shell: HBase Shell 常用操作
June 5, 2015
HBase Shell是HBase的一个命令行工具，我们可以通过它对HBase进行维护操作。我们可以使用sudo -u hbase hbase shell来进入HBase shell。在HBase shell中，可以使用status, version和whoami分别获得当前服务的状态、版本、登录用户和验证方式。
> status 3 servers, 1 dead, 1.3333 average load > version 0.98.6-cdh5.3.1, rUnknown, Tue Jan 27 16:43:50 PST 2015 > whoami hbase (auth:SIMPLE) groups: hbase
HBase shell中的帮助命令非常强大，使用help获得全部命令的列表，使用help ‘command_name’获得某一个命令的详细信息。例如：
> help 'list' List all tables in hbase. Optional regular expression parameter could be used to filter the output. Examples: hbase> list hbase> list 'abc.*' hbase> list 'ns:abc.*' hbase> list 'ns:.*'
Table of Contents
1. 命名空间
在HBase系统中，命名空间namespace指的是一个HBase表的逻辑分组，同一个命名空间中的表有类似的用途，也用于配额和权限等设置进行安全管控。
HBase默认定义了两个系统内置的预定义命名空间：
• hbase：系统命名空间，用于包含hbase的内部表
• default：所有未指定命名空间的表都自动进入该命名空间
我们可以通过create_namespace命令来建立命名空间
> create_namespace 'debugo_ns' 0 row(s) in 2.0910 seconds
通过drop_namespace来删除命名空间
> drop_namespace 'debugo_ns' 0 row(s) in 1.9540 seconds
通过alter_namespac改变表的属性，其格式如下：
显示命名空间以及设定的元信息：
> describe_namespace 'debugo_ns'
DESCRIPTION
{NAME => 'debugo_ns'}
1 row(s) in 1.9540 seconds
显示所有命名空间
> list_namespace NAMESPACE debugo_ns default hbase 3 row(s) in 0.0910 seconds
在HBase下建表需要使用create table_name, column_family1, 这个命令:
> create 'user','info' 0 row(s) in 0.9030 seconds => Hbase::Table - user
这个时候这个表是创建在default下面。如果需要在debugo_ns这个命名空间下面建表，则需要使用create namespace:table_name这种方式:
> create_namespace 'debugo_ns' 0 row(s) in 2.0910 seconds create 'debugo_ns:users', 'info' 0 row(s) in 0.4640 seconds => Hbase::Table - debugo_ns:users
List命令可以列出当前HBase实例中的所有表，支持使用正则表达式来匹配。
> list_namespace_tables 'debugo_ns' TABLE users 1 row(s) in 0.0400 seconds
使用list_namespace_tables也可以直接输出某个命名空间下的所有表
> list_namespace_tables 'debugo_ns' TABLE users 1 row(s) in 0.0400 seconds
2. DDL语句
首先是建立HBase表，上面我们已经用过create命令了。它后面的第一个参数是表名，然后是一系列列簇的列表。每个列簇中可以独立指定它使用的版本数，数据有效保存时间（TTL），是否开启块缓存等信息。
> create 't1', {NAME => 'f1', VERSIONS => 1, TTL => 2592000, BLOCKCACHE => true}, 'f2'
表也可以在创建时指定它预分割(pre-splitting)的region数和split方法。在表初始建立时，HBase只分配给这个表一个region。这就意味着当我们访问这个表数据时，我们只会访问一个region server，这样就不能充分利用集群资源。HBase提供了一个工具来管理表的region数，即org.apache.hadoop.hbase.util.RegionSplitter和HBase shell中create中的split的配置项。例如：
> create 't2', 'f1', {NUMREGIONS => 3, SPLITALGO => 'HexStringSplit'}
我们通过describe 来查看这个表中的元信息：
> describe 't2'
DESCRIPTION ENABLED
't2', {NAME => 'f1', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', REPLIC true ATION_SCOPE => '0', VERSIONS => '1', COMPRESSION => 'NONE', MIN_VERSIONS => '0', TTL => 'FOREVER', KEEP_DELETED_CELLS => 'false', BLOCKSIZE => '65536', IN_MEMOR Y => 'false', BLOCKCACHE => 'true'}
1 row(s) in 0.0690 seconds
通过enable和disable来启用/禁用这个表,相应的可以通过is_enabled和is_disabled来检查表是否被禁用。
> disable 't2' 0 row(s) in 1.4410 seconds > enable 't2' 0 row(s) in 0.5940 seconds > is_enabled 't2' true 0 row(s) in 0.0400 seconds hbase(main):042:0> is_disabled 't2' false 0 row(s) in 0.0490 seconds
使用exists来检查表是否存在
> exists 't2' Table t2 does exist 0 row(s) in 0.0590 seconds
使用alter来改变表的属性，比如改变列簇的属性, 这涉及将信息更新到所有的region。在过去的版本中，alter操作需要先把table禁用，而在当前版本已经不需要。
> alter 't1', {NAME => 'f1', VERSIONS => 5}
Updating all regions with the new schema...
