BigTable/HBase基本概念解读 & Hbase shell常用命令
转自：http://ptsolmyr.com/2010/12/03/bigtable_hbase/ & http://blog.csdn.net/hongbinchen/article/details/6289279
http://www.codelast.com/?p=899
BigTable是Key/Value数据库的元老之一。作为Google平台的主要部件，它相对于其他的K-V store较为复杂。在BigTable论文中，是这样定义的：
A Bigtable is a sparse, distributed, persistent multidimensional sorted map.
进一步解释如下：
The map is indexed by a row key, column key, and a timestamp; each value in the map is an uninterpreted array of bytes.
HBase则是Apache的一个模仿BigTable的项目，它在自我介绍时也毫不掩饰这一点：
HBase uses a data model very similar to that of Bigtable. Users store data rows in labelled tables. A data row has a sortable key and an arbitrary number of columns. The table is stored sparsely, so that rows in the same table can have crazily-varying columns, if the user likes.
这几句话看起来还是有些抽象，下面按下面几个关键字逐个解释一下：map, persistent, distributed, sorted, multi-dimentional, sparse
map
从本质上讲，BigTable/HBase是一个map。实际上，所有的K-V store都是一个map。
persistent
和其他场景中的persistent一样，这里的意思也是数据在处理完后会被持久化(存储在硬盘上)。
distributed
HBase和BigTable都是建立在分布式文件系统之上的，所以它的底层存储可以扩展到一系列机器上。主要目的是为了防止单点失败。
sorted
BigTable/HBase中的key-value对是对key严格按字母表顺序排序的。
对value没有任何排序机制
在设计key的时候，要考虑让相关的value的key排序位置比较接近。
multi-dimentional
multi-dimentional map可以理解为一个values也是map的map。
BigTable/HBase中的map层次为：
key: column family: qualifier: timestamp → value
如下图：
{
// …
"aaaaa" : {
"A" : {
"foo" : {
15 : "y",
4 : "m"
},
"bar" : {
15 : "d",
}
},
"B" : {
"" : {
6 : "w"
3 : "o"
1 : "w"
}
}
},
// …
}
在上例中，“aaaaa”是一个key，有两个column family:“A”和“B”，“foo”和“bar”是“A”的qualifier。15，4是两个timestamp，分别对应“y”和“m”这两个value
“column family: qualifier” 构成一个column
注意，column families不可删改，增加column family的开销也比较大。所以最好是在设计的时候就把column families定死。qualifier可以为空。
columns是可以修改的，也就是说qualifier的增删改都允许。
timestamp的默认值是从当前epoch开始计的秒数，也可以是自己选择的一个整数。
sparse
首先，每一行可以有任意个数个columns，可以有很多，也可能根本就没有column；
其次，行与行之间也可能存在空隙（比如空行）。
Hbase shell 常用命令：
|
名称
|
命令表达式
|
|
创建表
|
create '表名称', '列名称1','列名称2','列名称N'
|
|
添加记录
|
put '表名称', '行名称', '列名称:', '值'
|
|
查看记录
|
get '表名称', '行名称'
|
|
查看表中的记录总数
|
count '表名称'
|
|
删除记录
|
delete '表名' ,'行名称' , '列名称'
|
|
删除一张表
|
先要屏蔽该表，才能对该表进行删除，第一步 disable '表名称' 第二步 drop '表名称'
|
|
查看所有记录
|
scan "表名称"
|
|
查看某个表某个列中所有数据
|
scan "表名称" , ['列名称:']
|
|
更新记录
|
就是重写一遍进行覆盖
|
1. 创建表
create 'student','name','address'
新建student表，该表有两列 名称和地址，名称只有一个，address可以有多个
2.插入一条记录，只能插入某列
put 'student','1','name','tom'
向student表中插入记录，记录的row值为1,列name的值为tom
3. 根据row值 查询一条记录
get 'student','1'
查询结果：
COLUMN CELL
name: timestamp=1301473112875, value=tom
4. 根据row值更新name值 （系统会直接更新）
put 'student','1','name','tom2'
5.再查询时，系统返回最新的值
hbase(main):052:0> get 'student','1'
COLUMN CELL
name: timestamp=1301473425265, value=tom2
6.根据timestamp查询更新之前的 name值，
get 'student','1',{COLUMN=>'name',TIMESTAMP=>1301473112875}
7. 给学生的地址簇插入家庭地址
put 'student','1','address:home','shenzhen street'
8. 给学生的地址簇插入学校地址
put 'student','1','address:school','huaqiangbei street'
9. 查询学生的家庭地址
get 'student','1',{COLUMN=>'address:home'}
