HBase笔记

HBase是面向列存储的列式数据库

列式数据库：对数据库中的数据存储时，是按照列来存储的。

附：对于普通的行式关系型数据库，对于查询语句SELECT  ID, NAME FROM STUDENT，则处理该查询命令时，是先从STUDENT表中将所有列的数据都查出来返回给客户端，然后再客户端在将ID列和NAME列过滤出来呈现给客户，这样对于磁盘的IO消耗太大，查询速度就会降低。对于列式数据库来说，则查询时不需要把所有的列数据都查出来。

 

列式数据库的优势：对表中数据的查询只查询一部分列时，查询速率很快，因为不需要查询那些不需要的列数据；当表中数据的大量列的字段值为空时，不会存储空值，这样节省空间。

行式数据库的优势：在定义表的时候，表的列定义已经固定了有哪些列，每一列的类型也是固定的，这样对于给定的一行数据，其最大长度是固定的。因为行式数据库存储时是按照行进行存储的，即存储完一行数据，接着存储下一行数据（且每一行数据的长度是固定大小的），所以在查询的时候，根据存储首地址和行键可以快速定位到要查询的数据的存储位置，因此查询效率非常高。

HBase使用HDFS作为文件存储系统，采用Hadoop的MapReduce来完成HBase对海量数据的操作，利用Zookeeper作为协调工具。

HBase数据在存储数据时，是按照行健存储的，而关系型数据库则是按照插入时间进行存储。

HBase在查询时，也只可以根据行键进行查询，但是我们可以根据API进行进一步过滤。

-ROOT-和.META.是hbase的系统内部表。用户请求过来的时候，首先通过Zookeeper找到-ROOT-表，然后根据-ROOT-表找到对应的.META. 然后根据.META.找到对应的RegionServer，然后根据RegionServer找到最终存放数据的Server。

 

在HBase中，使用delete删除列时，例如命令delete ‘stu’ , ’2’, ’bas:age’，最后删除的是stu表中的行键为2的列簇为bas的其下面的列为age的该列，但是并没有删除stu表中行键非2的列簇为bas下面的age列，即查询get ‘stu’,’1’, ’bas:age’仍保留原数据。

Hbase中的put命令实际上并没有修改值，而是插入新值，因为put时和原数据的时间戳不一样，这样两个版本都存在，默认查询的是最新的，但是旧的仍保留。

利用MapReduce将数据从HDFS中批量导入HBase中的方法：

1、  在HBase中创建表

2、  确定表的行键是什么，确定列

 

Scan也具有强大的过滤功能：作用于客户端上，即查询出所有记录，在客户端进行过滤

Filter同样具有过滤功能：直接作用于RegionServer上，直接根据过滤条件在查询中过滤，只查询需要的数据。直接作用于服务器端。