老劉今天復(fù)習(xí)HBase知識(shí)發(fā)現(xiàn)很多資料都沒有把概念說清楚，有很多專業(yè)名詞一筆帶過沒有解釋。比如這個(gè)框架高性能、高可用，那什么是高性能、高可用？怎么實(shí)現(xiàn)的高性能高可用？沒說！

如果面試官聽了你說的，會(huì)有什么反應(yīng)？我的感覺就是你說的東西都是別人的，沒有自己的理解。所以老劉才會(huì)寫用大白話講大數(shù)據(jù)這個(gè)系列，就是爭(zhēng)取把東西講清楚，講明白！如果覺得老劉寫得不錯(cuò)，給老劉點(diǎn)個(gè)贊吧！

01 HBase知識(shí)點(diǎn)

第1點(diǎn)：HBase的定義

官網(wǎng)畫紅框中直接就說，HBase是一個(gè)分布式、可擴(kuò)展的大數(shù)據(jù)存儲(chǔ)Hadoop數(shù)據(jù)庫(kù)。試想下，你是面試官，別人這樣回答你，你會(huì)不會(huì)滿意？老劉覺得學(xué)的東西要用自己的話講出來，才是真正的掌握。

在老劉看來，HBase，即Hadoop database，即Hadoop數(shù)據(jù)庫(kù)。

它的數(shù)據(jù)通常存儲(chǔ)在HDFS上，HDFS為HBase提供了高可靠性的底層存儲(chǔ)的支持；利用Hadoop MapReduce來處理HBase中的海量數(shù)據(jù)，為HBase提供了高性能的計(jì)算能力；利用ZooKeeper為HBase提供了穩(wěn)定的服務(wù)。

根據(jù)上述所說，就可以總結(jié)為HBase是一個(gè)建立在HDFS之上，具有高可靠、高性能、可擴(kuò)展、支持海量數(shù)據(jù)存儲(chǔ)的分布式數(shù)據(jù)庫(kù)。

一般是在存儲(chǔ)數(shù)據(jù)比較大的時(shí)候，并且對(duì)讀寫性能要求比較高的時(shí)候，才會(huì)用到HBase數(shù)據(jù)庫(kù)。

那你們知道什么是讀寫性能比較高嗎？那就是讀的比較快、寫的也比較快的時(shí)候，才是讀寫性能比較高！

第2點(diǎn)：HBase的特點(diǎn)

1）極易擴(kuò)展

HBase底層依賴HDFS，當(dāng)磁盤空間不足的時(shí)候，我們只需要?jiǎng)討B(tài)增加DataNode節(jié)點(diǎn)就可以了。當(dāng)然也可以通過增加服務(wù)器來對(duì)集群的存儲(chǔ)進(jìn)行擴(kuò)容。

2）海量存儲(chǔ)

可以存儲(chǔ)大批量的數(shù)據(jù)。在存儲(chǔ)海量數(shù)據(jù)的前提下，能在幾十到百毫秒內(nèi)返回?cái)?shù)據(jù)。這點(diǎn)和HBase的極易擴(kuò)展性非常相關(guān)。正因?yàn)镠Base良好的擴(kuò)展性，才為海量數(shù)據(jù)的存儲(chǔ)提供了便利。

3）列式存儲(chǔ)(這里一定要搞清楚列式存儲(chǔ)和行式存儲(chǔ)的區(qū)別)

這里的列式存儲(chǔ)其實(shí)說的是列族存儲(chǔ)，HBase是根據(jù)列族來存儲(chǔ)數(shù)據(jù)的。列族下面可以有非常多的列，列族在創(chuàng)建表的時(shí)候就必須要指定了。

4）稀疏

稀疏主要是針對(duì)HBase列的靈活性，在列族中，你可以指定任意多的列，在列數(shù)據(jù)為空的情況下，是不會(huì)占用存儲(chǔ)空間的。

5）數(shù)據(jù)類型單一

它所有的數(shù)據(jù)都是以字節(jié)數(shù)組進(jìn)行存儲(chǔ)。

第3點(diǎn)：HBase表的數(shù)據(jù)模型

先給出一張HBase的設(shè)計(jì)表，根據(jù)這張表進(jìn)行介紹表的結(jié)構(gòu)。

rowkey行鍵

1）它是表(table)的主鍵，table中的記錄按照rowkey的字典序進(jìn)行排序，這里就必須要說說什么是字典序？

有多機(jī)構(gòu)的資料就是一筆帶過，一點(diǎn)也不負(fù)責(zé)，讓人非常不爽。老劉就不得不去搜搜字典序排序的相關(guān)知識(shí)。

