1 HBase概述
(1)HBase的定义
HBase:Hadoop Database,是一个高可靠、高性能、面向列、可伸缩、实时读写的分布式数据库。利用HBase技术可在廉价的PC Server上搭建大规模结构化存储集群。
① 高可靠:数据高可靠性:HBase利用Hadoop HDFS作为其文件存储系统;服务高可靠性:HBase利用Zookeeper作为协同服务。
② 高性能:传统关系型数据库在上亿条数据中查询时,速度极其慢。相比之下,HBase在上亿行、上百万列、上万个版本的数据上做查询时,速度要远高于传统关系型数据库。
③ 面向列:与传统数据库按行存储数据的方式不同,HBase是按列存储数据。
④ 可伸缩:HBase的集群节点数量可多可少。
⑤ 实时读写:HBase的读写时间是毫秒级的。
(2)HBase与BigTable的对比
① HBase是Google BigTable的开源实现,与Google BigTable利用GFS作为其文件存储系统类似,HBase利用Hadoop HDFS作为其文件存储系统;
② Google运行MapReduce来处理BigTable中的海量数据,HBase同样利用Hadoop MapReduce来处理HBase中的海量数据;
③ Google BigTable利用Chubby作为协同服务,HBase利用Zookeeper作为协同服务。
(3)HBase存储什么格式的数据
HBase主要用来存储非结构化和半结构化的松散数据(列存NoSQL数据库)。
(4)HBase与HDFS的对比
1)相同点:两者都具有良好的容错性和扩展性,都可以扩展到成百上千个节点。
2)HDFS适合的场景:
① 不支持数据随机查找;
② 不适合增量数据(新增的数据)处理;
③ 不支持数据更新。
3)HBase表的特点
① 大:一个表可以有数十亿行,上百万列;
② 无模式:每行都有一个可排序的主键和任意多的列,列可以根据需要动态的增加,同一张表中不同的行可以有截然不同的列;
③ 面向列:面向列(族)的存储和权限控制,列(族)独立检索;
④ 稀疏:对于空(null)的列,并不占用存储空间,表可以设计的非常稀疏;
⑤ 数据多版本:每个单元中的数据可以有多个版本,默认情况下版本号自动分配,是单元格插入时的时间戳;
⑥ 数据类型单一:HBase中数据都是字符串,没有类型。
(5)列存储与行存储
1)传统行式数据库
① 数据是按行存储的;
② 没有索引的查询使用大量I/O;
③ 建立索引和物化视图需要花费大量时间和资源;
④ 面向查询的需求,数据库必须被大量膨胀才能满足性能要求,即当查询某些列的时候,需要将所有的行加载,数据库会被大量膨胀,才能满足查询要求。
2)列式数据库
① 数据时按列存储,每一列单独存放在一块;
② 数据即是索引,换句话说某一列的内容都存在一块,找到这个块就可以;
③ 不用全行扫描,只需访问查询涉及的列,可以大量降低系统I/O&