分布式开源数据库_HBase入门介绍

一、HBase简介

1.概念
HBase是bigtable的开源山寨版本。是建立在HDFS之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的分布式列存储的开源数据库系统。
  HBase是Apache的Hadoop 项目的子项目。 
HBase中每张表的记录数（行数）可多达几十亿条，甚至更多，每条记录可以拥有多达上百万的字段。而这样的存储能力却不需要特别的硬件，普通的服务器集群就可以胜任。

2.技术特点
 1）大表：一个表可以有上亿行，上百万列，提供海量数据存储能力，可提供高达几百亿条数据记录存储能力；
 2）列式存储:面向列族（Column Family）的存储和权限控制，列族独立检索；
 3）表数据是稀疏的多维映射表。表中的数据通过一个行关键字（row key）、一个列关键字（column key)以及一个时间戳（time stamp）进行索引和查询定位，通过时间戳允许数据有多个版本；
4）NoSQL的典型代表产品。适合于非结构化数据存储的数据库。

注：Hbase在物理实现上并不存在传统数据库的二维表的概念。因此，二维表中字段值的空洞，对于Hbase在物理实现上是不存在的，而不是所谓的值为null.
稀疏：指一个行，一般来说只是在某个列族上存在值，而在其他列族上不存在值。

二、HBase的数据模型

HBase表是一个分布式多维表，表中的数据通过一个行关键字（row key）、一个列族和列名（column family，column name）和一个时间戳（time stamp）进行索引和查询定位。

下面是截取自《深入理解大数据---大数据处理与编程实践》（黄宜华）上的图片：

1.HBase表实例

在实际的HDFS存储中，直接存储的是每个字段数据所对应的完整的键值对：
   {row key,column family,column name,timestamp}--->value

例如上表中，key3行Address字段下t2时间戳下的Shanghai,存储时的完整键值对是：
   {key3,PersonnalInfo,Address,t2}--->Shanghai

下面对rowkey、column family、column name、time stamp进行简要的介绍：

1.Row Key
HBase一张表中可以有上亿行记录，每一行都由一个行关键字(row key)来标识。
特点：
（1）HBase保证对所有行按照row key进行字典序(byte order)排序。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
（2）Row key行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部