通俗地講，字典序排序大概就是兩個(gè)作比較的內(nèi)容從第一個(gè)字母開始比較，按照ASCII碼表比較大小，小的放在前面，第一個(gè)相同就比較下一個(gè)，都相同且一個(gè)比較完了，則短的排在前面。

常見ASCII碼的大小規(guī)則：0~9<A~Z<a~z

2）rowkey行鍵它可以是任意的字符串，其中它的最大長(zhǎng)度是 64KB，實(shí)際應(yīng)用中長(zhǎng)度一般為 10-100bytes。

Column Family列族

1）HBase表中的每個(gè)列，都?xì)w屬于某個(gè)列族。

2）列族是表的schema的一部分(而列不是)，即建表時(shí)至少指定一個(gè)列族。

3）比如我們創(chuàng)建user表，包含info、data兩個(gè)列族，代碼就為create 'user', 'info', 'data'。

Column列

列肯定是表的某一個(gè)列族下的一個(gè)列，用列族名:列名表示，比如`info`列族下的`name`列，就表示為`info:name`。

Cell單元格

如上圖，我們通過指定rowkey行鍵、列族、列，就可以確定的一個(gè)Cell單元格。在Cell中的數(shù)據(jù)是沒有任何類型的，全部都是以字節(jié)數(shù)組的形式進(jìn)行存儲(chǔ)的。

Timestamp時(shí)間戳

這個(gè)說的就是可以對(duì)表中的Cell多次賦值，每次賦值操作時(shí)的時(shí)間戳timestamp，可看成Cell值的版本號(hào)version number。

也就是一個(gè)Cell可以有多個(gè)版本的值的意思。

第4點(diǎn)：HBase架構(gòu)

從圖中可以看出，這是一個(gè)非常典型的主從架構(gòu)。下面詳細(xì)說下各個(gè)組件：

Client客戶端

Client它是操作HBase集群的入口，利用Client，再通過RPC與HMaster進(jìn)行通信，可以完成表的增、刪、改操作。也可以通過RPC與RegionServer通信，完成讀寫表數(shù)據(jù)的操作。

一般我們可以利用HBase shell或者JAVA API進(jìn)行編程，完成上述表的操作。

ZooKeeper集群

ZooKeeper是什么有什么用，老劉已經(jīng)在ZooKeeper框架那篇文章中詳細(xì)講解了，大家可以去看看。那它在HBase集群中的作用，就非常明顯了，① 它實(shí)現(xiàn)了HMaster的高可用，多HMaster間進(jìn)行主備選舉。② 保存了HBase的元數(shù)據(jù)信息meta表。③ 對(duì)HMaster和HRegionServer各個(gè)節(jié)點(diǎn)進(jìn)行監(jiān)控。

HMaster

HBase集群也是主從架構(gòu)，HMaster是主角色，是集群的老大，主要負(fù)責(zé)管理表和Region。

那它管理表和Region做一些什么呢？

1）管理Client對(duì)表的增刪改的一些操作；

2）管理Region的操作就會(huì)比管理Client多一點(diǎn)。當(dāng)Region分裂后，負(fù)責(zé)新Region分配到指定的HRegionServer上；當(dāng)HRegionServer宕機(jī)后，負(fù)責(zé)其上的region的遷移；以及管理HRegionServer之間的負(fù)載均衡。

那大家有沒有了解負(fù)載均衡，什么是負(fù)載均衡？

舉個(gè)例子，一個(gè)網(wǎng)站最開始建立的時(shí)候，它的訪問量比較小，但當(dāng)它的流量變得特別大的時(shí)候，并發(fā)量就變得特別大了，網(wǎng)站就會(huì)出現(xiàn)訪問延遲的一些現(xiàn)象。這個(gè)時(shí)候呢，就需要用到負(fù)載均衡了。以前這個(gè)網(wǎng)站是一個(gè)單一服務(wù)器，現(xiàn)在就可以配置多個(gè)服務(wù)器集群，那樣就可以把訪問流量分發(fā)到集群中的不同服務(wù)器上，這樣就大大減少了單一服務(wù)器上的壓力，也就是負(fù)載均衡想要做的事。

