老劉今天覆習HBase知識發現很多資料都沒有把概念說清楚，有很多專業名詞一筆帶過沒有解釋。比如這個框架高效能、高可用，那什麼是高效能高可用？怎麼實現的高效能高可用？沒說！

如果面試官聽了你說的，會有什麼反應？我的感覺就是你說的東西都是別人的，沒有自己的理解。所以老劉才會寫用大白話講大資料這個系列，就是爭取把東西講清楚，講明白！如果覺得老劉寫得不錯，給老劉點個贊吧！

01 HBase知識點

第1點：HBase的定義

官網畫紅框中直接就說，HBase是一個分散式、可擴充套件的大資料儲存Hadoop資料庫。試想下，你是面試官，別人這樣回答你，你會不會滿意？老劉覺得學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資料庫。它的資料通常儲存在HDFS上，HDFS為HBase提供了高可靠性的底層儲存的支援；利用Hadoop MapReduce來處理HBase中的海量資料，為HBase提供了高效能的計算能力；利用ZooKeeper為HBase提供了穩定的服務。

根據上述所說，就可以總結為HBase是一個建立在HDFS之上，具有高可靠、高效能、可擴充套件、支援海量資料儲存的分散式資料庫。

一般是在儲存資料比較大的時候，並且對讀寫效能要求比較高的時候，才會用到HBase資料庫。

那你們知道什麼是讀寫效能比較高嗎？那就是讀的比較快、寫的也比較快的時候，才是讀寫效能比較高！

第2點：HBase的特點

1）極易擴充套件

HBase底層依賴HDFS，當磁碟空間不足的時候，我們只需要動態增加DataNode節點就可以了。當然也可以通過增加伺服器來對叢集的儲存進行擴容。

2）海量儲存

可以儲存大批量的資料。在儲存海量資料的前提下，能在幾十到百毫秒內返回資料。這點和HBase的極易擴充套件性非常相關。正因為HBase良好的擴充套件性，才為海量資料的儲存提供了便利。

3）列式儲存(這裡一定要搞清楚列式儲存和行式儲存的區別)

這裡的列式儲存其實說的是列族儲存，HBase是根據列族來儲存資料的。列族下面可以有非常多的列，列族在建立表的時候就必須要指定了。

4）稀疏

稀疏主要是針對HBase列的靈活性，在列族中，你可以指定任意多的列，在列資料為空的情況下，是不會佔用儲存空間的。

5）資料型別單一

它所有的資料都是以位元組陣列進行儲存。

第3點：HBase表的資料模型

先給出一張HBase的設計表，根據這張表進行介紹表的結構。

rowkey行鍵

1）它是表(table)的主鍵，table中的記錄按照rowkey的字典序進行排序，這裡就必須要說說什麼是字典序？

有多機構的資料就是一筆帶過，一點也不負責，讓人非常不爽。老劉就不得不去搜搜字典序排序的相關知識。

通俗地講，字典序排序大概就是兩個作比較的內容從第一個字母開始比較，按照ASCII碼錶比較大小，小的放在前面，第一個相同就比較下一個，都相同且一個比較完了，則短的排在前面。

常見ASCII碼的大小規則：0~9<A~Z<a~z

2）rowkey行鍵它可以是任意的字串，其中它的最大長度是 64KB，實際應用中長度一般為 10-100bytes。

Column Family列族

1）HBase表中的每個列，都歸屬於某個列族。

2）列族是表的schema的一部分(而列不是)，即建表時至少指定一個列族。

3）比如我們建立user表，包含info、data兩個列族，程式碼就為create 'user', 'info', 'data'。Column列列肯定是表的某一個列族下的一個列，用列族名:列名錶示，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Cell單元格。在Cell中的資料是沒有任何型別的，全部都是以位元組陣列的形式進行儲存的。

Timestamp時間戳

這個說的就是可以對錶中的Cell多次賦值，每次賦值操作時的時間戳timestamp，可看成Cell值的版本號version number。也就是一個Cell可以有多個版本的值的意思。

