hbase shell基礎和常用命令詳解

HBase是一個分佈式的、面向列的開源數據庫,源於google的一篇論文《bigtable：一個結構化數據的分佈式存儲系統》。HBase是Google Bigtable的開源實現，它利用Hadoop HDFS作爲其文件存儲系統，利用Hadoop MapReduce來處理HBase中的海量數據，利用Zookeeper作爲協同服務。

1. 簡介

HBase是一個分佈式的、面向列的開源數據庫,源於google的一篇論文《bigtable：一個結構化數據的分佈式存儲系統》。HBase是Google Bigtable的開源實現，它利用Hadoop HDFS作爲其文件存儲系統，利用Hadoop MapReduce來處理HBase中的海量數據，利用Zookeeper作爲協同服務。

2. HBase的表結構

HBase以表的形式存儲數據。表有行和列組成。列劃分爲若干個列族/列簇(column family)。

Row Key	column-family1		column-family2			column-family3
	column1	column2	column1	column2	column3	column1
key1
key2
key3

如上圖所示，key1,key2,key3是三條記錄的唯一的row key值，column-family1,column-family2,column-family3是三個列族，每個列族下又包括幾列。比如column-family1這個列族下包括兩列，名字是column1和column2，t1:abc,t2:gdxdf是由row key1和column-family1-column1唯一確定的一個單元cell。這個cell中有兩個數據，abc和gdxdf。兩個值的時間戳不一樣，分別是t1,t2, hbase會返回最新時間的值給請求者。

這些名詞的具體含義如下：

(1) Row Key

與nosql數據庫們一樣,row key是用來檢索記錄的主鍵。訪問hbase table中的行，只有三種方式：

(1.1) 通過單個row key訪問

(1.2) 通過row key的range

(1.3) 全表掃描

Row key行鍵 (Row key)可以是任意字符串(最大長度是 64KB，實際應用中長度一般爲 10-100bytes)，在hbase內部，row key保存爲字節數組。

存儲時，數據按照Row key的字典序(byte order)排序存儲。設計key時，要充分排序存儲這個特性，將經常一起讀取的行存儲放到一起。(位置相關性)

注意：

字典序對int排序的結果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行鍵必須用0作左填充。

行的一次讀寫是原子操作 (不論一次讀寫多少列)。這個設計決策能夠使用戶很容易的理解程序在對同一個行進行併發更新操作時的行爲。

(2) 列族 column family

hbase表中的每個列，都歸屬與某個列族。列族是表的chema的一部分(而列不是)，必須在使用表之前定義。列名都以列族作爲前綴。例如courses:history ， courses:math 都屬於 courses 這個列族。

訪問控制、磁盤和內存的使用統計都是在列族層面進行的。實際應用中，列族上的控制權限能幫助我們管理不同類型的應用：我們允許一些應用可以添加新的基本數據、一些應用可以讀取基本數據並創建繼承的列族、一些應用則只允許瀏覽數據（甚至可能因爲隱私的原因不能瀏覽所有數據）。

(3) 單元 Cell

HBase中通過row和columns確定的爲一個存貯單元稱爲cell。由{row key, column( =<family> + <label>), version} 唯一確定的單元。cell中的數據是沒有類型的，全部是字節碼形式存貯。

(4) 時間戳 timestamp

每個cell都保存着同一份數據的多個版本。版本通過時間戳來索引。時間戳的類型是 64位整型。時間戳可以由hbase(在數據寫入時自動 )賦值，此時時間戳是精確到毫秒的當前系統時間。時間戳也可以由客戶顯式賦值。如果應用程序要避免數據版本衝突，就必須自己生成具有唯一性的時間戳。每個cell中，不同版本的數據按照時間倒序排序，即最新的數據排在最前面。

爲了避免數據存在過多版本造成的的管理 (包括存貯和索引)負擔，hbase提供了兩種數據版本回收方式。一是保存數據的最後n個版本，二是保存最近一段時間內的版本（比如最近七天）。用戶可以針對每個列族進行設置。

