我今天学到的关于HBase的一些相关知识。

在介绍HBase之前，很有必要先说明一下行式存储和列式存储的区别以及各自的优缺点。

传统关系型数据库所采用的是行式存储，数据库中的一张表的数据是连续放在一起存储的。这样带来的好处是：INSERT/UPDATE(插入数据、修改数据)容易。但也有其弊端，选择时，即使仅涉及其中的某几列，所有数据也都会被读取，并且列数不能太多（一般不超过30列），可以理解为牵一发，而动全身。行式存储主要适用于OLTP（On-Line Transaction Processing ，联机事务处理过程，也称为面向交易的处理过程）。

采用列式存储时，每列的数据会集中存储，不同列的数据则会分开保存。其优点为：查询时被涉及的列才会被读取；任何列都可以作为索引；相同列的数据存放在一起，数据压缩更容易（可以节省空间）；列数可以有很多。其缺点也很明显，每次选择完成时，被选择的列需重新组装，以及INSERT/UPDATE比较麻烦。列式存储主要适用于OLAP（On-Line Analytic Processing ，联机分析处理过程）。

HBase是Hadoop生态系统中的重要一员，常构建在HDFS上，是一个可以提供高可靠性、高性能、可伸缩、实时读写、分布式的列式数据库，是Google公司Big Table（一个分布式的结构化数据存储系统）思想的开源实现，具有存储非结构化数据的能力。HBase采用了上文所说的列式存储，因此具有良好的分布式扩展能力（通过不断增加服务器来增加存储能力）。

 

HBase具有以下特性：

1.伸缩性强（横纵向）。

2.自动分区。当表增长时，表会自动分裂成Region（HBase数据存储和管理的基本单位），并基本发布到可用节点上。值得一提的是一个HBase表由一个或一个以上Region组成，随着表中的存储数据增多，Region的值也会增加，但数据量达到阈值时，一个Region则会分裂出多个新的Region。

3.支持线性扩展和对新节点的自动处理。

4.支持普通商用硬件。

5.容错能力强，充分利用了Hadoop文件系统提供的容错能力。

6.检索能力强。

HBase的本质是一个稀疏的、多维的、持久化存储的映射表，它采用行健、列族、列限定符、时间戳来进行数据索引。HBase数据模型包含以下概念：

1.表（Table）                                                                                                                                     HBase采用表来组织数据，表由行和列组成，列可划分为若干个列族（Column Family）。

2.行（Row）                                                                                                                                       每个行由行键（RowKey）来标识。行键可以是任意字符串的字节数组，按字典序排序。访问表中的行有三种方式：通过单个行键访问、通过一个行键的区间来访问、全表扫描。

3.列族（Colunm Family）                                                                                                                  列族必须在表的定义阶段给出，列族的成员数量可以是一个也可是多个，且列族的成员不必在表定义时给出，可随后按需、动态加入。HBase的列式存储就是根据列族分开存储，每个列族对应一个存储区域。

4.列限定符（Qualifier）                                                                                                                      列族中的数据通过列限定符来定位，列限定符不需要事先定义，也不需要在不同行间保持一致。通常简称为列（Column）。

5.单元格（Cell）                                                                                                                                 单元格由行键、列族、列限定符、时间戳唯一决定。单元格中的数据是没有类型的，以字节码形式存储。

6.时间戳（Timestamp）                                                                                                                     时间戳通常也称为版本（Version）。数据单元存储的时候，会按时间戳来排序，所以在查询时若不提供时间戳，会返回距离当前最近的那个版本的数据。

关于HBase的系统架构和安装步骤我会在后面的博客记录（主要是今天就只学到了这点）。

写的虽然很简陋，但这是我今天所了解到的一些相关知识。如果有错误或者遗漏，欢迎各位大佬和前辈指出，感激不尽。

此外EDG加油！