HBase第一天

学习HBase第一天
1.HBase基本介绍
hbase是bigtable的开源java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nosql的数据库系统。
它介于nosql和RDBMS之间，仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。

主要用来存储结构化和半结构化的松散数据。
结构化数据可以通过固有键值获取相应信息，且数据的格式固定
半结构化数据可以通过灵活的键值调整获取相应信息，且数据的格式不固定，如json，同一键值下存储的信息可能是数值型的，可能是文本型的，也可能是字典或者列表
非结构化数据不可以通过键值获取相应信息,如图片

Hbase查询数据功能很简单，不支持join等复杂操作，不支持复杂的事务（行级的事务）
Hbase中支持的数据类型：byte[]
与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

HBase中的表一般有这样的特点：
 大：一个表可以有上十亿行，上百万列
 面向列:面向列(族)的存储和权限控制，列(族)独立检索。
 稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。

HBase的发展历程
HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的子项目来开发维护，用于支持结构化的数据存储。
官方网站：http://hbase.apache.org

• 2006年Google发表BigTable白皮书
• 2006年开始开发HBase
• 2008 HBase成为了 Hadoop的子项目
• 2010年HBase成为Apache顶级项目

2、HBase与Hadoop的关系
2.1、HDFS

• 为分布式存储文件系统
• 针对存储大尺寸的文件进行优化，不需要对HDFS上的文件进行随机读写,没有索引
• 直接使用文件
• 数据模型不灵活
• 使用文件系统和处理框架
• 优化一次写入，多次读取的方式
  2.2、HBase
• 提供表状的面向列的数据存储
• 针对表状数据的随机读写进行优化,有索引
• 使用key-value操作数据
• 提供灵活的数据模型
• 使用表状存储，支持MapReduce，依赖HDFS
• 优化了多次读，以及多次写

3、RDBMS与HBase的对比
3.1、关系型数据库(mysql Oracle db2)
结构：

• 数据库以表的形式存在
• 支持FAT、NTFS、EXT、文件系统
• 使用Commit log存储日志
• 参考系统是坐标系统
• 使用主键（PK）
• 支持分区
• 使用行、列、单元格
  功能：
• 支持向上扩展
• 使用SQL查询
• 面向行，即每一行都是一个连续单元
• 数据总量依赖于服务器配置
• 具有ACID(事务)支持
  3.2、HBase
  结构：
• 数据库以region的形式存在
• 支持HDFS文件系统
• 使用WAL（Write-Ahead Logs）存储日志
• 参考系统是Zookeeper(有紧密的耦合关系)
  zookeeper是分布式协调服务框架
• 使用行键（row key）
• 支持分片
• 使用行、列、列族和单元格
  功能：
• 支持向外扩展
• 使用API和MapReduce来访问HBase表数据
• 面向列，即每一列都是一个连续的单元
• 数据总量不依赖具体某台机器，而取决于机器数量
• HBase不支持ACID（Atomicity、Consistency、Isolation、Durability）
• 适合结构化数据和非结构化数据
• 一般都是分布式的
• HBase支持简单事务
• 不支持Join

4、HBase特征简要

• 海量存储
  Hbase适合存储PB级别的海量数据,能在几十到百毫秒内返回数据
• 列式存储
  这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的
• 极易扩展
  一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
• 高并发
  这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多。能获得高并发、低延迟的服务。
• 稀疏
  稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。