HBase基础以及架构深入了解

HBase基础以及架构深入了解

一.HBase的介绍以及说明

1.HBase介绍

1.1.官方介绍

说明：大约在2003年左右，google发表了三遍论文：GFS,Map-Reduce,BigTable,其中根据GFS实现了HDFS,根据Map-Reduce实现了MapReduce，根据BigTable就实现了HBase。
官方，地址：https://hbase.apache.org/

这句话的大意是：

Apache HBase是一个分布式、可伸缩的大数据存储的Hadoop数据库。
当您需要对大数据进行随机、实时读/写访问时，请使用Apache HBase™。这个项目的目标
是在商品硬件集群上托管非常大的表——数十亿行×数百万列。ApacheHBase是一个开源的、
分布式的、版本化的、非关系型数据库，它以Chang等人的Google论文:"《Bigtable: A 
Distributed Storage System for Structured Data》"为模型。正如Bigtable
利用Google文件系统提供的分布式数据存储一样，Apache HBase在Hadoop和HDFS
之上提供了类似Bigtable的功能。

1.2.要点说明

根据上述的官方给我们的介绍，对HBase可以总结如下：
HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库。面向列的数据库。hbase中所有的列（包含主键）全部都是字节数组
HBase特点可以归结为：

1.海量存储
2.列式存储
3.极易扩展
4.高并发
5.稀疏

1.3Hbase优缺点

优点：

1.HDFS有高容错，高扩展的特点，而Hbase基于HDFS实现数据的存储，因此Hbase拥有与生俱来的超强的扩展性和吞吐量。
2.HBase采用的是Key/Value的存储方式，这意味着，即便面临海量数据的增长，也几乎不会导致查询性能下降。
3.HBase是一个列式数据库，相对于于传统的行式数据库而言。当你的单张表字段很多的时候，可以将相同的列(以regin为单位)存在到不同的服务实例上，分散负载压力。

缺点：

1.架构设计复杂，且使用HDFS作为分布式存储，因此只是存储少量数据，它也不会很快。在大数据量时，它慢的不会很明显！
2.Hbase不支持表的关联操作，因此数据分析是HBase的弱项。常见的 group by或order by只能通过编写MapReduce来实现！
3.Hbase部分支持了ACID

总结：HBase适合海量数据:百亿级别数据存储，很显然，如果这些数据存储在MySQL或者其他关系型数据库中，查询起来是非常慢的，但是HBase仅仅支持简单的查询，所以在查询时，一般我们会用到Hive来集成HBase。

二、HBase的结构

1.存储层次结构

在HBase中，以命名空间为起点(类似于关系型数据库的’库’的概念)，命名空间下面就是表级别，表下面就是region(刚创建标时，只会有一个region)，region下面就是store(一个store就对应一个列族)，列族下面就是具体的数据文件(stroreFile)
刚搭建HBase时，会有两个默认库(命名空间，为了方便理解，后面统称为库)：hbase与default
hbase：元数据数据库，此库存储着Hbase数据库所有的元数据信息.
default：默认数据库，当创建数据库时，如果没有指定库名，那么默认就是创建在这个库下，同时，如果读取表数据时没有指定库名，默认也是读取default

HBase大致结构如下：

2.集群结构

一个HBase集群有多台机器组成，其中每台机器会启动一个RegionServer进程，用于管理当前机器上的Region以及数据的更改。
一个HBase集群同时也会启动一个Master进程(如果配置了高可用，可以启多个备份的Master进程，所有的Master中只会有一个Master处于工作状态)Master主要任务是表结构的增删改查以及各个Regin的负载均衡。