1.flume:离线数据处理的时候,用于收集数据!
sqoop: 完成关系型数据和非关系型数据库之间的转换(1.将最终结果都存放到关系型数据库中;2.将关系型数据库中的数据导入到非关系型数据中)!
mahout:对机器学习的算法用MapReduce来了个分布式的开源实现(分布式计算,提高效率,针对大数据量)!
2.Hbase的数据最终也是放到HDFS上!
3.在Habse中Zookeeper就不仅仅是高可用了,zookeeper里面放了Hbase的一些数据,不做高可用,hbase也是需要zookeeper!
4.Hbase支持长运行,列式数据库,列式数据库能够横向收缩,Hbase本身支持可伸缩,高可靠,高性能,面向列,实时读写的分布式数据库;
5.Hbase简介:
1)HBase – Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。
2)利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务
3)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)
Hbase与zookeeper之间的关系:
hbase与zookeeper之间不仅仅是:zookeeper为hbase做高可用,zookeeper还管理这RegionServer的信息及与HMaster通信!
6.rowkey是按照字典顺序排序的,所以Hbase数据库中的数据是有序的,rowkey最多能够存储64k的字节数据,所以rowkey尽量设计的短一些,小一些!!
理论上Hbase上可以存储任何数据,只要我们的数据转化成字节数组类型(这是Hbase存放数据时,任何数据存储到HBASE必须遵守的规则)!
7.Hbase数据模型:
– ROW KEY
– 决定一行数据
– 按照字典顺序排序的。
– Row key只能存储64k的字节数据
– Column Family列族 & qualifier列
– HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’;
– 列名以列族作为前缀,每个“列族”都可以有多个列成员(column);如course:math, course:english, 新的列族成员(列)可以随后按需、动态加入;
– 权限控制、存储以及调优都是在列族层面进行的;
– HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。
– Timestamp时间戳
– 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,最新的数据版本排在最前面。
– 时间戳的类型是 64位整型。
– 时间戳可以由HBase(在数据写入时自动)赋值,此时时间戳是精确到毫秒的当前系统时间。
– 时间戳也可以由客户显式赋值,如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。
- Cell单元格
– 由行和列的坐标交叉决定;
– 单元格是有版本的;
– 单元格的内容是未解析的字节数组;
由{row key, column( =<family> +<qualifier>), version} 唯一确定的单元。 cell中的数据是没有类型的,全部是字节码形式存贮。
– HLog(WAL log)
– HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是HLogKey对象,HLogKey中记录了写入数据的归属信息,除了table和region名字外,同时还包括 sequence number和timestamp,timestamp是”写入时间”,sequence number的起始值为0,或者是最近一次存入文件系统中sequence number。
– HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的KeyValue。
8.Hbase的调优都是在列族层面下,同一个列族中的数据都是存储在同一个目录下,由几个文件保存,而且这些小文件是会合并的!
9.Hbase中没有update操作,但是我
sqoop: 完成关系型数据和非关系型数据库之间的转换(1.将最终结果都存放到关系型数据库中;2.将关系型数据库中的数据导入到非关系型数据中)!
mahout:对机器学习的算法用MapReduce来了个分布式的开源实现(分布式计算,提高效率,针对大数据量)!
2.Hbase的数据最终也是放到HDFS上!
3.在Habse中Zookeeper就不仅仅是高可用了,zookeeper里面放了Hbase的一些数据,不做高可用,hbase也是需要zookeeper!
4.Hbase支持长运行,列式数据库,列式数据库能够横向收缩,Hbase本身支持可伸缩,高可靠,高性能,面向列,实时读写的分布式数据库;
5.Hbase简介:
1)HBase – Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。
2)利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理 HBase中的海量数据,利用Zookeeper作为其分布式协同服务
3)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)
Hbase与zookeeper之间的关系:
hbase与zookeeper之间不仅仅是:zookeeper为hbase做高可用,zookeeper还管理这RegionServer的信息及与HMaster通信!
6.rowkey是按照字典顺序排序的,所以Hbase数据库中的数据是有序的,rowkey最多能够存储64k的字节数据,所以rowkey尽量设计的短一些,小一些!!
理论上Hbase上可以存储任何数据,只要我们的数据转化成字节数组类型(这是Hbase存放数据时,任何数据存储到HBASE必须遵守的规则)!
7.Hbase数据模型:
– ROW KEY
– 决定一行数据
– 按照字典顺序排序的。
– Row key只能存储64k的字节数据
– Column Family列族 & qualifier列
– HBase表中的每个列都归属于某个列族,列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’;
– 列名以列族作为前缀,每个“列族”都可以有多个列成员(column);如course:math, course:english, 新的列族成员(列)可以随后按需、动态加入;
– 权限控制、存储以及调优都是在列族层面进行的;
– HBase把同一列族里面的数据存储在同一目录下,由几个文件保存。
– Timestamp时间戳
– 在HBase每个cell存储单元对同一份数据有多个版本,根据唯一的时间戳来区分每个版本之间的差异,不同版本的数据按照时间倒序排序,最新的数据版本排在最前面。
– 时间戳的类型是 64位整型。
– 时间戳可以由HBase(在数据写入时自动)赋值,此时时间戳是精确到毫秒的当前系统时间。
– 时间戳也可以由客户显式赋值,如果应用程序要避免数据版本冲突,就必须自己生成具有唯一性的时间戳。
- Cell单元格
– 由行和列的坐标交叉决定;
– 单元格是有版本的;
– 单元格的内容是未解析的字节数组;
由{row key, column( =<family> +<qualifier>), version} 唯一确定的单元。 cell中的数据是没有类型的,全部是字节码形式存贮。
– HLog(WAL log)
– HLog文件就是一个普通的Hadoop Sequence File,Sequence File 的Key是HLogKey对象,HLogKey中记录了写入数据的归属信息,除了table和region名字外,同时还包括 sequence number和timestamp,timestamp是”写入时间”,sequence number的起始值为0,或者是最近一次存入文件系统中sequence number。
– HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的KeyValue。
8.Hbase的调优都是在列族层面下,同一个列族中的数据都是存储在同一个目录下,由几个文件保存,而且这些小文件是会合并的!
9.Hbase中没有update操作,但是我