3. HBase shell的基本用法

hbase提供了一個shell的終端給用戶交互。使用命令hbase shell進入命令界面。通過執行 help可以看到命令的幫助信息。

以網上的一個學生成績表的例子來演示hbase的用法。

name	grad	course
		math	art
Tom	5	97	87
Jim	4	89	80

這裏grad對於表來說是一個只有它自己的列族,course對於表來說是一個有兩個列的列族,這個列族由兩個列組成math和art,當然我們可以根據我們的需要在course中建立更多的列族,如computer,physics等相應的列添加入course列族。

(1)建立一個表scores，有兩個列族grad和courese

hbase(main):001:0> create ‘scores’,'grade’, ‘course’

可以使用list命令來查看當前HBase裏有哪些表。使用describe命令來查看錶結構。（記得所有的表明、列名都需要加上引號）

(2)按設計的表結構插入值：

put ‘scores’,'Tom’,'grade:’,’5′
put ‘scores’,'Tom’,'course:math’,’97′
put ‘scores’,'Tom’,'course:art’,’87′
put ‘scores’,'Jim’,'grade’,’4′
put ‘scores’,'Jim’,'course:’,’89′
put ‘scores’,'Jim’,'course:’,’80′

這樣表結構就起來了，其實比較自由，列族裏邊可以自由添加子列很方便。如果列族下沒有子列，加不加冒號都是可以的。

put命令比較簡單，只有這一種用法：

hbase> put ‘t1′, ‘r1′, ‘c1′, ‘value’, ts1

t1指表名，r1指行鍵名，c1指列名，value指單元格值。ts1指時間戳，一般都省略掉了。

(3)根據鍵值查詢數據

get ‘scores’,'Jim’
get ‘scores’,'Jim’,'grade’

可能你就發現規律了，HBase的shell操作，一個大概順序就是操作關鍵詞後跟表名，行名，列名這樣的一個順序，如果有其他條件再用花括號加上。
get有用法如下：

hbase> get ‘t1′, ‘r1′
hbase> get ‘t1′, ‘r1′, {TIMERANGE => [ts1, ts2]}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′}
hbase> get ‘t1′, ‘r1′, {COLUMN => ['c1', 'c2', 'c3']}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMERANGE => [ts1, ts2], VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, {COLUMN => ‘c1′, TIMESTAMP => ts1, VERSIONS => 4}
hbase> get ‘t1′, ‘r1′, ‘c1′
hbase> get ‘t1′, ‘r1′, ‘c1′, ‘c2′
hbase> get ‘t1′, ‘r1′, ['c1', 'c2']

(4)掃描所有數據

scan ‘scores’

也可以指定一些修飾詞：TIMERANGE, FILTER, LIMIT, STARTROW, STOPROW, TIMESTAMP, MAXLENGTH,or COLUMNS。沒任何修飾詞，就是上邊例句，就會顯示所有數據行。

例句如下：

hbase> scan ‘.META.’
hbase> scan ‘.META.’, {COLUMNS => ‘info:regioninfo’}
hbase> scan ‘t1′, {COLUMNS => ['c1', 'c2'], LIMIT => 10, STARTROW => ‘xyz’}
hbase> scan ‘t1′, {COLUMNS => ‘c1′, TIMERANGE => [1303668804, 1303668904]}
hbase> scan ‘t1′, {FILTER => “(PrefixFilter (‘row2′) AND (QualifierFilter (>=, ‘binary:xyz’))) AND (TimestampsFilter ( 123, 456))”}
hbase> scan ‘t1′, {FILTER => org.apache.hadoop.hbase.filter.ColumnPaginationFilter.new(1, 0)}

過濾器filter有兩種方法指出：
a. Using a filterString – more information on this is available in the
Filter Language document attached to the HBASE-4176 JIRA
b. Using the entire package name of the filter.