HRegionServer

它是HBase集群中從角色，是集群中的小弟。它主要負(fù)責(zé)響應(yīng)客戶端的讀寫數(shù)據(jù)請(qǐng)求，以及負(fù)責(zé)管理一系列的Region。

Region

它是HBase集群中分布式存儲(chǔ)的最小單元，一個(gè)Region對(duì)應(yīng)一個(gè)Table表的部分?jǐn)?shù)據(jù)。簡(jiǎn)單理解就是表存儲(chǔ)在HBase中，并且都是以Region為單位進(jìn)行存儲(chǔ)。

第5點(diǎn)：HBase shell命令

說一些常用的基礎(chǔ)操作命令:

創(chuàng)建user表，包含info、data兩個(gè)列族
create 'user', 'info', 'data'

使用put命令向user表中插入信息，row key為rk0001，列族info中添加名為name的列，值為zhangsan
put 'user', 'rk0001', 'info:name', 'zhangsan'

獲取user表中row key為rk0001的所有信息（即所有cell的數(shù)據(jù)）
get 'user', 'rk0001'
獲取user表中row key為rk0001，info列族的所有信息
get 'user', 'rk0001', 'info'

更新數(shù)據(jù)操作 將user表的f1列族版本數(shù)改為5
alter 'user', NAME => 'info', VERSIONS => 5

刪除數(shù)據(jù)以及刪除表操作
刪除user表row key為rk0001，列標(biāo)示符為info:name的數(shù)據(jù)
delete 'user', 'rk0001', 'info:name'

清空表數(shù)據(jù)
truncate 'user'

刪除表
首先需要先讓該表為disable狀態(tài)，使用命令：
disable 'user'
然后使用drop命令刪除這個(gè)表
drop 'user'
注意：如果直接drop表，會(huì)報(bào)錯(cuò)：Drop the named table. Table must first be disabled創(chuàng)建user表，包含info、data兩個(gè)列族
create 'user', 'info', 'data'

使用put命令向user表中插入信息，row key為rk0001，列族info中添加名為name的列，值為zhangsan
put 'user', 'rk0001', 'info:name', 'zhangsan'

獲取user表中row key為rk0001的所有信息（即所有cell的數(shù)據(jù)）
get 'user', 'rk0001'
獲取user表中row key為rk0001，info列族的所有信息
get 'user', 'rk0001', 'info'

更新數(shù)據(jù)操作 將user表的f1列族版本數(shù)改為5
alter 'user', NAME => 'info', VERSIONS => 5

刪除數(shù)據(jù)以及刪除表操作
刪除user表row key為rk0001，列標(biāo)示符為info:name的數(shù)據(jù)
delete 'user', 'rk0001', 'info:name'

清空表數(shù)據(jù)
truncate 'user'

刪除表
首先需要先讓該表為disable狀態(tài)，使用命令：
disable 'user'
然后使用drop命令刪除這個(gè)表
drop 'user'
注意：如果直接drop表，會(huì)報(bào)錯(cuò)：Drop the named table. Table must first be disabled

再說一下HBase的高級(jí)操作命令:

顯示服務(wù)器狀態(tài)
status 'node01'

顯示HBase當(dāng)前用戶
whoami

顯示當(dāng)前所有的表
list

統(tǒng)計(jì)指定表的記錄數(shù)
count 'user' 

檢查表是否存在，適用于表量特別多的情況
exists 'user'

檢查表是否啟用或禁用
is_enabled 'user'
is_disabled 'user'

禁用一張表/啟用一張表
disable 'user'
enable 'user'

刪除一張表，記得在刪除表之前必須先禁用
drop

上述都是HBase shell命令的內(nèi)容，還有用JAVA API進(jìn)行表操作的內(nèi)容，但是這部分老劉就不講解了，有需要的話，可以聯(lián)系老劉，我會(huì)分享給你。