原因很多，这里说一下我的错误原因是hbase-site.xml中的有个属性名配置错误, 网上有的是hbase.rootdir, name配置成这个有的时候会报错有的时候不会报错，报错的时候格式化一下hadoop然后再重新启动，这种方式有的时候能解决问题，有的时候解决不了。这里我将hbase.rootdir改为hbase.root.dir 就不报错了，不知道是不是版本不同属性名配置不同，我的hadoop版本为3.1.1，hbase版本为1.2.9
hbase.root.dir
hdfs://localhost:8020/hbase