0/1 regions updated.
1/1 regions updated.
Done.
0 row(s) in 2.3470 seconds
另外一个非常常用的操作是添加和删除列簇：
> alter 't1','f3' Updating all regions with the new schema... 0/1 regions updated. 1/1 regions updated. Done. 0 row(s) in 2.3130 seconds > alter 't1', 'delete' => 'f3'
或者：
> alter 't1',{ NAME => 'f3', METHOD => 'delete'}
Updating all regions with the new schema...
0/1 regions updated.
1/1 regions updated.
Done.
0 row(s) in 2.2930 seconds
删除表需要先将表disable。
> disable 't1' 0 row(s) in 1.4310 seconds > drop 't1' 0 row(s) in 0.2440 seconds
3. put与get
在HBase shell中，我们可以通过put命令来插入数据。例如我们新创建一个表，它拥有id、address和info三个列簇，并插入一些数据。列簇下的列不需要提前创建，在需要时通过
:
> create 'member','id','address','info' 0 row(s) in 0.4570 seconds => Hbase::Table – member put 'member', 'debugo','id','11' put 'member', 'debugo','info:age','27' put 'member', 'debugo','info:birthday','1987-04-04' put 'member', 'debugo','info:industry', 'it' put 'member', 'debugo','address:city','beijing' put 'member', 'debugo','address:country','china' put 'member', 'Sariel', 'id', '21' put 'member', 'Sariel','info:age', '26' put 'member', 'Sariel','info:birthday', '1988-05-09 ' put 'member', 'Sariel','info:industry', 'it' put 'member', 'Sariel','address:city', 'beijing' put 'member', 'Sariel','address:country', 'china' put 'member', 'Elvis', 'id', '22' put 'member', 'Elvis','info:age', '26' put 'member', 'Elvis','info:birthday', '1988-09-14 ' put 'member', 'Elvis','info:industry', 'it' put 'member', 'Elvis','address:city', 'beijing' put 'member', 'Elvis','address:country', 'china'
获取一个id的所有数据
> get 'member', 'Sariel' COLUMN CELL address:city timestamp=1425871035382, value=beijing address:country timestamp=1425871035424, value=china id: timestamp=1425871035176, value=21 info:age timestamp=1425871035225, value=26 info:birthday timestamp=1425871035296, value=1988-05-09 info:industry timestamp=1425871035334, value=it 6 row(s) in 0.0530 seconds
获得一个id，一个列簇（一个列）中的所有数据:
> get 'member', 'Sariel', 'info' COLUMN CELL info:age timestamp=1425871035225, value=26 info:birthday timestamp=1425871035296, value=1988-05-09 info:industry timestamp=1425871035334, value=it 3 row(s) in 0.0320 seconds > get 'member', 'Sariel', 'info:age' COLUMN CELL info:age timestamp=1425871035225, value=26 1 row(s) in 0.0270 seconds
通过describe ‘member’可以看到，默认情况下列簇只保存1个version。我们先将其修改到2,然后update一些信息。
> alter 'member', {NAME=> 'info', VERSIONS => 2}
Updating all regions with the new schema...
0/1 regions updated.
1/1 regions updated.
Done.
