HBase学习总结

本文为HBase学习总结

一、基础

1）基本概念
HBase是一个在HDFS上开发的面向列的分布式数据库，可实时地随机访问

所有对HBase表的访问都需要通过表的主键，行中的列被分成"列族"(column family)。物理上，所有的列族成员都一起存放在文件系统中，同一个列族的所有成员具有相同的前缀

HBase依赖于ZooKeeper，ZooKeeper集合体负责管理诸如hbase:meta目录表的位置以及当前集群主控机地址等重要信息。如果区域分配过程中有服务器崩溃，ZooKeeper可以进行分配的协调

2）region
HBase自动把表水平划分成区域(region)，每个region由表中行的子集构成，每个region由它所属于的表、它所包含的第一行及最后一行(不包含)来表示。一开始，一个表只有一个region，但是随着region的增大，超出设定的大小阈值，便会在某行的边界上把表分成两个大小基本相同的新region。在第一次划分之前，所有加载的数据都存放在原始区域所在的那台服务器上。随着表变大，region个数也会增加。region是在HBase集群上分布数据的最小单位。用这种方式，一个过大的表会被放到服务器集群上，其中每个节点都负责管理表所有region的一个子集。表的加载也是使用这种方法把数据分布到各个节点。在线的所有region按次序排列就构成了表的所有内容

3）master，regionserver
HBase用一个master节点协调管理一个或多个regionserver从属机。HBase的master负责启动(bootstrap)一个全新的安装，把region分配给注册的regionserver，恢复regionserver的故障。regionserver负责零个或多个区域的管理以及相应客户端的读/写请求，还负责区域的划分并通知master有新的子区域(daughter region)，这样，主控机就可以把父区域设为离线，并用子区域替换父区域

4）宽表
在HBase中，所有访问都是通过主键的，并且它可以以极小的开销管理较宽的稀疏表，因此HBase表可以依据业务场景聚合多个单表为一个宽表，方便进行数据的查询