HBase 实战入门教程

——从原理到部署，再到基本操作

一、HBase 是什么？

1. HBase 简介

HBase 是一个分布式、面向列的 NoSQL 数据库，构建在 Hadoop HDFS 之上，适合存储海量、稀疏、结构灵活的数据。

它的典型特点是：

• 海量数据（TB / PB 级）
• 高并发读写
• 支持随机实时访问
• 列式存储、数据结构灵活

📌 一句话理解：

HBase = Hadoop 生态中的“超大规模数据库”

---

2. HBase 的典型应用场景

场景	说明
用户画像	行为数据、标签数据
日志存储	访问日志、设备日志
消息系统	时间序列数据
风控系统	交易明细、轨迹数据

❌ 不适合：

• 强事务（如银行核心账务）
• 复杂 SQL 联表查询

---

二、HBase 核心概念（重点）

1. HBase 数据模型

HBase 表由以下几个核心元素组成：

RowKey + Column Family + Column + Timestamp + Value

2. 逻辑结构示意

表（Table）
 ├── 行（Row）
 │    ├── RowKey
 │    ├── 列族 cf1
 │    │     ├── name
 │    │     └── age
 │    └── 列族 cf2
 │          └── address

3. 关键概念解释

（1）RowKey（行键）

• 每一行的唯一标识
• 决定数据存储顺序（字典序）
• ⚠️ 设计非常重要，直接影响性能

示例：

user_000001

---

（2）Column Family（列族）

• HBase 表创建时必须指定
• 物理存储单位
• 一般 1～3 个即可

info
detail

---

（3）Column（列）

• 动态添加
• 不需要提前定义

info:name
info:age

---

（4）Timestamp（时间戳）

• HBase 自动维护
• 支持数据多版本

---

三、HBase 架构原理（理解即可）

1. 架构组成

Client
   |
HMaster —— 管理 Region、表结构
   |
RegionServer —— 实际存储数据
   |
HDFS

2. 核心组件说明

组件	作用
HMaster	表管理、Region 分配
RegionServer	读写数据
Region	表的一个分片
ZooKeeper	协调服务

📌 重点理解：

HBase 本身不存数据，数据最终存储在 HDFS 中

---

四、HBase 单机环境部署（实操）

1. 环境准备

• Linux（CentOS / Ubuntu）
• JDK 8
• Hadoop 已部署
• ZooKeeper（可使用 HBase 内置）

---

2. 解压 HBase

tar -zxvf hbase-2.4.17-bin.tar.gz
mv hbase-2.4.17 /usr/local/hbase

---

3. 配置 hbase-env.sh

vi conf/hbase-env.sh
export JAVA_HOME=/usr/java/jdk1.8.0

---

4. 配置 hbase-site.xml

<configuration>
  <property>
    <name>hbase.rootdir</name>
    <value>hdfs://localhost:9000/hbase</value>
  </property>

  <property>
    <name>hbase.cluster.distributed</name>
    <value>false</value>
  </property>
</configuration>

---

5. 启动 HBase

start-hbase.sh

验证：

jps

看到：

HMaster
HRegionServer

说明启动成功 ✅

---

五、HBase Shell 常用命令（重点实操）

1. 进入 HBase Shell

hbase shell

---

2. 创建表

create 'student', 'info'

---

3. 查看表

list

---

4. 插入数据

put 'student', '1001', 'info:name', 'Tom'
put 'student', '1001', 'info:age', '18'

---

5. 查询数据

查询整行

get 'student', '1001'

查询某一列

get 'student', '1001', 'info:name'

---

6. 扫描表

scan 'student'

限制条数：

scan 'student', {LIMIT => 5}

---

7. 删除数据

delete 'student', '1001', 'info:age'

删除整行：

deleteall 'student', '1001'

---

8. 删除表

disable 'student'
drop 'student'

---

六、Java API 操作 HBase（入门）

1. Maven 依赖

<dependency>
  <groupId>org.apache.hbase</groupId>
  <artifactId>hbase-client</artifactId>
  <version>2.4.17</version>
</dependency>

---

2. 创建连接

Configuration conf = HBaseConfiguration.create();
Connection conn = ConnectionFactory.createConnection(conf);
Table table = conn.getTable(TableName.valueOf("student"));

---

3. 插入数据

Put put = new Put(Bytes.toBytes("1002"));
put.addColumn(Bytes.toBytes("info"), Bytes.toBytes("name"), Bytes.toBytes("Lucy"));
table.put(put);

---

4. 查询数据

Get get = new Get(Bytes.toBytes("1002"));
Result result = table.get(get);
byte[] value = result.getValue(Bytes.toBytes("info"), Bytes.toBytes("name"));
System.out.println(Bytes.toString(value));

---

七、RowKey 设计原则（非常重要）

1. 常见问题

❌ RowKey 递增 → 数据热点 ❌ 业务字段过长 → 性能差

---

2. 常用设计方式

方式	示例
加盐	hash(userId)_userId
反转	reverse(time)
前缀分区	01_userId

📌 口诀：

均匀、短小、有序但不递增

---

八、HBase 学习总结

核心记住 5 点：

1️⃣ HBase 是 列式 NoSQL 数据库 2️⃣ RowKey 设计 = 性能关键 3️⃣ 列族必须提前建 4️⃣ 适合海量数据，不适合复杂 SQL 5️⃣ 与 Hadoop、Hive 配合使用效果最佳

---

如果你愿意，我可以继续帮你：

• ✅ 出一套 HBase 实训实验指导书
• ✅ 写 HBase + Hive 综合实训案例
• ✅ 出 HBase 期末考试题（简单版）
• ✅ 按 高职教学标准改成《HBase 教学讲义》

你可以直接告诉我用途即可 👍