0 row(s) in 2.2580 seconds
> put 'member', 'debugo','info:age','29'
> put 'member', 'debugo','info:age','28'
> get 'member', 'debugo', {COLUMN=>'info:age', VERSIONS=>2}
COLUMN CELL
info:age timestamp=1425884510241, value=28
info:age timestamp=1425884510195, value=29
2 row(s) in 0.0400 seconds
4. 其他DML语句
通过delete命令，我们可以删除id为某个值的‘info:age’字段，接下来的get就无视了
> delete 'member','debugo','info:age' 0 row(s) in 0.0420 seconds > get 'member','debugo','info:age' COLUMN CELL 0 row(s) in 0.3270 seconds
通过deleteall来删除整行
> delete 'member','debugo','info:age' 0 row(s) in 0.0420 seconds > get 'member','debugo','info:age' COLUMN CELL 0 row(s) in 0.3270 seconds
给’Sariel’的’info:age’字段添加，并使用incr实现递增。但需要注意的是，这个value需要是一个数值，如果使用单引号标识的字符串就无法使用incr。在使用Java API开发时，我们可以使用toBytes函数讲数值转换成byte字节。在HBase shell中我们只能通过incr来初始化这个列，
> delete 'member','Sariel','info:age' 0 row(s) in 0.0270 seconds > incr 'member','Sariel','info:age',26 0 row(s) in 0.0290 seconds > incr 'member','Sariel','info:age' 0 row(s) in 0.0290 seconds > incr 'member','Sariel','info:age', -1 0 row(s) in 0.0230 seconds > get 'member','Sariel','info:age' COLUMN CELL info:age timestamp=1425890213341, value=x00x00x00x00x00x00x00x1A 1 row(s) in 0.0280 seconds
十六进制1A是26，通过上面增1再减1后得到的结果。下面通过count统计行数。
> count 'member' 2 row(s) in 0.0750 seconds => 2
通过truncate来截断表。hbase是先将掉disable掉，然后drop掉后重建表来实现truncate的功能的。
hbase(main):010:0> truncate 'member' Truncating 'member' table (it may take a while): - Disabling table... - Dropping table... - Creating table... 0 row(s) in 2.3260 seconds
5. scan和filter
通过scan来对全表进行扫描。我们将之前put的数据恢复。
> scan 'member' ROW COLUMN+CELL Elvis column=address:city, timestamp=1425891057211, value= beijing Elvis column=address:country, timestamp=1425891057258, val ue=china Elvis column=id:, timestamp=1425891057038, value=22 Elvis column=info:age, timestamp=1425891057083, value=26 Elvis column=info:birthday, timestamp=1425891057129, value =1988-09-14 Elvis column=info:industry, timestamp=1425891057172, value =it Sariel column=address:city, timestamp=1425891056965, value= beijing Sariel column=address:country, timestamp=1425891057003, val ue=china Sariel column=id:, timestamp=1425891056767, value=21 Sariel column=info:age, timestamp=1425891056808, value=26 Sariel column=info:birthday, timestamp=1425891056883, value =1988-05-09 Sariel column=info:industry, timestamp=1425891056924, value =it debugo column=address:city, timestamp=1425891056642, value= beijing debugo column=address:country, timestamp=1425891056726, val ue=china debugo column=id:, timestamp=1425891056419, value=11 debugo column=info:age, timestamp=1425891056499, value=27 debugo column=info:birthday, timestamp=1425891056547, value =1987-04-04 debugo column=info:industry, timestamp=1425891056597, value =it 3 row(s) in 0.0660 seconds3 row(s) in 0.0590 seconds
指定扫描其中的某个列：
> scan 'member', {COLUMNS=> 'info:birthday'}
或者整个列簇：
> scan 'member', {COLUMNS=> 'info'}
ROW COLUMN+CELL
Elvis column=info:age, timestamp=1425891057083, value=26
Elvis column=info:birthday, timestamp=1425891057129, value=1988-09-14
