HBase是一個高性能、列存儲、可伸縮、實時讀寫的分布式存儲系統(tǒng)，同樣運行在HDFS之上。

與Hive不同的是，HBase能夠在數(shù)據(jù)庫上實時運行，而不是跑MapReduce任務(wù)，適合進行大數(shù)據(jù)的實時查詢。 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，用于線上實時應(yīng)用的場景。

下面介紹幾個基本概念：

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

·通過單個row key訪問；

·通過row key的正則訪問；

·全表掃描。

由于HBase通過rowkey對數(shù)據(jù)進行檢索，而rowkey由于長度限制的因素不能將很多查詢條件拼接在rowkey中，因此HBase無法像關(guān)系數(shù)據(jù)庫那樣根據(jù)多種條件對數(shù)據(jù)進行篩選。一般地，HBase需建立 二級索引來滿足根據(jù)復(fù)雜條件查詢數(shù)據(jù)的需求。

Rowkey設(shè)計時需要遵循三大原則：

·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。

·長度原則：rowkey的長度一般為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 RegionServer，可實現(xiàn)負(fù)載均衡。 ·columns family：指列簇，HBase中的每個列都?xì)w屬于某個列 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類型。

常用的增刪改查命令如下。

1）創(chuàng)建一個表，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>'