文章目录
1. HBase简介
1.1 HBase是什么?
HBase,即Hadoop DataBase,是Hadoop的一个子项目,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统,是Google Bigtable的开源实现。
HBase在Hadoop生态中的位置如下[1]——
- 使用HDFS作为其分布式存储系统,提供了高可靠的底层存储支持
- 使用MapReduce来处理海量数据,提供了高性能的计算能力
- 使用Zookeeper提供协同/协调服务,提供了稳定服务和failover机制(故障切换)
1.2 列式存储与行式存储
上面说到HBase是基于列的列式数据库,而常用的关系数据库则是行式数据库,此处对两个概念做简单区分。
行式存储是指数据以行为单位进行存储,同一行的数据在存储介质中连续,如Oracle、Mysql、Sql Server
列式存储是指数据以列为单位进行存储,同一列的数据在存储介质中连续,如HBase、HP vertica等分布式数据库
行式存储适合处理OLTP,对实时性要求较高的应用,如ATM系统——
- INSERT/UPDATE容易,适合随机数据的增加和删除
- 适合需要获取行中所有属性的查询操作
- 当数据量很大时且没有索引时,需要大量IO(如只需要查询两列,但仍然要把每一行都读出来)
- 建立索引等提高性能的操作花时间、占空间
列式存储适合处理OLAP,实时性要求不高,但数据量大——
- 每一列都可以作为索引进行查询
- 查询时只有涉及的列被读取
- 各列独立存储,可根据每一列的实际情况进行压缩,节省存储空间
- 查询时对各个列并行查询,再进行组合(查询示意图如下)
- INSERT/UPDATE比较麻烦,不适合需要频繁更新的应用
2. HBase表格结构
HBase的表格中涉及到几个概念,用一个例子来解释,这一部分看了很多博客,其中HBase概念及表格设计解释得很通俗,可以看一下。
HBase中一个可能的表格如下,包括:
- RowKey:行键,类似关系表中的主键,是用来表示唯一一行记录的主键,按字典序排列
- Column:列,类似关系表中的列,在下图中的列就是
Gender,Age,Province,City
- ColumnFamily:列族,是列的集合,不同的列族存储在不同文件中,引入这个概念是因为HBase查询中,很多情况下不需要一行中所有的列
- Cell:单元格,由【RowKey、Column】确定的单元格,如下图中的
Male,20...
- TimeStamp:数据修改时加入的时间戳,下图中作为单独一列,实际上这个值是存放在单元格中的,见下面的例子
HBase的表数据内部用Map实现[5],如上图用字典/JSON形式可表示如下:
{
"Mike":{
"BasicInfo":{