学习笔记--Hbase

Hbase是一个开源的非关系型分布式数据库属于Nosql。数据存在HDFS中也可能存在内存中，可以容错存储海量稀疏数据。

Hbase的特性：

• 高可靠
• 高并发读写
• 面向列
• 可伸缩
• 易构建

行存储  vs  列存储

• 行存储 

1. 优点：写入一次性完成，保存数据完整性
2. 缺点：数据读取过程中产生冗余数据，若有少量数据可以忽略

• 列村塾

1. 优点：读取过程，不会产生冗余数据，特别适合对数据完整性要求不高的大数据领域
2. 缺点：写入效率差，保证数据完整性方面差

Hbase数据模型

• RowKey：表中每条记录的“主键”。例如（a）
• column  family：列簇，包含一个或者多个相关列。例如（cf1）
• column  qualifier：子列。例如（bar）
• timestamp：时间戳，表示一个版本。例如（1368394583）
• value：相对应的值。例如（7）

三位有序，三级寻址

• {rowkey => {family => {qualifier => {version => value}}}}

         例如：a:cf1:bar:1368394583:7

Hbase物理模型

• Hbase一张表由一个或多个Hregion组成
• 记录之间按Row Key的字典序排列
• 一个Region默认10个G
• 一个Region有一个RegionServer，而一个RegionServer有多个Region

HRegionServer内部管理了一系列的HRegion对象，HRegion是Hbase中分布式存储和负载均衡的最小单元

• 按rowkey可分为Region -> HRegion -> Region  Servers
• HRegion按列簇（Column Family） -> 多个HStore
• HStore -> memstore （默认128M）+ HFiles
• HFiles -> HDFS

HBase系统架构

• Client：访问Hbase的接口，并维护Cache加速Region  Server的访问
• Master：负载均衡，分配Region到RegionServer
• Region Server：维护Region,负责Region的IO请求
• Zookeeper

1. 保证集群中只有一个Master
2. 存储所有Region的入口（Root）地址
3. 实时监控Region Server的上下线信息，并通知Master

Hbase的容错

Hbase操作

单行操作：PUT,GET,DELETE

多条操作：SCAN

Hbase的读取过程

Hbase中扫描的顺序依次是：BlockCache、MemStore、StoreFile( Hfile )