初识HBase: 简介与数据模型

初识HBase: 简介与数据模型

HBase 简介

HBase是什么

HBase 基于 Google的BigTable论⽂⽽来，是⼀个分布式海量列式⾮关系型数据库系统，可以提供超⼤规模数据集的实时随机读写。

接下来，通过⼀个场景初步认识HBase列存储
如下MySQL存储机制，空值字段浪费存储空间

如果是列存储的话，可以这么玩…

rowkey：1 name：⼩明
rowkey：1 age：23
rowkey：1 job：学⽣
rowkey：2 name ：⼩红
rowkey：2 salary：10w
rowkey：2 job：律师
…

列存储的优点：
1）减少存储空间占⽤。
2）⽀持好多列

HBase的特点

• 海量存储： 底层基于HDFS存储海量数据
• 列式存储：HBase表的数据是基于列族进⾏存储的，⼀个列族包含若⼲列
• 极易扩展：底层依赖HDFS，当磁盘空间不⾜的时候，只需要动态增加DataNode服务节点就可以
• ⾼并发：⽀持⾼并发的读写请求
• 稀疏：稀疏主要是针对HBase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占⽤存储空间的。
• 数据的多版本：HBase表中的数据可以有多个版本值，默认情况下是根据版本号去区分，版本号就是插⼊数据的时间戳
• 数据类型单⼀：所有的数据在HBase中是以字节数组进⾏存储

HBase的应用

• 交通⽅⾯：船舶GPS信息，每天有上千万左右的数据存储。
• ⾦融⽅⾯：消费信息、贷款信息、信⽤卡还款信息等
• 电商⽅⾯：电商⽹站的交易信息、物流信息、游览信息等
• 电信⽅⾯：通话信息
  总结：HBase适合海量明细数据的存储，并且后期需要有很好的查询性能（单表超千万、上亿，且并发要求⾼）

HBase数据模型

HBase的数据也是以表（有⾏有列）的形式存储
HBase逻辑架构

HBase物理存储

• Table。 类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，数据属性，⽐如超时时间（TTL），压缩算法（COMPRESSION）等，都在列族的定义中定义，不需要声明具体的列。
• Row（⼀⾏逻辑数据）**HBase表中的每⾏数据都由⼀个RowKey和多个Column（列）组成。⼀个⾏包含了多个列，这些列通过列族来分类,⾏中的数据所属列族只能从该表所定义的列族中选取,不能定义这个表中不存在的列族，否则报错NoSuchColumnFamilyException。
• RowKey（每⾏数据主键） Rowkey由⽤户指定的⼀串不重复的字符串定义，是⼀⾏的唯⼀标识！数据是按照RowKey的字典顺序存储的，并且查询数据时只能根据RowKey进⾏检索，所以RowKey的设计⼗分重要。如果使⽤了之前已经定义的RowKey，那么会将之前的数据更新掉！
• ColumnFamily（列族） 列族是多个列的集合。⼀个列族可以动态地灵活定义多个列。表的相关属性⼤部分都定义在列族上，同⼀个表⾥的不同列族可以有完全不同的属性配置，但是同⼀个列族内的所有列都会有相同的属性。列族存在的意义是HBase会把相同列族的列尽量放在同⼀台机器上，所以说，如果想让某⼏个列被放到⼀起，你就给他们定义相同的列族。
• ColumnQualififier（列） Hbase中的列是可以随意定义的，⼀个⾏中的列不限名字、不限数量，只限定列族。因此列必须依赖于列族存在！列的名称前必须带着其所属的列族！例如info：name，info：age
• TimeStamp（时间戳–》版本） ⽤于标识数据的不同版本（version）。时间戳默认由系统指定，也可以由⽤户显式指定。在读取单元格的数据时，版本号可以省略，如果不指定，Hbase默认会获取最后⼀个版本的数据返回！
• Cell ⼀个列中可以存储多个版本的数据。⽽每个版本就称为⼀个单元格（Cell）。
• Region（表的分区） Region由⼀个表的若⼲⾏组成！在Region中⾏的排序按照⾏键（rowkey）字典排序。Region不能跨RegionSever，且当数据量⼤的时候，HBase会拆分Region。

HBase整体架构

各部分的功能作用：
Zookeeper

• 实现了HMaster的⾼可⽤。保存了HBase的元数据信息，是所有HBase表的寻址⼊⼝
• 对HMaster和HRegionServer实现了监控

HMaster（Master）

• 为HRegionServer分配Region。维护整个集群的负载均衡
• 维护集群的元数据信息
• 发现失效的Region，并将失效的Region分配到正常的HRegionServer上

HRegionServer（RegionServer）

• 负责管理Region
• 接受客户端的读写数据请求
• 切分在运⾏过程中变⼤的Region

Region

• 每个HRegion由多个Store构成
• 每个Store保存⼀个列族（Columns Family），表有⼏个列族，则有⼏个Store
• 每个Store由⼀个MemStore和多个StoreFile组成，MemStore是Store在内存中的内容，写到⽂件后就是StoreFile。StoreFile底层是以HFile的格式保存。