基于HBase的大数据存储在京东的应用场景

HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，适用于结构化的存储，底层依赖于Hadoop的HDFS，利用HBase技术可在廉价PCServer上搭建起大规模结构化存储集群。因此，HBase被广泛使用在大数据存储的解决方案中。

为何使用HBase

1、HBase的优点：

• 列可以动态增加，并且列为空就不存储数据，节省存储空间

• HBase自动切分数据，使得数据存储自动具有水平scalability

• HBase可以提供高并发读写操作的支持

2、HBase的缺点：

• 不能支持条件查询，只支持按照Row key来查询

• HBase并不适合传统的事物处理程序或关联分析，不支持复杂查询，一定程度上限制了它的使用，但是用它做数据存储的优势也同样非常明显

因为HBase存储的是松散的数据，所以如果你的应用程序中，数据表每一行的结构是有差别的，那么可以考虑使用HBase。

因为HBase的列可以动态增加，并且列为空就不存储数据，所以如果你需要经常追加字段，且大部分字段是NULL值的，那可以考虑HBase。

因为HBase可以根据Rowkey提供高效的查询，所以如果你的数据（包括元数据、消息、二进制数据等）都有着同一个主键，或者你需要通过键来访问和修改数据，使用HBase是一个很好地选择。

如何使用HBase

场景一：卖家操作日志

卖家操作日志，顾名思义是用来记录商家操作的系统，从而可以保证商家可以精确查询自己的各种操作。京东有几十万的商家时时刻刻的进行着各种操作，因此卖家操作日志的特点是：数据量大、实时性强、增多查少。

做卖家操作日志初期，将所有的操作日志存放在ES中，操作日志的数据量是非常大的，但当时所能申请到的ES资源有限。当把大量的数据存储到有限的ES集群中时便导致了性能的下降。在这种情况下，选择了只在ES集群中存储最近三个月的数据，对其提供灵活的查询，而长期的数据存储使用HBase来进行。这样便可以实现对近期操作灵活展现，对长期数据也有精确备份。

场景二：京麦消息日志的存储

京麦消息日志的存储是属于京麦筋斗云系统（用于打造京麦消息生态系统闭环）不可或缺的一部分，其中包含消息的全链路追踪以及消息的统计分析。京麦消息每天都会有几千万的消息量，如何对消息进行追踪和统计便成为了一个至关重要的问题。

消息追踪要求实时性、多维度精确查询，因此选择将最近一周的消息日志存储在ES。统计分析要求有足够多的数据，因此在将数据存储在ES中的同时也存储在HBase中一份。最终再定期将HBase中的数据导入到京东的数据集市中，这样便可以很方便的对京麦消息进行统计分析。

使用HBase时应注意的问题

基于HBase的系统设计与开发中，需要考虑的因素不同于关系型数据库，HBase模式本身很简单，但赋予你更多调整的空间，有一些模式写性能很好，但读取数据时表现不好，或者正好相反，类似传统数据库基于范式的OR建模，在实际项目中考虑HBase设计模式是，需要从以下几方面内容着手：

• 这个表应该有多少个列簇

• 列簇使用什么数据

• 每个列簇应有多少个列

• 列名应该是什么，尽管列名不必在建表时定义，但是读写数据时是需要的

• 单元应该存放什么数据

• 每个单元存储什么时间版本

• 行健结构是什么，应该包括什么信息

 转载自：基于HBase的大数据存储在京东的应用场景