HBase分布式存储系统应用（第二版）

内容实用——理论与实践结合，重点突出应用

体系完善——构建完整的大数据专业解决方案

产教融合——高校企业共参与，对标行业标准

资源丰富——微课、课件、教案、源码、答案

再版前言

大数据带来了各种各样繁杂的数据，我们不仅要呈现世界，更重要的是通过呈现来处理更庞大的数据，理解各种各样的数据集合，表现多维数据之间的关联。换句话说，就是归纳数据内在的模式、关联和结构。

由于大数据的存储量极大，因此其存储设备需要具有高扩展性、高可用性、自动容错和低成本等特点。常见的存储形式有分布式文件系统和分布式数据库，分布式文件系统采用大规模的分布式存储节点来满足存储大量文件的需求，而分布式的非关系型数据库则为大规模非结构化数据的处理和分析提供支持。

目前常见的非关系型数据库主要有Redis、Tokyo Cabinet、MongoDB、CouchDB、Cassandra、Voldemort和HBase等。本书将对HBase进行深入研究和探讨，其他非关系型数据库可以参考相关书籍。

本书共8章，具体内容如下。

第1章介绍关系型数据库和非关系型数据库的区别、HBase的使用场景。

第2章介绍HBase的逻辑模型、物理模型和系统架构。

第3章详细讲解HRegionServer、HRegion和HBase数据读写流程。

第4章介绍HBase的分布式环境搭建。

第5章介绍如何通过HBase Shell完成表的管理、数据的增删改查和数据迁移。

第6章介绍创建表、数据插入、数据查询等基本操作，然后对Scan查询、Filter过滤、行数统计、NameSpace开发、计数器、协处理器和HBase快照等高级应用进行介绍。

第7章介绍HBase表设计、列族设计优化、读写性能优化策略、HBase集群规划。

第8章讲解HBase MapReduce编程实例。

本书第一版出版以来得到了上百所院校的使用，收到很多老师的意见反馈，在此表示衷心感谢。本次改版除了对部分内容修订外，对软件版本也进行了升级，并增加了课后习题和微课资源。

本书由林徐、陈恒、孙帅担任主编，马宪敏、卓雪雪、李紫薇担任副主编，参与编写的还有李伟。本书的编写得到北京百知教育科技有限公司和中国水利水电出版社的大力支持，在此表示感谢。

由于时间仓促及编者水平有限，书中难免有疏漏甚至错误之处，恳请广大读者批评指正。

编　者

2022年9月

再版前言
第1章　HBase介绍 1
1.1　面向行和面向列存储对比 1
1.1.1　面向行存储的数据库 1
1.1.2　面向列存储的数据库 2
1.1.3　两种存储方式的对比 2
1.2　HDFS分布式存储的特点 3
1.3　HBase的使用场景 4
本章小结 6
习题1 6
第2章　HBase模型和系统架构 7
2.1　HBase的相关概念 7
2.2　HBase的逻辑模型 8
2.3　HBase的物理模型 10
2.4　HBase的特点 10
2.5　HBase的系统架构 11
2.5.1　Client 11
2.5.2　ZooKeeper 11
2.5.3　HMaster 12
2.5.4　HRegionServer 13
2.5.5　HRegion 13
本章小结 13
习题2 13
第3章　HBase数据读写流程 15
3.1　HRegionServer详解 15
3.1.1　WAL 16
3.1.2　MemStore 17
3.1.3　BlockCache 18
3.1.4　HFile 18
3.1.5　HRegionServer的恢复 23
3.1.6　HRegionServer的上线下线 23
3.2　HRegion 24
3.2.1　HRegion分配 24
3.2.2　HRegion Split 24
3.2.3　HRegion Compact 25
3.3　HMaster上线 25
3.4　数据读流程 26
3.4.1　传统的数据读流程 26
3.4.2　数据读流程的改进 27
3.5　数据写流程 28
3.6　删除数据流程 28
本章小结 28
习题3 29
第4章　HBase环境搭建 30
4.1　ZooKeeper的安装 30
4.2　HBase的安装 31
本章小结 34
习题4 35
第5章　HBase Shell 36
5.1　HBase Shell启动 36
5.2　表的管理 37
5.3　表数据的增删改查 44
5.4　HBase数据迁移的importtsv的使用 48
本章小结 49
习题5 49
第6章　HBase程序开发 53
6.1　表的相关操作 53
6.2　创建Configuration对象 57
6.3　创建表 57
6.3.1　开发环境配置 58
6.3.2　创建表 61
6.4　数据插入 63
6.5　数据查询 69
6.6　数据删除 73
6.7　Scan查询 76
6.8　Filter过滤 85
6.9　行数统计 105
6.10　NameSpace开发 107
6.11　计数器 110
6.12　协处理器 114
6.13　HBase快照 124
本章小结 129
习题6 129
第7章　HBase高级特性 132
7.1　HBase表设计 132
7.2　列族设计优化 136
7.3　写性能优化策略 138
7.4　读性能优化策略 139
7.4.1　HBase客户端优化 139
7.4.2　HBase服务器端优化 140
7.4.3　HDFS相关优化 141
7.5　HBase集群规划 142
7.5.1　集群业务规划 142
7.5.2　集群容量规划 143
7.5.3　Region规划 144
7.5.4　内存规划 145
本章小结 149
习题7 149
第8章　MapReduce On HBase 151
8.1　HBase MapReduce 151
8.2　编程实例 152
8.2.1　使用MapReduce操作HBase 152
8.2.2　从HBase获取数据上传至HDFS 155
8.2.3　MapReduce生成HFile入库到HBase 157
8.2.4　同时写入多张表 161
8.2.5　从多个表读取数据 164
8.2.6　通过读取HBase表删除HBase数据 166
8.2.7　通过读取HBase表数据复制到另外一张表 168
8.2.8　建立HBase表索引 170
8.2.9　将MapReduce输出结果到MySQL 173
8.2.10　利用MapReduce完成MySQL数据读写 178
本章小结 181
习题8 181
附录1　MySQL安装 183
附录2　Python连接HBase 185

