《HBase in Action》 第二章节的学习总结 ---- HBase基本组成

准备工作：采用的HBase版本是：CDH4.5，其中的Hadoop版本是：hadoop-2.0.0-cdh4.5.0；HBase版本是：hbase-0.94.6-cdh4.5.0；

Hbase的配置文件的最基本设置
conf/hbase-env.sh文件，需明确定义： export JAVA_HOME=/usr/local/jdk1.6.0_31
conf/hbase-site.xml文件，需明确定义：
<configuration>
<property>
    <name>hbase.rootdir</name>
    <value>hdfs://localhost:9000/hbase</value>   //表明Hbase的文件存储在哪里？这里需要提前在hadoop中创建hbase文件夹
</property>
<property>
    <name>hbase.cluster.distributed</name>  //表明使用完全分布的模式进行安装
    <value>true</value>
</property>
<property>
    <name>hbase.tmp.dir</name>
    <value>/home/hadoop/CDH4Dev/tmp</value>
</property>
<property>
    <name>hbase.zookeeper.property.clientPort</name>  //用于客户端与Zookeeper通信的端口设置，即客户端通过访问此端口来与Zookeeper通信
    <value>2181</value>
</property>
<property>
    <name>hbase.zookeeper.quorum</name>  //指定了用于协调HBase集群的ZooKeeper集群结点，必须配置奇数个结点。这里就一个，就是本机
    <value>localhost</value>
</property>
</configuration>

1.  Hbase提供用户的操作途径有多种，最基本的是 shell方式以及Java API。当然，今后用得更多的，应该是JAVA API。所以我的学习也是重点关注JAVA API方面
2.  基于Eclipse（推荐用Indigo版本，兼容性较好）编写Hbase程序，需要引入Hbase目录中的JAR包（位置：CDH4Dev/hbase/hbase-0.94.6-cdh4.5.0-security.jar 以及 CDH4Dev/hbase/lib目录中的jar包 ）
3.  HBase中一个表的基本构成
     HBase是数据库，数据库自然由各个表构成。单个表的基本构成如下：
     TableName --- 表名
     Rowkey --- 行健
     Column Family --- 列族
     Column qualifier --- 列限定符，一个列族可以包括任意多个列限定符
     cell --- 单元
     time version ---- 时间版本  一个单元可以存储多个时间版本的具体数据
     Data  --- 最终真正存储的一个数据，Hbase中是以byte[]形式记录数据的
     此书中对HBase表结构最形象的定义，就是2.5.1章节所写的：HBase的表，可以理解为一个多层嵌套的映射结构。即：
      MAP<RowKey, Map<ColumnFamily, Map<ColumnQualifier, Map<TimeVersion, Data>>>>  
4.  存储HBase数据的物理结构包括:
     写的时候，用到WAL和MemStore。其中，WAL是预写式日志，是存储在硬盘里的，一般基于HDFS文件系统；MemStore是记录在内存中的。这两个机制用于确保Hbase写数据的持久性（即不会由于服务器宕机等异常而导致数据丢失）
     真正存储数据的是HFile。HFile是基于列族的（即一个列族的数据可以存储在1个或者多个HFile中；但一个HFile不能存储多个列族的数据）。HFile同样位于硬盘中，基于HDFS文件系统。HFile的物理存放形式是一个Block的序列外加这些Block的索引。
     读取数据时，用到BlockCache。BlockCache设计用来保存从HFile里读入内存的频繁访问的数据，避免硬盘读。每个列族都有自己的BlockCache。BlockCache中的Block是HBase从硬盘完成一次读取的数据单位。Block大小按照列族设定，默认是64KB。从HBase中读出一行，首先会检查MemStore等待修改的队列，然后检查BlockCache看包含该行的Block是否最近被访问过，最后访问硬盘上的对应HFile。
 
5.HBase程序的基本部件
   1.得到HBase的配置文件：Configuration conf = HBaseConfiguration.create(); --- 这样获得的配置内容，来自hbase-default.xml和hbase-site.xml
   2.控制HBase表的方法有多种：
      A.HTableInterface usersTable = new HTable(conf, "users");  ---- 基于HBase的配置信息（conf），创建一个名字叫users的表.HTable用于控制某个具体的表。
      B.HTablePool pool = new HTbalePool();
         HTableInterface usersTable = pool.getTable("users");
      C.HBaseAdmin admin = new HBaseAdmin(conf);   --- 这是对整个HBase的控制，不仅仅针对某个Table
   3.Put(代表表中的一行，用于写数据)；Get（代表表的一行，用于读数据），Delete（代表表的一行，用于删除数据）
      注意：删除操作不是真正的删除数据，而是给要删除的数据打上一个删除标记；真正删除数据需要等到“大合并”。
   4.Scan(扫描，而且是以行健范围为入参的扫描)，扫描范围的结果（包括起始键，但不包括停止键）存储在 ResultsScanner rs对象中。然后可以通过
      for(Result r : rs) 来依次获得每行的具体内容
   5.Filter（过滤器），是帮助Scan获得更精确扫描结果的利器。Filter是可以自定义的，而且其过滤的处理是在Server端进行的（从而降低从Server传递到Client的数据量，进而降低对网络IO的负担）

6. 要运行JAVA API编写的HBase代码，需要：

    先启动hdfs（./start-dfs.sh），以及hbase（./start-hbase.sh）；然后运行编写的Class即可。

原文：http://www.cnblogs.com/lagujw/p/3632526.html