Elvis column=info:industry, timestamp=1425891057172, value=it
Sariel column=info:age, timestamp=1425891056808, value=26
Sariel column=info:birthday, timestamp=1425891056883, value=1988-05-09
Sariel column=info:industry, timestamp=1425891056924, value=it
debugo column=info:age, timestamp=1425891056499, value=27
debugo column=info:birthday, timestamp=1425891056547, value=1987-04-04
debugo column=info:industry, timestamp=1425891056597, value=it
3 row(s) in 0.0650 seconds
除了列（COLUMNS）修饰词外，HBase还支持Limit（限制查询结果行数），STARTROW （ROWKEY起始行。会先根据这个key定位到region，再向后扫描）、STOPROW(结束行)、TIMERANGE（限定时间戳范围）、VERSIONS（版本数）、和FILTER（按条件过滤行）等。比如我们从Sariel这个rowkey开始，找下一个行的最新版本：
> scan 'member', { STARTROW => 'Sariel', LIMIT=>1, VERSIONS=>1}
ROW COLUMN+CELL
Sariel column=address:city, timestamp=1425891056965, value=beijing
Sariel column=address:country, timestamp=1425891057003, value=china
Sariel column=id:, timestamp=1425891056767, value=21
Sariel column=info:age, timestamp=1425891056808, value=26
Sariel column=info:birthday, timestamp=1425891056883, value=1988-05-09
Sariel column=info:industry, timestamp=1425891056924, value=it
1 row(s) in 0.0410 seconds
Filter是一个非常强大的修饰词，可以设定一系列条件来进行过滤。比如我们要限制某个列的值等于26：
> scan 'member', FILTER=>"ValueFilter(=,'binary:26')>" ROW COLUMN+CELL Elvis column=info:age, timestamp=1425891057083, value=26 Sariel column=info:age, timestamp=1425891056808, value=26 2 row(s) in 0.0620 seconds
值包含6这个值：
> scan 'member', FILTER=>"ValueFilter(=,'substring:6')>" Elvis column=info:age, timestamp=1425891057083, value=26 Sariel column=info:age, timestamp=1425891056808, value=26 2 row(s) in 0.0620 seconds
列名中的前缀为birthday的：
> scan 'member', FILTER=>"ColumnPrefixFilter('birth') >"
ROW COLUMN+CELL
Elvis column=info:birthday, timestamp=1425891057129, value=1988-09-14
Sariel column=info:birthday, timestamp=1425891056883, value=1988-05-09
debugo column=info:birthday, timestamp=1425891056547, value=1987-04-04
3 row(s) in 0.0450 seconds
FILTER中支持多个过滤条件通过括号、AND和OR的条件组合。
> scan 'member', FILTER=>"ColumnPrefixFilter('birth') AND ValueFilter ValueFilter(=,'substring:1987')>"
ROW COLUMN+CELL
Debugo column=info:birthday, timestamp=1425891056547, value=1987-04-04
1 row(s) in 0.0450 seconds
同一个rowkey的同一个column有多个version，根据timestamp来区分。而每一个列簇有多个column。而FIRSTKEYONLY仅取出每个列簇的第一个column的第一个版本。而KEYONLY则是对于每一个column只去取出key，把VALUE的信息丢弃,一般和其他filter结合使用。例如：
> scan 'member', FILTER=>"FirstKeyOnlyFilter()>" ROW COLUMN+CELL Elvis column=address:city, timestamp=1425891057211, value=beijing Sariel column=address:city, timestamp=1425891056965, value=beijing debugo column=address:city, timestamp=1425891056642, value=beijing 3 row(s) in 0.0230 seconds > scan 'member', FILTER=>"KeyOnlyFilter()>" hbase(main):055:0> scan 'member', FILTER=>"KeyOnlyFilter()>" ROW COLUMN+CELL Elvis column=address:city, timestamp=1425891057211, value= Elvis column=id:, timestamp=1425891057038, value= ……
PrefixFilter是对Rowkey的前缀进行判断,这是一个非常常用的功能。
> scan 'member', FILTER=>"PrefixFilter('E')>"
ROW COLUMN+CELL
Elvis column=address:city, timestamp=1425891057211, value=beijing
……
1 row(s) in 0.0460 seconds
^^
0 Comments