1. Linux系统管理（openEuler版） [主编 许兴鹍 黄君羡]
2. Web前端开发从学到用完美实践 [阮晓龙 冯顺磊 编著]
3. 用英语讲中国故事（全视频 彩色版）上、下册 [主编　谢亮亮　汪洋]
4. 新时代大学生美育教育 [穆林 刘苍劲 彭圣芳]
5. 电子商务英语 [丁文毅 严慧]
6. 智能可穿戴项目化教程 [曾文波 陈赵云]
7. 视觉设计解析与实战教程 [姜春磊　杨晓]
8. 电子产品制图与制版案例教程 [邹莉莉　苏文斌　贺小艳]
9. 设计新维度：CMF元素与创新产品设计 [彭小鹏]
10. 园林树木识别与应用 [主编 张玉泉]
11. 文本信息处理与应用 [主编　何黎松　姚香秀]
12. 工业机器人编程及应用（第二版） [主编 向艳芳 胡月霞]
13. C语言程序设计（第二版） [主编 刘祖珉 赵仕波]
14. 数据分析与应用 [主编　孙伟　王兰芹]
15. Linux操作系统配置与管理项目化教程（第二版） [主编 白玉羚 刘金明 闫 淼]
16. Ansys SpaceClaim直接建模与仿真指南 [蔡宜时 编著]
17. 基于大数据的智慧农业管理平台关键技术研究与实践 [周永福 著]
18. 健美运动 [戴显岩]
19. Python程序开发基础（AI+微课版） [赵艳莉　曾鑫]
20. 大学生心理困境突围之路 [张珏 著]
21. 机器学习基础与实践 [主编　李晓峰　胥文婷　李云波]
22. 大模型应用实战 DeepSeek＋即梦AI＋剪映重塑创作 [丁红　杨彦彦　丁丁　编著]
23. HarmonyOS从入门到精通 [陈赵云　周永福　杨　浪]
24. 用英语发现世界：欧美文化篇 [李小丽　张薇　编著]
25. 大学体育教程 [戴显岩]
26. 新一代信息技术 [李佼辉 任雪冬]
27. 轨道交通类专门用途英语教程 [李德华主编 商晔副主编]
28. 建设工程项目团队知识异质性对团队绩效的影响研究 [胡可]
29. 新时代元阳梯田 云南现代化高原立体灌区 前世 今生 未来 [云南省水利水电勘测设计研究院 ]
30. 网络工程师章节习题与考点特训（适配第6版考纲） [夏杰 编著]