還有一個CACHE_BLOCKS修飾詞，開關scan的緩存的，默認是開啓的（CACHE_BLOCKS=>true），可以選擇關閉（CACHE_BLOCKS=>false）。

(5)刪除指定數據

delete ‘scores’,'Jim’,'grade’
delete ‘scores’,'Jim’

刪除數據命令也沒太多變化，只有一個：

hbase> delete ‘t1′, ‘r1′, ‘c1′, ts1

另外有一個deleteall命令，可以進行整行的範圍的刪除操作，慎用！
如果需要進行全表刪除操作，就使用truncate命令，其實沒有直接的全表刪除命令，這個命令也是disable，drop，create三個命令組合出來的。

(6)修改表結構

disable ‘scores’
alter ‘scores’,NAME=>’info’
enable ‘scores’

alter命令使用如下（如果無法成功的版本，需要先通用表disable）：
a、改變或添加一個列族：

hbase> alter ‘t1′, NAME => ‘f1′, VERSIONS => 5

b、刪除一個列族：

hbase> alter ‘t1′, NAME => ‘f1′, METHOD => ‘delete’
hbase> alter ‘t1′, ‘delete’ => ‘f1′

c、也可以修改表屬性如MAX_FILESIZE
MEMSTORE_FLUSHSIZE, READONLY,和 DEFERRED_LOG_FLUSH：
hbase> alter ‘t1′, METHOD => ‘table_att’, MAX_FILESIZE => ’134217728′
d、可以添加一個表協同處理器

hbase> alter ‘t1′, METHOD => ‘table_att’, ‘coprocessor’=> ‘hdfs:///foo.jar|com.foo.FooRegionObserver|1001|arg1=1,arg2=2′

一個表上可以配置多個協同處理器，一個序列會自動增長進行標識。加載協同處理器（可以說是過濾程序）需要符合以下規則：

[coprocessor jar file location] | class name | [priority] | [arguments]

e、移除coprocessor如下：

hbase> alter ‘t1′, METHOD => ‘table_att_unset’, NAME => ‘MAX_FILESIZE’
hbase> alter ‘t1′, METHOD => ‘table_att_unset’, NAME => ‘coprocessor$1′

f、可以一次執行多個alter命令：

hbase> alter ‘t1′, {NAME => ‘f1′}, {NAME => ‘f2′, METHOD => ‘delete’}

(7)統計行數：

hbase> count ‘t1′
hbase> count ‘t1′, INTERVAL => 100000
hbase> count ‘t1′, CACHE => 1000
hbase> count ‘t1′, INTERVAL => 10, CACHE => 1000

count一般會比較耗時，使用mapreduce進行統計，統計結果會緩存，默認是10行。統計間隔默認的是1000行（INTERVAL）。

(8)disable 和 enable 操作
很多操作需要先暫停表的可用性，比如上邊說的alter操作，刪除表也需要這個操作。disable_all和enable_all能夠操作更多的表。

(9)表的刪除
先停止表的可使用性，然後執行刪除命令。

drop ‘t1′

以上是一些常用命令詳解，具體的所有hbase的shell命令如下，分了幾個命令羣，看英文是可以看出大概用處的，詳細的用法使用help “cmd” 進行了解。

COMMAND GROUPS:
  Group name: general
  Commands: status, version

  Group name: ddl
  Commands: alter, alter_async, alter_status, create, describe, disable, disable_all, drop, drop_all,
enable, enable_all, exists, is_disabled, is_enabled, list, show_filters

  Group name: dml
  Commands: count, delete, deleteall, get, get_counter, incr, put, scan, truncate

  Group name: tools
  Commands: assign, balance_switch, balancer, close_region, compact, flush, hlog_roll, major_compact,
move, split, unassign, zk_dump

  Group name: replication
  Commands: add_peer, disable_peer, enable_peer, list_peers, remove_peer, start_replication, 
stop_replication

  Group name: security
  Commands: grant, revoke, user_permission

4. hbase shell腳本
既然是shell命令，當然也可以把所有的hbase shell命令寫入到一個文件內，想linux shell腳本程序那樣去順序的執行所有命令。如同寫linux shell，把所有hbase shell命令書寫在一個文件內，然後執行如下命令即可：

$ hbase shell test.hbaseshell

方便好用。

來源:http://blog.pureisle.net/archives/1887.html