Hbase是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。依托Hadoop-HDFS作为其文件存储系统,利用MapReduce来处理海量数据,用Zookeeper作为其分布式协同服务,主要用来存储非结构化和半结构化的松散数据(列存 NoSQL 数据库)。
======================================================================
下边表示了一行,三列的数据,CF1、CF2、CF3是三个不同的列族,在t2时刻CF1下存入列名为q1,值为v1,rowkey为11248112;在t6时刻CF2、CF3下分别存入列名为q2,q3,值为v2,v3,rowkey为11248112;t3时刻没有存入 。和关系数据库不同这里的空白处是不占用空间的。
Row Key | Time Stamp | CF1 | CF2 | CF3 |
11248112 | t6 | CF2:q2=v2 | CF3:q3=val3 | |
t3 | ||||
t2 | CF1:q1=v1 |
(1)cell由行和列的坐标交叉决定;
(2)单元格是有版本的;
(3)cell的内容是未解析的字节数组;
(4)cell由_{row_ key, column( = +), version} 唯一确定的单元。
(5)cell中的数据是没有类型的,全部是字节码形式存贮。
(1)决定一行数据,按行检索数据,相当于一级索引
(2) 按照字典顺序排序的,说明数据是有序的
(3)只能存储64k的字节数据,RowKey越短越好
(1)HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘tb’, ‘f’;
列名以列族作为前缀,每个“列族”都可以有多个列(column);如f:a, f:b, 新的列族成员(列)可以随后按需、动态加入;
(2)权限控制、存储以及调优都是在列族层面进行的;
(3)HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。
(1)在HBase每个cell存储单元对同一份数据可以有多个版本,根据唯一的时间戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,最新的数据版本排在最前面。
(2)时间戳的类型是 64位整型,一般由HBase(在数据写入时自动)赋值,此时时间戳是精确到毫秒的当前系统时间。
时间戳也可以由客户显式赋值,如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。
===================================================================
提供了访问HBase的一系列API接口,如Java Native API、Rest风格http API、Thrift API、scala等,并维护cache来加快对HBase的访问
(1)保证任何时候,集群中只有一个master
(2)存贮所有Region的寻址入口。
(3)实时监控Region server的上线和下线信息,并实时通知Master
(4)存储HBase的schema和table元数据
如下:replication下存副本节点信息,meta-region-server存region server元数据信息,rs下regionserver节点信息,backup-masters存backup-masters节点信息,不在详细说明,顾名思义。
-
[zk: localhost:2181(CONNECTED) 11] ls /hbase
-
[replication, meta-region-server, rs, splitWAL, backup-masters, table-lock, flush-table-proc, region-in-transition, online-snapshot, master, running, recovering-regions, draining, namespace, hbaseid, table]
(1)为Region server分配region
(2)负责Region server的负载均衡
(3)发现失效的RegionServer并重新分配其上的region