第1章  NoSQL數據庫 1
1.1  分布式存儲繫統 1
1.1.1  分布式文件繫統 1
1.1.2  GFS 2
1.1.3  BigTable介紹 3
1.2  NoSQL數據庫 5
1.2.1  NoSQL概述 5
1.2.2  NoSQL相關的基本概念 7
1.2.3  NoSQL分類 9
1.2.4  為什麼選擇HBase 10
1.3  與其他數據庫的區別 11
1.3.1  NoSQL數據庫與SQL數據庫的
區別 11
1.3.2  NoSQL數據庫與NewSQL的
區別 12
1.4  習題 12
第2章  HBase體繫架構 14
2.1  HBase的基本概念 14
2.1.1  HBase的基礎概述 14
2.1.2  技術架構 14
2.1.3  繫統架構 15
2.1.4  HBase讀取過程 15
2.1.5  HBase與關繫型數據庫的區別 15
2.1.6  HBase與NewSQL的區別 16
2.1.7  HBase的應用場景 16
2.2  HBase的各個組件 17
2.2.1  HMaster 17
2.2.2  HBase Client 17
2.2.3  ZooKeeper 17
2.2.4  HRegionServer 17
2.2.5  Cell與數據寫入流程 19
2.3  案例01：HBase安裝部署與存儲 20
2.3.1  案例背景 20
2.3.2  案例預備知識點 20
2.3.3  案例環境要求 20
2.3.4  任務一：安裝和配置HBase 20
2.3.5  任務二：使用HBase操作用戶
數據 25
2.3.6  任務三：使用HBase進行數據檢索與數據存儲 31
2.4  習題 35
第3章  HBase的接口 36
3.1  HBase接口的介紹 36
3.1.1  支持HBase API操作的相關組件 36
3.1.2  表Table和區域Region 37
3.1.3  Client 37
3.1.4  ZooKeeper 38
3.1.5  HMaster 38
3.2  HBase的API概述 39
3.3  HBase的常用Java API 40
3.4  案例02：HBase中Java API的使用 46
3.4.1  案例背景 46
3.4.2  案例預備知識點 46
3.4.3  案例環境要求 46
3.4.4  任務一：配置項目運行環境 46
3.4.5  任務二：數據添加 50
3.4.6  任務三：數據獲取 51
3.4.7  任務四：數據刪除 54
3.4.8  任務五：查詢數據 56
3.5  習題 58
第4章  MapReduce與HBase 59
4.1  MapReduce介紹 59
4.1.1  什麼是MapReduce 59
4.1.2  MapReduce的原理 60
4.1.3  MapReduce的特點 63
4.1.4  MapReduce應用場景 63
4.2  MapReduce和HBase的關繫 63
4.2.1  MapReduce在HBase中的作用 63
4.2.2  HBase和MapReduce的聯繫和
區別 63
4.3  案例03：MapReduce與HBase實操 64
4.3.1  案例目標 64
4.3.2  案例預備知識點 64
4.3.3  案例環境要求 64
4.3.4  任務一：HBase架構深入剖析 64
4.3.5  任務二：HBase集成MapReduce 67
4.3.6  任務三：編寫MapReduce集成HBase對表數據的操作 71
4.4  習題 75
第5章  HBase表設計 76
5.1  HBase表的設計 76
5.1.1  HBase表概述 76
5.1.2  HBase表詳細設計 78
5.2  案例04：HBase創建表 79
5.2.1  案例目標 79
5.2.2  案例預備知識點 79
5.2.3  案例環境要求 80
5.2.4  案例實施步驟 80
5.3  案例05：HBase存儲方式 82
5.3.1  案例目標 82
5.3.2  案例預備知識點 82
5.3.3  案例環境要求 82
