HBase初步了解

HBase初步了解

什么实HBase

HBase 是分布式非结构化面向列的开源数据库。数据文件都存储在Hadoop HDFS文件系统上，所以HBase必须要在Hadoop的环境下使用。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

HBase 用途

主要用来存储非结构化和半结构化的松散数据。存数据是分区存储，自动分区。

使用场景

1. 系统需要适应不同种类的数据格式和数据源，不能预先严格定义模式，需要处理大规模数据
2. 不强调数据之间的关系，所要存储的数据是半结构化或非结构化的；
3. 数据非常稀疏；
4. 想要更好的进行扩展；

表结构

一张表由多行组成，每一行由多个列组成，这些列可以使单个的列也可以是列族（column family），列族有多个列组成的，一个列族所有的列都存放在相同的存储文件中（HFile二进制格式文件）。注意每行列族控制在2-3个，因为刷新某一个列族的时候会同时刷新他相邻的列族 每行有一个唯一的行健（rowKey）其长度默认应该小于65536，检索时根据行健检索。

如图所示是一个简单的Hbase表结构，timestamp是时间戳，表示列的版本。
行数据的存取操作是具有原子性的，要么全部成功要么全部失败，可以读取任意数目的列还不支持跨行事务和跨表事务。

疑问

1. Hbase表的字段数据类型是什么
   HBase只有字符串类型，存入的都字节（byte）类型。
2. hbase的创建语句
   hbase是通过shell脚本来编写创建语句的。
3. 如何查询指定的数据
   只能通过行健来查询数据
4. 表中的数据是否都是二进制的字节码？

优点

1. 列可以动态增加，列为null时不占空间。节省空间。
   2.Hbase自动切分数据，使得数据存储自动具有水平scalability.
   3.Hbase可以提供高并发读写操作的支持

缺点

不支持条件查询，只能通过row key 来查询。

补充

1.数据操作：HBase只有很简单的插入、查询、删除、清空等操作，表和表之间是分离的，没有复杂的表和表之间的关系，不可以做连接查询的操作。
2.存储模式：HBase是基于列存储的，每个列族都由几个文件保存，不同的列族的文件是分离的。相同的列族是存放在相同的文件中的。而传统的关系型数据库是基于表格结构和行模式保存的
3.数据维护，HBase的更新操作不应该叫更新，它实际上是插入了新的数据，而传统数据库是替换修改