HBase是一個(gè)高性能、列存儲(chǔ)、可伸縮、實(shí)時(shí)讀寫的分布式存儲(chǔ)系統(tǒng)，同樣運(yùn)行在HDFS之上。

與Hive不同的是，HBase能夠在數(shù)據(jù)庫(kù)上實(shí)時(shí)運(yùn)行，而不是跑MapReduce任務(wù)，適合進(jìn)行大數(shù)據(jù)的實(shí)時(shí)查詢。 畫像系統(tǒng)中每天在Hive里跑出的結(jié)果集數(shù)據(jù)可同步到HBase數(shù)據(jù)庫(kù)，用于線上實(shí)時(shí)應(yīng)用的場(chǎng)景。

下面介紹幾個(gè)基本概念：

·row key：用來(lái)表示唯一一行記錄的主鍵，HBase的數(shù)據(jù)是按照 row key的字典順序進(jìn)行全局排列的。訪問(wèn)HBase中的行只有3種方 式：

·通過(guò)單個(gè)row key訪問(wèn)；

·通過(guò)row key的正則訪問(wèn)；

·全表掃描。

由于HBase通過(guò)rowkey對(duì)數(shù)據(jù)進(jìn)行檢索，而rowkey由于長(zhǎng)度限制的因素不能將很多查詢條件拼接在rowkey中，因此HBase無(wú)法像關(guān)系數(shù)據(jù)庫(kù)那樣根據(jù)多種條件對(duì)數(shù)據(jù)進(jìn)行篩選。一般地，HBase需建立 二級(jí)索引來(lái)滿足根據(jù)復(fù)雜條件查詢數(shù)據(jù)的需求。

Rowkey設(shè)計(jì)時(shí)需要遵循三大原則：

·唯一性原則：rowkey需要保證唯一性，不存在重復(fù)的情況。在 畫像中一般使用用戶id作為rowkey。

·長(zhǎng)度原則：rowkey的長(zhǎng)度一般為10-100bytes。

·散列原則：rowkey的散列分布有利于數(shù)據(jù)均衡分布在每個(gè) RegionServer，可實(shí)現(xiàn)負(fù)載均衡。 ·columns family：指列簇，HBase中的每個(gè)列都?xì)w屬于某個(gè)列 簇。列簇是表的schema的一部分，必須在使用表之前定義。

劃分 columns family的原則如下：

·是否具有相似的數(shù)據(jù)格式；

·是否具有相似的訪問(wèn)類型。

常用的增刪改查命令如下。

1）創(chuàng)建一個(gè)表，指定表名和列簇名： create '<table name>','<column family>'

2）掃描表中數(shù)據(jù)，并顯示其中的10條記錄： scan '<table name>',{LIMIT=>10}

3）使用get命令讀取數(shù)據(jù)： get '<table name>','row1'

4）插入數(shù)據(jù)： put '<table name>','row1','<colfamily:colname>','<value>'

5）更新數(shù)據(jù)：put '<table name>','row ','Column family:column name','new value'

6）在刪除表之前先將其禁用，然后刪除： disable '<table name>' drop '<table name>'