5.3.4  案例實施步驟 82
5.4  案例06：HBase對表進行數據遷移 83
5.4.1  案例目標 83
5.4.2  案例預備知識點 83
5.4.3  案例環境要求 83
5.4.4  案例實施步驟 84
5.5  案例07：話單表分析 85
5.5.1  案例目標 85
5.5.2  案例預備知識點 86
5.5.3  案例環境要求 86
5.5.4  案例實施步驟 86
5.6  習題 92
第6章  HBase和Hive 94
6.1  企業級數據倉庫Hive的介紹和HBase整合 94
6.1.1  Hive的歷史 94
6.1.2  Hive簡介 95
6.1.3  Hive技術架構 95
6.1.4  Hive編程 100
6.1.5  Hive的應用場景 102
6.1.6  Hive和HBase整合 103
6.2  案例08：HBase與Hive集成使用 105
6.2.1  案例目標 105
6.2.2  案例預備知識點 105
6.2.3  案例環境要求 106
6.2.4  任務一：HBase集成Hive的環境
配置 106
6.2.5  任務二：集成環境中使用Hive創建
和查詢表 107
6.2.6  任務三：測試外部表集成
HBase 108
6.3  習題 109
第7章  HBase深入剖析 111
7.1  HBase性能優化和測試 111
7.1.1  HBase性能優化 111
7.1.2  客戶端性能優化 113
7.1.3  HBase性能測試 114
7.2  案例09：對HBase表的深入剖析 116
7.2.1  案例目標 116
7.2.2  案例預備知識點 116
7.2.3  案例環境要求 116
7.2.4  任務一：HBase表屬性和BlockCache配置 116
7.2.5  任務二：深入剖析HBase表的Compaction 119
7.3  案例10：HBase集群及表的管理 119
7.3.1  案例目標 119
7.3.2  案例預備知識點 119
7.3.3  案例環境要求 120
7.3.4  任務一：HBase Master的Web UI
管理 120
7.3.5  任務二：HBase的Shell管理 125
7.3.6  任務三：HBase的其他管理
操作 126
7.4  習題 128
第8章  HBase項目實戰——論壇日志
分析 129
8.1  項目背景 129
8.2  項目設計目的 129
8.3  項目技術架構和組成 130
8.4  項目任務分解 130
8.4.1  任務一：在Linux中上傳數據到
HDFS 130
8.4.2  任務二：使用MapReduce進行數據
清洗 132
8.4.3  任務三：在Linux上執行MR數據
清洗 135
8.4.4  任務四：使用Hive訪問存放在
HDFS的數據 137
8.4.5  任務五：使用Kettle將數據存儲到HBase 139
8.4.6  任務六：使用Sqoop導入Hive數據
到MySQL 142
8.4.7  任務七：使用ECharts實現可
視化 143
8.5  項目總結 149

大數據（Big Data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。現在的各個行業都依賴於大量數據的支撐，數據量也越來越龐大，關繫型數據庫海量數據讀寫性能差、靈活度欠缺等缺點也暴露出來。因此，大量NewSQL數據庫在這個背景下誕生並被廣泛應用，其中HBase就是這樣的一個分布式、可擴展的數據存儲繫統。HBase於2006年年底由PowerSet的Chad Walters和Jim Kellerman發起，2008年成為Apache Hadoop的一個子項目，現在已作為成熟產品應用在淘寶、百度、天貓、菜鳥、阿裡雲、高德、優酷等多家知名互聯網企業，滿足業務對於大數據分布式存儲的基本需求。它不同於關繫型數據庫著重於增、刪、改，而轉向著重於查詢，使數據讀取更加高效、安全。基於Hadoop生態，HBase使用HDFS分布式存儲繫統作為共享文件存儲繫統。
