無論是 NoSQL，還是大數據領域，HBase 都是非常"炙熱"的一門數據庫。
本文將對 HBase 做一些基礎性的介紹，旨在入門。
一、簡介
HBase 是一個開源的、面向列的非關系型分布式數據庫，目前是Hadoop體系中非常關鍵的一部分。
在最初，HBase是基於谷歌的 BigTable 原型實現的，許多技術來自於Fay Chang在2006年所撰寫的Google論文"BigTable"。與 BigTable基於Google文件系統（File System）一樣，HBase則是基於HDFS(Hadoop的分布式文件系統)之上而開發的。
HBase 采用 Java 語言實現，在其內部實現了BigTable論文提到的一些壓縮算法、內存操作和布隆過濾器等，這些能力使得HBase 在海量數據存儲、高性能讀寫場景中得到了大量應用，如 Facebook 在 2010年11 月開始便一直選用 HBase來作為消息平台的存儲層技術。
HBase 以 Apache License Version 2.0開源，這是一種對商業應用友好的協議，同時該項目當前也是Apache軟件基金會的頂級項目之一。
有什么特性
- 基於列式存儲模型，對於數據實現了高度壓縮，節省存儲成本
- 采用 LSM 機制而不是B(+)樹，這使得HBase非常適合海量數據實時寫入的場景
- 高可靠，一個數據會包含多個副本(默認是3副本)，這得益於HDFS的復制能力，由RegionServer提供自動故障轉移的功能
- 高擴展，支持分片擴展能力(基於Region)，可實現自動、數據均衡
- 強一致性讀寫，數據的讀寫都針對主Region上進行，屬於CP型的系統
- 易操作，HBase提供了Java API、RestAPI/Thrift API等接口
- 查詢優化，采用Block Cache 和 布隆過濾器來支持海量數據的快速查找
與RDBMS的區別
對於傳統 RDBMS 來說，支持 ACID 事務是數據庫的基本能力，而 HBase 則使用行級鎖來保證寫操作的原子性，但是不支持多行寫操作的事務性，這主要是從靈活性和擴展性上做出的權衡。
ACID 要素包含 原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）以及持久性（Durability）
總體來說， HBase 與傳統關系數據庫的區別，如下表所示：
| 特性 | HBase | RDBMS |
|---|---|---|
| 硬件架構 | 類似於 Hadoop 的分布式集群，硬件成本低廉 | 傳統的多核系統，硬件成本昂貴 |
| 容錯性 | 由軟件架構實現，由於由多個節點組成，所以不擔心一點或幾點宕機 | 一般需要額外硬件設備實現 HA 機制 |
| 數據庫大小 | PB | GB、TB |
| 數據排布方式 | 稀疏的、分布的多維的 Map | 以行和列組織 |
| 數據類型 | Bytes | 豐富的數據類型 |
| 事物支持 | ACID 只支持單個 Row 級別 | 全面的 ACID 支持，對 Row 和表 |
| 查詢語言 | 只支持 Java API （除非與其他框架一起使用，如 Phoenix、Hive） | SQL |
| 索引 | 只支持 Row-key，除非與其他技術一起應用，如 Phoenix、Hive | 支持 |
| 吞吐量 | 百萬查詢/每秒 | 數千查詢/每秒 |
二、數據模型
下面，我們以關系型數據庫的一個數據表來演示 HBase 的不同之處。 先來看下面這張表：
| ID | 設備名 | 狀態 | 時間戳 |
|---|---|---|---|
| 1 | 空調 | 打開 | 20190712 10:05:01 |
| 2 | 電視機 | 關閉 | 20190712 10:05:08 |
這里記錄的是一些家庭設備上報的狀態數據(DeviceState)，其中包括設備名、狀態、時間戳這些字段。
在 HBase 中，數據是按照列族(Column Family，簡稱CF)來存儲的，也就是說對於不同的列會被分開存儲到不同的文件。
那么對於上面的狀態數據表來說，在HBase中會被存儲為兩份：
列族1. 設備名
| Row-Key | CF:Column-Key | Timestamp | Cell Value |
|---|---|---|---|
| 1 | DeviceState:設備名 | 20190712 10:05:01 | 空調 |
| 2 | DeviceState:設備名 | 20190712 10:05:08 | 電視機 |
列族2. 狀態
| Row-Key | CF:Column-Key | Timestamp | Cell Value |
|---|---|---|---|
