大数据基础之Hbase

一、为什么需要Hbase

Hbase是BigTable的开源实现，是基于列的分布式数据库，具备高可靠、高性能、可伸缩等技术优势，主要用来存储非结构化和半结构化的松散数据。

Hadoop为什么要设计这么一个Hbase分布式数据库呢？

虽然Hadoop已经有了MapReduce和HDFS，但是Hadoop主要还是为了解决大规模数据离线批处理，因此Hadoop是没有办法满足大数据实时处理的需求。随着这些年数据的大规模爆炸式增长，传统关系型数据库的扩展能力有限，受到了非常大的挑战。

二、数据坐标概念

传统的关系型数据库的定位：

只要通过一个行一个列这两个维度就可以确定一个唯一的数据。excel表格就类似于关系型数据库。

Hbase对数据的定位：

1、采用四维坐标来对数据定位；

2、必须确定行键、列族、列限定符、时间戳，来对数据定位；

3、Hbase是一个键值（KV）数据库；

Hbase访问接口，提供了一个原生的Java API，可通过shell命令、thrift gateway方式、rest gateway方式来访问。可以通过PIG、hive来提供类似SQL类型的接口。

三、Hbase的功能组件

1、库函数，用于连接每个客户端；

2、Master 服务器，用来充当管家的作用；

3、Region服务器，负责存储不同的region。每个分区表会被分为多个region，每个region运行在region服务器上。

第一层：zookeeper文件，记录了-root表的位置信息，root表写死在zookeeper里面。

第二层：-root-表，记录了META表的region位置信息，-root表只能存在一个region里面，不会再分裂了。通过-root-表就可以访问meta表中的数据。

第三层：.meta.表，记录了用户数据表的region位置信息，meta表可以有多个region，保存了Hbase中所有用户数据表的region位置信息。

为了加快访问速度，.meta.表的全部region都会被保存在内存中。 

Hbase并不直接跟磁盘打交道，而是通过HDFS进行数据存储：

Master服务器的作用：

1、对表增删改查；

2、负责不同region服务器的负载均衡；

3、负责调整分裂、合并后region的分布；

4、负责重新分配故障、失效的region服务器；