Hbase学习日记：一、HBase概述 及 基本概念

Hbase官网传送门

概述

1. HBase原本是由Yahoo公司开发，后来贡献给了Apache的一套基于Hadoop的、分布式的、可扩展的、非关系型数据库
2. 如果需要对大量数据进行随机且实时读写，那么可以考虑使用Hbase
3. HBase能够管理非常大的表：billions of row * millions columns，十亿行 * 百万列
4. Hbase是仿照Google的Big Table来进行实现的。因此，Hbase和BigTable的原理几乎一致，只是实现语言不同。Hbase是使用Java语言实现的，BigTable使用的是C语言实现的。Hbase最终的数据保存在HDFS上。
5. Hbase提供了3个大版本，Hbase1、Hbase2为稳定版，Hbase3为测试版，这3个版本都在同时更新。HBase的版本跟JDK和Hadoop都有映射关系，具体看下面的补充
6. Hbase作为非关系型数据库，不支持标准的SQL语法，它本身提供了一套全新的命令。
7. Hbase允许存储稀疏的数据，也因此HBase能够存储结构化和半结构化的数据。
8. Hbase本体作为数据库，提供了完整的增删改查的功能。HBase基于HDFS来进行存储，HDFS的特点是一次写入多次读取，不允许修改但允许追加写入，但是HBase提供了“改”功能，HBase如何实现“改”功能的？ ——HBase实际上并没有去修改写入的数据，而是在文件末尾去追加数据。HBase会对写入的每条数据自动添加一个时间戳，当用户获取数据的时候，HBase自动回返回最新的数据，那么从用户的角度来看，就是发生了数据的修改。
9. 在HBase中，数据的每一个时间戳称之为一个版本
10. 10.如果要锁定唯一的一条数据，那么需要通过行键+列族+列+时间戳这四个维度来锁定，这种结果称之为一个Cell（单元格）
11. 11.HBase中的表在创建的时候，如果不指定，那么只对外提供一个版本的数据
12. 如果建好表之后再修改可以获取的版本，那么已经历史数据会不可用。
13. 即使表允许对外获取多个版本的数据，在获取的时候如果不指定获取的版本数量，依然只获取一个版本的数据

补充：实时读写很容易理解，那么什么是随机读写呢？
首先要理解随机读写，要引入几个概念：随机读、随机写、顺序读、顺序写


比如读一篇文章，我们都是从头到尾读下去的，这个叫顺序读
如果我们写一篇文章，我们也是从头到尾，从文章的尾部不断追加内容的，这个叫顺序写
如果一篇文章很长，我们要的内容在其中的某一页，那我们直接翻开那一页去读，这个叫随机读
如果我们可以在文章中间部分随意插入一些文字，那么这个叫随机写


随机读和随机写仔细琢磨，其实是分成两步
第一步先定位要读取或写入的位置
第二步在执行读取或写入的操作


类比sql操作
顺序读：select * from table
随机读：select * from table where name = ‘xxx’
顺序写：insert table values xxx
随机写：update table set xxx=xxx

补充
Hbase和jdk版本的对应关系
https://hbase.apache.org/book.html#basic.prerequisites


Hbase和hadoop的对应关系
https://hbase.apache.org/book.html#hadoop

补充
什么是结构化数据和半结构数据

基本概念

• RowKey：行键
  在Hbase中，没有主键的概念，取而代之的是行键
  不同于传统的关系型数据库，在Hbase中，定义表的时候不需要指定RowKey，而是在添加数据的时候手动添加RowKey
• column Family：列族
  在Hbase中，没有表关联的概念，取而代之的是用列族来进行设计。
  在Hbase中，一个表至少要包含一个列族，可以包含多个列族，理论上不限制列族的数量。
  在Hbase中，在定义表的时候必须要定义列族，但是列可以动态增删。一个列族中可以包含0到多个列。
• namespace：名称空间
  在HBase中没有database的概念，取而代之的是namespace
  在HBase启动的时候，自带了两个空间：default和hbase。hbase空间下放的是HBase的基本信息；在建表的时候如果不指定，则表默认是放在default空间下。