非关系型数据库---HBase

     非关系型数据库主要有四种数据存储类型：键值对存储（key-value）-----Redis，文档存储（document store）-----MongodDB，基于列的数据库（column-oriented）-----HBase，还有就是图形数据库（graph database）-----Neo4j。每一种都会解决相应的问题，这些问题是关系型数据库所不能解决的。而在实际应用中都会将这几种情况结合起来实现相应的功能。

---

HBase  

       列式存储以流的方式在列中存储所有的数据。对于任何记录，索引都可以快速地获取列上的数据；列式存储支持行检索，但这需要从每个列获取匹配的列值，并重新组成行。

      HBase（Hadoop Database）是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。HBase是Google BigTable的开源实现，模仿并提供了基于Google文件系统的BigTable数据库的所有功能。HBase可以直接使用本地文件系统或者Hadoop作为数据存储方式，不过为了提高数据可靠性和系统的健壮性，发挥HBase处理大数据量等功能，需要使用Hadoop作为文件系统。HBase仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务，主要用来存储非结构化和半结构化的松散数据。

     Hbase中表的特点：大，稀疏，面向列

---

HBase在互联网存储的几个应用场景：

1.抓取增量数据

       使用HBase 作为数据存储，抓取来自各种数据源的增量数据，如抓取用户交互数据，以备之后进行分析、处理。

2.内容服务

       传统数据库最主要的使用场合之一是为用户提供内容服务，如URL短链接服务，可以HBase为基础，存储大量的短链接以及和原始长链接的映射关系。

3.信息交换

        Facebook的短信平台每天交换数十亿条短信，HBase可以很好的满足该平台的需求：高的写吞吐量，极大的表，数据中心的强一致性。

---

Hadoop生态系统中的各层系统

                                     

HBase位于结构化存储层；

HDFS为HBase提供了高可靠性的底层存储支持；

MapReduce为HBase提供了高性能的计算能力；

Zookeeper为HBase提供了稳定服务和失败恢复机制；

Pig和Hive还为HBase提供了高层语言支持，使得在HBase上进行数据统计处理变的非常简单；

Sqoop则为HBase提供了方便的RDBMS数据导入功能，方便数据迁移；

---

HBase的三个主要的功能组件

• 库函数：链接到每个客户端；
• 一个HMaster主服务器；
• 许多个HRegion服务器。

HBase三层结构

1.Zookeeper文件：它记录了-ROOT-表的位置信息，即root region的位置信息。

2.-ROOT-表：只包含一个root region，记录了.META.表中的region信息。通过root region，我们就可以访问.META.表的数据。

3.META.表：记录了用户表的HRegion信息，.META.表可以有多个HRegion，保存了HBase中所有数据表的HRegion位置信息。

HBase两种文件类型

• HFile：HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，实际上HStoreFile就是对HFile做了轻量级包装，即HStoreFile底层就是HFile。
• HLogFile：HBase中WAL（Write Ahead Log）的存储格式，物理上是Hadoop的顺序文件。

---

Hbase与传统关系型数据库区别：

数据类型

HBase只有简单的字符串类型，所有类型都由用户自己处理，它只保存字符串；

关系数据库有丰富的类型选择和存储方式。

数据操作

HBase操作只有很简单的插入、查询、删除、清空等，表和表之间是分离的，没有复杂的表和表之间的关系，所以也不能也没有必要实现表和表之间的关联等操作；

传统的关系数据通常有各种各样的函数、连接操作。

存储模式

HBase是基于列存储的，每个列族都有几个文件保存，不同列族的文件是分离的；

传统的关系数据库是基于表格结构和行模式保存的。

数据维护

HBase的更新正确来说应该不叫更新，而且一个主键或者列对应的新的版本，而它旧有的版本仍然会保留，所以它实际上是插入了新的数据；

传统关系数据库里面是替换修改。

可伸缩性

HBase和BigTable这类分布式数据库就是直接为了这个目的开发出来的，能够轻易的增加或者减少（在硬件错误的时候）硬件数量，而且对错误的兼容性比较高；

传统的关系数据库通常需要增加中间层才能实现类似的功能。

修改表模式需要先将表设置为不可用(disable)，模式修改完成再启用表(enable)