《Hadoop核心技术》Hbase集群部署，创建表，删除表，插入数据，查询数据_hbase增删改查

额前言：

        我是一名正在学习《Hadoop核心技术》的学生，今天跟大家分享一下在虚拟机上在Hadoop集群中用Hbase进行简单的增删查

一.什么是Hbase？

可以进行随机访问的存取和检索数据的存储平台

        HBase 是一个开源的、分布式的、版本化的 NoSQL 数据库（也即非关系型数据库），它利用 Hadoop 分布式文件系统（Hadoop Distributed File System，HDFS）提供分布式数据存储。与传统的关系型数据库类似，HBase 也以表的形式组织数据，表也由行和列组成；不同的是，HBase 有列族的概念，它将一列或者多列组织在一起，HBase 的每一个列都必须属于某个列族。

        HBase 是一个可以进行随机访问的存取和检索数据的存储平台，存储结构化和半结构化的数据，因此一般的网站可以将网页内容和日志信息都存在 HBase 里。

        如果数据量不是非常庞大，HBase 甚至可以存储非结构化的数据。它不要求数据有预定义的模式，允许动态和灵活的数据模型，也不限制存储数据的类型。

        HBase 是非关系型数据库，它不具备关系型数据库的一些特点，例如，它不支持 SQL 的跨行事务，也不要求数据之间有严格的关系，同时它允许在同一列的不同行中存储不同类型的数据。

        HBase 作为 Hadoop 框架下的数据库，是被设计成在一个服务器集群上运行的

二.Hbase环境部署：

VMware虚拟机

1.集群部署：

看到HMaster为成功

 

2..启动Hbase：

hbase shell

三：Hbase创建表 

        首先先用List命令查看当前表：

list

 可以看到当前是没有表的

创建学生表代码：

create 'student','basic_info','office'

        用create命令创建表，参数之间用逗号隔开。第一个参数是表名，要用单引号括起来，第二个参数及之后的参数，指定列族，如果不修改列族默认属性，那么指定列族名即可，用单引号括起来。 最后用List命令查看表发现已经创建了student表

四.删除表

删除表前，先用disable命令

disable 'student'

然后使用drop命令删除掉

drop 'student'

五.插入数据：

前面删掉了student表，现在重建

create 'student',{NAME=>'basic_info', VERSIONS=>3},'office'

用put插入一条记录

get命令可以查看指定表的某个row key的所有列的单元格最新版本的值

 put 'student','student-0001','basic_info:name','ligl1',1

 get 'student','student-0001'

 

 

六.数据查询

1.清空表数据

truncate 'student'

2.插入几条数据

put 'student','student-0001','basic_info:name','ligl1'
put 'student','student-0001','basic_info:name','ligl2'
put 'student','student-0001','basic_info:name','ligl3'
put 'student','student-0001','basic_info:age','18'
 

3.scan查看学生表所有数据

scan 'student'

 

七.问题解决

不能直接使用create + 表命建表，需要在后面加入列族，特别注意！ 

六.学习心得

        在学习Hadoop的过程中，我收获了很多宝贵的经验和知识。首先，我了解到Hadoop是一个开源的分布式计算框架，用于处理大规模数据集的存储和分析。通过学习Hadoop，我深入理解了大数据处理的原理和方法。

        其次，我学会了如何搭建和配置Hadoop集群。Hadoop集群由多台服务器组成，每台服务器承担不同的角色，例如NameNode、DataNode、ResourceManager等。通过学习Hadoop的架构和配置文件，我能够搭建一个稳定高效的Hadoop集群，并对其进行灵活调整和优化。

        另外，在使用Hadoop进行数据处理时，我学会了使用MapReduce编程模型。MapReduce是Hadoop提供的一种并行计算模型，通过将问题划分为Map阶段和Reduce阶段用分布式计算资源来加速数据处理过程。通过编写MapReduce程序，我可以灵活地处理各种复杂的数据分析任务。

        此外，在学习Hadoop过程中还接触到了其他相关技术，例如Hive、Pig、Spark等。这些技术都是基于Hadoop生态系统发展起来的工具或框架，可以进一步简化大数据处理流程，并提供更高级别的抽象和功能。

        总结起来，学习Hadoop让我深入了解了大数据处理的原理和方法，掌握了搭建和配置Hadoop集群的技能，以及使用MapReduce程模型进行数据处理的能力。这些收获将对职业发展产生重要的影响，并使我能够更好地应对日益增长的大数据挑战！