HBase技術來源於Fay Chang所撰寫的論文Google BigTable，是BigTable的開源實現。HBase在Hadoop上提供了BigTable的功能，現已成為Apache開源項目的一個項目。
在Hadoop生態圈中，HBase位於結構化存儲層，HDFS為HBase提供了高可靠性的底層存儲支持，Hadoop MapReduce為HBase提供了高性能的計算能力，ZooKeeper為HBase提供了穩定的failover（故障轉移）機制。此外，Pig和Hive還為HBase提供了高層語言支持，使得在HBase上進行數據統計處理變得非常簡單，Sqoop則為HBase提供了方便的關繫型數據庫數據導入功能。HBase在Hadoop生態圈中的地位可見一斑。
HBase和Hadoop一樣，目標是通過橫向擴展，添加普通機器來提高存儲性能和計算性能。HBase特點：大（一個表可以有上億行以及百萬級的列）、面向行存儲、稀疏（由於null不占用存儲空間，所以表結構可以設計得非常稀疏）。因此，HBase和 Hadoop一樣，目標是通過橫向擴展，添加普通機器來提高存儲性能和計算性能。
關於本書
本書定位是HBase從入門到應用的簡明繫統教材，特色是理論和實踐相結合，更多的是以實戰為主，內容全面、深入淺出地講解每個知識點，盡力做到通俗易懂。對每個案例進行分步驟式講述，每個步驟都有文字說明和效果截圖，使讀者能夠清晰地知曉自己在動手實操過程的效果和錯誤之處，對問題一目了然。例如，在5.5節的話單表分析案例中，通過“預分區建立話單表”→“添加話單表項目數據”→“Java編寫代碼和Shell命令行進行查詢操作”這種方式，詳細展開教與學，充分發揮學生學習的自主性。
本課程采用了“案例貫穿式”“問題導向教學法”等教學方法，每個學習情境中的教學案例都基於一個真實的工作項目或實例。例如，後一章就展開了從基礎數據到可視化數據的真實案例  教學。
本書分為8章，全書由陳建平進行統稿工作。第1章由陳建平撰寫，著重介紹非關繫型數據庫的原理以及優缺點；第2章由陳岸青撰寫，著重介紹HBase的基本架構和各個組件，其中包括HMaster、HBase Client、ZooKeeper、HRegionServer；第3章由李金湖編寫，著重介紹HBase的接口以及使用Java操作HBase；第4章由鄧維編寫，著重介紹MapReduce與HBase之間的聯繫和使用；第5章由餘仰淇編寫，著重介紹HBase的表設計；第6章由許梓明編寫，著重介紹Hive和HBase的整合和使用；第7章由王斌編寫，著重介紹HBase的表屬性版本和BlockCache配置；第8章由馬漢斌編寫，整合了HBase與Hadoop生態，介紹了一個完整的大數據實踐案例。全書提供與章節內容配套的案例，重點章節配有習題。
本書適合的讀者
本書適合HBase初學者、對大數據感興趣的技術人員，以及想要從事大數據開發工作的人員。
本書也適合作為大數據技術中HBase案例的基礎用書，適合作為中職、高職、應用型本科大數據技術的前導課程，在整個人纔培養方案裡面屬於大數據的專業基礎課程，建議授課時間為第2學期或者第3學期。
閱讀本書之前，讀者應該具有如下基礎：有一定計算機網絡基礎知識；了解 Linux基本原理；掌握基本的Linux操作命令；了解Java編程語言；了解傳統的數據庫理論知識。
資源下載與答疑服務
本書配套資源包括課程標準、課程大綱、教學日歷、教學課件PPT、實訓手冊、課後習題和答案、期末考試卷和答案、案例環境、教學視頻。這些資源非常方便各高校教師的授課。
本書配套資源，需要使用微信掃描右邊二維碼下載，可按頁面提示，把鏈接轉發到自己的郵箱中下載。如果下載有問題或者學習中發現問題，請聯繫booksaga@163.com，郵件主題為“分布式數據庫HBase案例教程”。
大數據技術的發展非常快速，HBase的相關新用法也在不斷發現，在今後的工作中，筆者以及本書的技術支持官網（德明教育官網）會持續跟蹤HBase發展趨勢，把HBase技術和本書相關補充資料及時發布到技術支持官網，方便讀者通過網絡及時獲取到信息。由於筆者能力有限，書中難免存在不足之處，望廣大讀者能夠提出寶貴意見。

大數據技術專家  陳岸青
2022年1月