| 1 | DeviceState:狀態 | 20190712 10:05:01 | 打開 |
| 2 | DeviceState:狀態 | 20190712 10:05:08 | 關閉 |
這里Row-key是唯一定位數據行的ID字段，而Row-key 加上 CF、Column-Key，再加上一個時間戳才可以定位到一個單元格數據。
其中時間戳用來表示數據行的版本， 在HBase中默認會有 3 個時間戳的版本數據，這意味着對同一條數據(同一個Rowkey關聯的數據)進行寫入時，最多可以保存3個版本。
在查詢某一行的數據時，HBase需要同時從兩個列族(文件)中進行查找，最終將結果合並后返回給客戶端。 由此可見如果列族太多，則會影響讀取的性能，在設計時就需要做一些權衡。
由此可見，HBase的使用方式與關系型數據庫是大不相同的，在使用 HBase 時需要拋棄許多關系型數據庫的思維及做法，比如強類型、二級索引、表連接、觸發器等等。
然而 HBase 的靈活性及高度可伸縮性卻是傳統 RDBMS 無法比擬的。
三、安裝HBase
單機環境安裝
- 准備JDK環境
確保環境上JDK已經裝好，可執行java -version確認：
host:/home/hbase # java -version
openjdk version "1.8.0_201"
OpenJDK Runtime Environment (build 1.8.0_201-Huawei_JDK_V100R001C00SPC060B003-b10)
OpenJDK 64-Bit Server VM (build 25.201-b10, mixed mode)
- 下載軟件
官網的下載地址頁面：
http://archive.apache.org/dist/hbase/
選擇合適的版本，比如1.4.10。 下載后解壓：
wget http://archive.apache.org/dist/hbase/2.1.5/hbase-2.1.5-bin.tar.gz
tar -xzvf hbase-2.1.5-bin.tar.gz
mkdir -p /opt/local
mv hbase-2.1.5 /opt/local/hbase
配置HBase執行命令路徑：
export HBASE_HOME=/opt/local/hbase
export PATH=$PATH:$HBASE_HOME/bin
- 配置軟件
vim conf/hbase-env.sh
#JDK安裝目錄
export JAVA_HOME=/usr/local/jre1.8.0_201
#配置hbase自己管理zookeeper
export HBASE_MANAGES_ZK=true
vim conf/hbase-site.xml
<configuration>
<!-- zookeeper端口 -->
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2182</value>
</property>
<!-- HBase 數據存儲目錄 -->
<property>
<name>hbase.rootdir</name>
<value>file:///opt/local/hbase/data</value>
</property>
<!-- 用於指定 ZooKeeper 數據存儲目錄 -->
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/opt/local/hbase/data/zookeeper</value>
</property>
<!-- 用於指定臨時數據存儲目錄 -->
<property>
<name>hbase.tmp.dir</name>
<value>/opt/local/hbase/temp/hbase-${user.name}</value>
</property>
</configuration>
其中 hbase.rootdir 和 hbase.zookeeper.property.dataDir 都用來指定數據存放的目錄，默認情況下hbase會使用/tmp目錄，這顯然是不合適的。
配置了這兩個路徑之后，hbase會自動創建相應的目錄。
關於更多的參數設定可參考這里
- 啟動軟件
start-hbase.sh
此時查看 logs/hbase-root-master-host-xxx.log，如下：
2019-07-11 07:37:23,654 INFO [localhost:33539.activeMasterManager] hbase.MetaMigrationConvertingToPB: hbase:meta doesn't have any entries to update.
