07 HBase操作

1.理解HBase表模型及四维坐标：行键、列族、列限定符和时间戳。

行键（rokey）：rowkey是用来检索记录的主键。访问HBase Table中的行，只有三种方式:

1）通过单个row key访问

2）通过row key的range

3）全表扫描

rowkey 行键可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，最好是16。在 HBase内部，rowkey保存为字节数组。HBase 会对表中的数据按照 rowkey 排序 (字典顺序)存储时，数据按照 rowkey 的字典序(byte order)排序存储。设计 key 时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。（位置相关性）

列族（Column Family）：HBase 表中的每个列，都归属与某个列簇。列簇是表的Schema的一部分(而列不是)，必须在使用表之前定义好，而且定义好了之后就不能更改。

列名都以列簇作为前缀。例如courses:history，courses:math都属于courses这个列簇。

访问控制、磁盘和内存的使用统计等都是在列簇层面进行的。列簇越多，在取一行数据时所要参与IO、搜寻的文件就越多，所以，如果没有必要，不要设置太多的列簇(最好就一个列簇)

列限定符（Column Qualifier）：列限定符，可以理解为是具体的列名，例如 courses:history，courses:math 都属于 courses 这个列族，它们的列限定符分别是 history 和 math。需要注意的是列限定符不是表 Schema 的一部分，你可以在插入数据的过程中动态创建列。

时间戳（TimeStamp）：HBase 中通过 rowkey 和 columns 确定的为一个存储单元称为 cell。

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: 保存数据的最后 n 个版本保存最近一段时间内的版本(设置数据的生命周期 TTL)。用户可以针对每个列簇进行设置。

2.启动HDFS，启动HBase，进入HBaseShell命令行。

启动HDFS、启动HBase：

进入HBaseShell命令行：

3.列出HBase中所有的表信息list

4.创建表create

5.查看表详情desc

6.插入数据put

7.查看表数据scan,get

scan:

get:

8.多版本实验：修改列族版本数，插入多版本数据，查看多版本数据

1）创建查看

2）修改查看

3）插入数据

4）查看多个版本的数据

9.对比HBase列式表与MySQL的行式表

在HBase中创建学生课程分数表student并查看表结构。create,describe,put
在mysql中创建学生表student, 课程表 course, 分数表score并查看表结构。create,describe
分别插入几行数据，几个版本。put/insert
查看数据及版本。get,scan/select

	message						score
	name		age		sex		OS	BD
row1	…3624	xianming	…3447	19			85	90
row2			…6395 …7611	19 22
row3					…4968	femal