Hadoop子项目——hbase

1.HBase是一个在HDFS上开发的面向列的分布式数据库，可实时地随机读写超大规模数据集，它不是关系型数据库，不支持SQL。

2.行中的列分成列族，所有的列族成员具有相同的前缀，一个表的列族必须作为表的模式定义的一部分预先给出，但是新的列族成员可以随后按需加入。

3.区域：HBase自动把表水平划分成区域，每个区域由表中行的子集构成，区域是HBase集群分布数据的最小单位。

4.HBase用一个Master节点协调管理一个或多个Regionserver从属机，Master负责启动和全新的安装、把区域分配给注册的Regionserver，恢复Regionserver的故障。Regionserver负责零个或多个区域的管理及响应客户端的读写请求，还负责区域的划分，并通知Master有了新的子区域。HBase依赖于ZooKeeper,若区域的分配过程中有服务器崩溃，就通过ZooKeeper来协调分配。

5.HBase内部有保留一个名为-ROOT- 和.META. 的目录，-ROOT-包含.META.表的区域列表。客服端首先查找-ROOT-的位置，获取所请求行的所在范围所属的.META.区域的位置，再查找.META.获取用户空间区域节点及其位置，接着客服端可以直接和管理那个区域的Regionserver交互。

6. 要启动一个使用本地文件系统/tmp目录作为持久化存储的HBase实例，用命令：

%start -hbase.sh

管理hbase实例，用命令：

%hbase shell

7.建表时定义表名、定义模式，模式包括表的属性和一个列族的列表。 disable把表设为离线，enable把表设为在线。

8.需要加载的数据量很大时，可以把源数据复制到HDFS,接着运行MR作业将数据写入HBase。

9.HBase无真正的索引；自动分区（表的规模增大时，自动分裂成区域，分布到可用节点）；线性扩展。

10.实战：

> create 'test','data'

>list

>put 'test','row1','data:1','value1'

> put 'test','row2','data:2','value2'

>put 'test','row3','data:3','value3'

>scan 'test'

>disable 'test'

>drop 'test'