2019-07-11 07:37:23,654 INFO [localhost:33539.activeMasterManager] hbase.MetaMigrationConvertingToPB: META already up-to date with PB serialization
2019-07-11 07:37:23,664 INFO [localhost:33539.activeMasterManager] master.AssignmentManager: Clean cluster startup. Assigning user regions
2019-07-11 07:37:23,665 INFO [localhost:33539.activeMasterManager] master.AssignmentManager: Joined the cluster in 11ms, failover=false
2019-07-11 07:37:23,672 INFO [localhost:33539.activeMasterManager] master.TableNamespaceManager: Namespace table not found. Creating...
檢查進程情況，發現進程已經啟動
ps -ef |grep hadoop
root 11049 11032 2 07:37 pts/1 00:00:20 /usr/local/jre1.8.0_201/bin/java -Dproc_master -XX:OnOutOfMemoryError=kill -9 %p -XX:+UseConcMarkSweepGC -XX:PermSize=128m -XX:MaxPermSize=128m -XX:ReservedCodeCacheSize=256m -Dhbase.log.dir=/opt/local/hbase/logs -Dhbase.log.file=hbase-root-master-host-192-168-138-148.log -Dhbase.home.dir=/opt/local/hbase -Dhbase.id.str=root -Dhbase.root.logger=INFO,RFA -Dhbase.security.logger=INFO,RFAS org.apache.hadoop.hbase.master.HMaster start
root 18907 30747 0 07:50 pts/1 00:00:00 grep --color=auto hadoop
通過JPS(JDK自帶的檢查工具) 可以看到當前啟動的Java進程：
# jps
5701 Jps
4826 HMaster
1311 jar
查看 data目錄，發現生成了對應的文件：
host:/opt/local/hbase/data # ls -lh .
total 36K
drwx------. 4 root root 4.0K Jul 11 08:08 data
drwx------. 4 root root 4.0K Jul 11 08:08 hbase
-rw-r--r--. 1 root root 42 Jul 11 08:08 hbase.id
-rw-r--r--. 1 root root 7 Jul 11 08:08 hbase.version
drwx------. 2 root root 4.0K Jul 11 08:08 MasterProcWALs
drwx------. 2 root root 4.0K Jul 11 08:08 oldWALs
drwx------. 3 root root 4.0K Jul 11 08:08 .tmp
drwx------. 3 root root 4.0K Jul 11 08:08 WALs
drwx------. 3 root root 4.0K Jul 11 08:08 zookeeper
關於運行模式
HBase啟動時默認會使用單機模式，此時 Zookeeper和 HMaster/RegionServer 會運行在同一個JVM中。
以standalone模式啟動的HBase會包含一個HMaster、RegionServer、Zookeeper實例，此時 HBase 會直接使用本地文件系統而不是HDFS。
通過將 conf/hbase-site.xml中的 hbase.cluster.distributed 配置為true，就是集群模式了。
在這個模式下，你可以使用分布式環境進行部署，或者是"偽分布式"的多進程環境。
<configuration>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
</configuration>
需要注意的是，如果以standalone啟動的話，HMaster、RegionServer端口都是隨機的，無法通過配置文件指定。
四、基本使用
打開HBase Shell
hbase shell
執行status命令
Version 2.1.5, r76ab087819fe82ccf6f531096e18ad1bed079651, Wed Jun 5 16:48:11 PDT 2019
hbase(main):001:0> status
1 active master, 0 backup masters, 1 servers, 0 dead, 2.0000 average load
這表示有一個Master在運行，一個RegionServer，每個RegionServer包含2個Region。
表操作
- 創建DeviceState表
hbase(main):002:0> create "DeviceState", "name:c1", "state:c2"
=> Hbase::Table - DeviceState
此時，已經創建了一個DeviceState表，包含name(設備名稱)、state(狀態)兩個列。
查看表信息：
hbase(main):003:0> list
TABLE
DeviceState
1 row(s) in 0.0090 seconds
=> ["DeviceState"]
hbase(main):003:0> describe "DeviceState"
Table DeviceState is ENABLED
DeviceState
COLUMN FAMILIES DESCRIPTION
{NAME => 'name', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSIO
N => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}
{NAME => 'state', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSI
ON => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}
2 row(s) in 0.0870 seconds
- 寫入數據
通過下面的命令，向DeviceState寫入兩條記錄，由於有兩個列族，因此需要寫入四個單元格數據：
put "DeviceState", "row1", "name", "空調"
put "DeviceState", "row1", "state", "打開"
put "DeviceState", "row2", "name", "電視機"
put "DeviceState", "row2", "state", "關閉"
- 查詢數據
查詢某行、某列
hbase(main):012:0> get "DeviceState","row1"
COLUMN CELL
name: timestamp=1562834473008, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
state: timestamp=1562834474630, value=\xE5\x85\xB3\xE9\x97\xAD
1 row(s) in 0.0230 seconds
hbase(main):013:0> get "DeviceState","row1", "name"
COLUMN CELL
name: timestamp=1562834473008, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
1 row(s) in 0.0200 seconds
掃描表
hbase(main):026:0> scan "DeviceState"
ROW COLUMN+CELL
row1 column=name:, timestamp=1562834999374, value=\xE7\xA9\xBA\xE8\xB0\x83
row1 column=state:, timestamp=1562834999421, value=\xE6\x89\x93\xE5\xBC\x80
row2 column=name:, timestamp=1562834999452, value=\xE7\x94\xB5\xE8\xA7\x86\xE6\x9C\xBA
row2 column=state:, timestamp=1562835001064, value=\xE5\x85\xB3\xE9\x97\xAD
2 row(s) in 0.0250 seconds
查詢數量
hbase(main):014:0> count "DeviceState"
2 row(s) in 0.0370 seconds
=> 1
- 清除數據
刪除某列、某行
delete "DeviceState", "row1", "name"
0 row(s) in 0.0080 seconds
hbase(main):003:0> deleteall "DeviceState", "row2"
0 row(s) in 0.1290 seconds
清空整個表數據
hbase(main):021:0> truncate "DeviceState"
Truncating 'DeviceState' table (it may take a while):
- Disabling table...
- Truncating table...
0 row(s) in 3.5060 seconds
刪除表(需要先disable)
hbase(main):006:0> disable "DeviceState"
0 row(s) in 2.2690 seconds
hbase(main):007:0> drop "DeviceState"
0 row(s) in 1.2880 seconds
五、FAQ
- 啟動時提示 ZK 端口監聽失敗：
Could not start ZK at requested port of 2181. ZK was started at port: 2182. Aborting as clients (e.g. shell) will not be able to find this ZK quorum
原因
HBase需要啟動Zookeeper，而本地的2181端口已經被啟用(可能有其他Zookeeper實例)
解決辦法
conf/hbase-site.xml中修改hbase.zookeeper.property.clientPort的值，將其修改為2182，：
<configuration>
<property>
<name>hbase.zookeeper.property.clientPort</name>
<value>2182</value>
</property>
</configuration>
- 啟動HBase Shell時提示java.lang.UnsatisfiedLinkError
原因
在執行hbase shell期間，JRuby會在“java.io.tmpdir”路徑下創建一個臨時文件，該路徑的默認值為“/tmp”。如果為“/tmp”目錄設置NOEXEC權限，然后hbase shell會啟動失敗並拋出“java.lang.UnsatisfiedLinkError”錯誤。
解決辦法
- 取消/tmp的noexec權限(不推薦)
- 設置java.io.tmpdir變量，指向可用的路徑，編輯conf/hbase-env.sh文件：
export HBASE_TMP_DIR=/opt/local/hbase/temp
export HBASE_OPTS="-XX:+UseConcMarkSweepGC -Djava.io.tmpdir=$HBASE_TMP_DIR"
參考文檔
HBase 官方權威指南
https://hbase.apache.org/book.html#quickstart
HBase 單機模式搭建
https://my.oschina.net/jackieyeah/blog/712019
HBase 深入淺出
較詳細介紹了HBase的由來以及特性，文中提供了HBase集群、存儲機制的一些簡介，非常適合入門閱讀
https://www.ibm.com/developerworks/cn/analytics/library/ba-cn-bigdata-hbase/index.html