Hbase

简介

hadoop的局限

hadoop主要实现批量数据的处理，并且通过顺序方式访问数据
要查找数据必须搜索整个数据库，如果要进行随机读取数据，效率较低

HBase与NoSQL

• NoSQL是一个通用术语，泛指一个数据库并不是使用SQL作为主要语言的非关系型数据库。
• 谷歌的三篇论文，GFS、Mapreduce、BigTable 解决海量数据的传输、计算和存储问题。
• Hbase是BigTable的开源版本，是建立在HDFS之上，提供高可靠性，高性能，列存储，可伸缩，实时读写NoSQL的数据库系统。
• 适合数据量特别大的，几十亿数据秒读取。少量数据优势不明显。也就是支持HDFS的随机写操作（下载下来，重新写再重新上传）。
• Hbase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库系统。
• Hbase也是apache的顶级项目。

HBase的数据模型

逻辑上，Hbase的数据模型同关系型数据库类似，数据存储在一张表中，有行有列，但从HBase的底层物理存储结构（K-V）来看，更像是一个多维的地图。

Hbase架构很难。

HBase的逻辑架构

Rowkey ：行键，必须存在，系统自带。插入数据时必须带有rowkey，相当于mysql的主键。按照字典序（按位比较）存储。

竖着按照列族切分。office_info、peronal_info均为列族。 和mysql的第一个区别，将很多的列分为不同的列族放在不同的文件夹存储。每个列族（有几百个列）放在一个文件夹存储。

横着按照rowkey的数据量切分，横向的切片叫做region。
store：真正在hdfs里分布存储的数据块。

HBase物理存储结构

TimeStamp：版本及时间戳（实现随机写操作完全依赖时间戳）HBase项目中windows和linux的时间必须调一致。
取时间戳最大的作为最新的数据。可以做到时间同步。

Type：删除操作类型为Delete，插入数据操作类型为Put。

数据模型

1. Name Space
   命名空间，相当于database，每个命名空间下有多个表，HBase有两个自带的命名空间，Hbase和的default。Hbase存放Hbase内置的表，default是用户默认使用的命名空间。

2. Region
   类似于关系型数据库的表概念。不同的是HBase定义表只需要声明列族即可，不需要声明具体的列（name：张三，而不需要定义name）。这意味着，往Hbase写入数据时，字段可以动态、按需指定。因此，Hbase能够轻松应对字段变更的场景。

3. Row
   Hbase表中的每行数据有一个RowKey和多个Column（列）组成，数据按照rowkey的字典数据存储，并且查询数据时只能根据rowkey进行检索，所以rowey的设计十分重要

4. Column
   Hbase中每个列都有Column Family（列族）和Column Qualifier（列限定符）指定。

5. Time Stamp
   用于表示数据的不同版本，每条数据写入的时候，如果不指定时间戳，系统就会自动为其加上该字段，值为写入Hbase的时间。

6. Cell
   由rowkey,column Family:Collumn Qualifier,tim Stamp)唯一确定的单元。cell中的数据时没有类型的，全部都是字节码形式存储。即不区分int float等数据类型，hbase自带字节工具类。

Hbase基本结构（不完整版）

Hbase的数据存在hdfs文件系统，存在Linux磁盘中。
Region放在Region Server中。

• RegionServer的作用：Data：get，put（增改），delete 。Region：SplitRegion、compactRegion

Master（元数据的入口，管理表结构，DDL）DML管理数据
zookeeper帮助管理，实现高可用。

Master宕机的时候一段时间内，不影响数据的增删改查。

• Master作用：Table：create/delete/alter 。RegionServer:分配regions到每个RegionServer，监控每个RegionServer的状态