HBase - 行键基础

Posted 2023-04-18

【中文标题】HBase - 行键基础

【英文标题】：HBase - rowkey basics

【发布时间】：2013-04-10 05:22:11

【问题描述】：

注意：几个小时前，我开始使用 HBase，我来自 RDBMS 背景：P

我有一个类似于 RDBMS 的表 CUSTOMERS，其中包含以下列：

CUSTOMER_ID 字符串 CUSTOMER_NAME STRING CUSTOMER_EMAIL 字符串 CUSTOMER_ADDRESS 字符串 CUSTOMER_MOBILE STRING

我想到了以下 HBase 等效项：

表：CUSTOMERS 行键：CUSTOMER_ID

列族：CUSTOMER_INFO

columns : NAME EMAIL ADDRESS MOBILE

根据我的阅读，RDBMS 表中的主键与 HBase 表的行键大致相似。因此，我想保留 CUSTOMER_ID 作为行键。

我的问题既愚蠢又直截了当：

无论我使用的是 shell 命令还是 HBaseAdmin java 类，我如何定义行键？我没有找到任何事情要做 无论是在 shell 中还是在 HBaseAdmin 类中（比如 HBaseAdmin.createSuperKey(...)) 给定一个 HBase 表，如何确定行键详细信息，即哪些值用作行键？ 我知道 rowkey 设计很重要。假设客户 id 接收 CUST_12345、CUST_34434 等值，HBase 将如何使用 rowkey 来决定特定行驻留在哪个区域（假设区域概念类似于 DB 水平分区）？

***编辑添加示例代码sn-p

我只是想在 shell 中使用“put”为客户表创建一行。我这样做了：

hbase(main):011:0> put  'CUSTOMERS', 'CUSTID12345', 'CUSTOMER_INFO:NAME','Omkar Joshi'
0 row(s) in 0.1030 seconds

hbase(main):012:0> scan 'CUSTOMERS'
ROW                              COLUMN+CELL
 CUSTID12345                     column=CUSTOMER_INFO:NAME, timestamp=1365600052104, value=Omkar Joshi
1 row(s) in 0.0500 seconds

hbase(main):013:0> put  'CUSTOMERS', 'CUSTID614', 'CUSTOMER_INFO:NAME','Prachi Shah', 'CUSTOMER_INFO:EMAIL','[e-mail]'

ERROR: wrong number of arguments (6 for 5)

Here is some help for this command:
Put a cell 'value' at specified table/row/column and optionally
timestamp coordinates.  To put a cell value into table 't1' at
row 'r1' under column 'c1' marked with the time 'ts1', do:

  hbase> put 't1', 'r1', 'c1', 'value', ts1


hbase(main):014:0> put  'CUSTOMERS', 'CUSTID12345', 'CUSTOMER_INFO:EMAIL','[e-mail]'
0 row(s) in 0.0160 seconds

hbase(main):015:0>
hbase(main):016:0* scan 'CUSTOMERS'
ROW                              COLUMN+CELL
 CUSTID12345                     column=CUSTOMER_INFO:EMAIL, timestamp=1365600369284, value=[e-mail]
 CUSTID12345                     column=CUSTOMER_INFO:NAME, timestamp=1365600052104, value=Omkar Joshi
1 row(s) in 0.0230 seconds

作为投入最大。 5 个参数，我无法弄清楚如何在一个 put 命令中插入整行。这导致同一行的增量版本不是必需的，我不确定 CUSTOMER_ID 是否被用作行键！ 谢谢和问候！

【参考方案1】：

你不知道，键（以及任何其他列）是一个字节数组，你可以在其中放置任何你想要的东西——甚至封装子实体

不确定我是否理解 - 每个值都存储为键 + 列族 + 列限定符 + 日期时间 + 值 - 所以键就在那里。

HBase 会计算出一条记录将在哪个区域移动。当区域变得太大时，它会重新分区。此外，当垃圾太多时，HBase 也会不时执行压缩以重新整理文件。您可以在自己预先分区时控制它，这是您将来绝对应该考虑的事情。但是，由于您似乎刚刚开始使用 HBase，您可以从 HBase 开始处理它。一旦你更好地了解了你的使用模式和数据，你可能会想再看一遍。

您可以阅读/听到一些关于 HBase 架构设计 here 和 here 的信息

【讨论】：

您好阿农，感谢您的回复！我已经详细阐述了我的问题，以便我更清楚我不清楚的内容：D 谢谢和问候！

据我所知，您不能在 hbase shell 中插入多列。您可以通过客户端 API hbase.apache.org/apidocs/org/apache/hadoop/hbase/client/… 做到这一点（它仍然是多个 put）

有什么问题？ - 多个 put 仍然可以作为原子更新。

关键是我不确定 CUSTOMER_ID 是否作为（主键）行键工作 - 你可以从表扫描的输出中确认吗？

正如我在上面写的，每个值都有键、列族、限定符、时间戳和值，所以当你插入一个“行”时，你会在扫描中得到很多行（每个值），你'd 会看到 key 出现多次。