第4點：HBase架構

從圖中可以看出，這是一個非常典型的主從架構。

下面詳細說下各個元件：

Client客戶端

Client它是操作HBase叢集的入口，利用Client，在通過RPC與HMaster進行通訊，可以完成表的增、刪、改操作。也可以通過RPC與RegionServer通訊，完成讀寫表資料的操作。

一般我們可以利用HBase shell或者Java API進行程式設計，完成上述表的操作。

ZooKeeper叢集

ZooKeeper是什麼有什麼用，老劉已經在ZooKeeper框架那篇文章中詳細講解了，大家可以去看看。那它在HBase叢集中的作用，就非常明顯了，① 它實現了HMaster的高可用，多HMaster間進行主備選舉。② 儲存了HBase的元資料資訊meta表。③ 對HMaster和HRegionServer各個節點進行監控。

HMaster

HBase叢集也是主從架構，HMaster是主角色，是叢集的老大，主要負責管理表和Region。

那它管理表和Region做一些什麼呢？

1）管理Client對錶的增刪改的一些操作；

2）管理Region的操作就會比管理Client多一點。當Region分裂後，負責新Region分配到指定的HRegionServer上；當HRegionServer宕機後，負責其上的region的遷移；以及管理HRegionServer之間的負載均衡。

那大家有沒有了解負載均衡，什麼是負載均衡？

舉個例子，一個網站最開始建立的時候，它的訪問量比較小，但當它的流量變得特別大的時候，併發量就變得特別大了，網站就會出現訪問延遲的一些現象。這個時候呢，就需要用到負載均衡了。以前這個網站是一個單一伺服器，現在就可以配置多個伺服器叢集，那樣就可以把訪問流量分發到叢集中的不同伺服器上，這樣就大大減少了單一伺服器上的壓力，也就是負載均衡想要做的事。

HRegionServer

它是HBase叢集中從角色，是叢集中的小弟。它主要負責響應客戶端的讀寫資料請求，以及負責管理一系列的Region。

Region

它是HBase叢集中分散式儲存的最小單元，一個Region對應一個Table表的部分資料。簡單理解就是表儲存在HBase中，並且都是以Region為單位進行儲存。

第5點：HBase shell命令

說一些常用的基礎操作命令:

建立user表，包含info、data兩個列族
create 'user', 'info', 'data'

使用put命令向user表中插入資訊，row key為rk0001，列族info中新增名為name的列，值為zhangsan
put 'user', 'rk0001', 'info:name', 'zhangsan'

獲取user表中row key為rk0001的所有資訊（即所有cell的資料）
get 'user', 'rk0001'
獲取user表中row key為rk0001，info列族的所有資訊
get 'user', 'rk0001', 'info'

更新資料操作 將user表的f1列族版本數改為5
alter 'user', NAME => 'info', VERSIONS => 5

刪除資料以及刪除表操作
刪除user表row key為rk0001，列標示符為info:name的資料
delete 'user', 'rk0001', 'info:name'

清空表資料
truncate 'user'

刪除表
首先需要先讓該表為disable狀態，使用命令：
disable 'user'
然後使用drop命令刪除這個表
drop 'user'
注意：如果直接drop表，會報錯：Drop the named table. Table must first be disabled

再說一下HBase的高階操作命令:

顯示伺服器狀態
status 'node01'

顯示HBase當前使用者
whoami

顯示當前所有的表
list

統計指定表的記錄數
count 'user' 

檢查表是否存在，適用於表量特別多的情況
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命令的內容，還有用JAVA API進行表操作的內容，但是這部分老劉就不講解了，有需要的話，可以聯絡老劉，我會分享給你。

02 HBase總結

今天是HBase知識點的第一部分，老劉儘量用大白話講這些知識點講述出來了，如果還有疑問，可以聯絡公眾號：努力的老劉。

最後希望今天講的內容對大資料感興趣的同學有幫助，也希望能夠得到大家的批評和指點。覺得寫得還行的，給老劉點個贊！