Hadoop和Hbase的关系：Hadoop Hbase详解

作为大数据主流的框架之一，Hadoop的发展已经进入稳定成熟阶段，针对于大数据处理各个环节当中的问题，都有相应的解决方案，也因此形成了完整的Hadoop生态，其中各个组件的配合，共同完成大数据处理任务。今天我们就主要来聊聊Hadoop和Hbase的关系，详细介绍一下Hadoop Hbase相关的知识。

Hbase，其实是Hadoop Database的简称，本质上来说就是Hadoop系统的数据库，为Hadoop框架当中的结构化数据提供存储服务，是面向列的分布式数据库。这一点与HDFS是不一样的，HDFS是分布式文件系统，管理的是存放在多个硬盘上的数据文件，而Hbase管理的是类似于key—value映射的表。
 

Hbase底层仍然依赖HDFS来作为其物理存储，并且还需要Zookeeper协助提供部分配置服务，包括维护元信息和命名空间等。

传统的关系型数据库，数据按照行进行存储，在进行查询时，需要使用大量的I/O，数据库必须大量膨胀才能满足性能要求，这在面对大规模数据处理任务时，计算性能受到极大的拖累，完全不适应大数据处理的需求。

而Hbase的数据存储，数据是按列存储的，查询时只访问所涉及的列，大量降低系统I/O,数据类型一致，可以高效压缩存储。

HBase中有Column Family的概念，简称为CF。CF一般用于将相关的列（Column）组合起来。上述例子中，“姓”和“名”组合成为info,组合的形式是类似于字典的key-value形式。在物理上HBase其实是按CF存储的，只是按照Row-key将相关CF中的列关联起来。

总体来说，Hbase对数据的存储方式和数据结构进行的修改和规整，使其更加善于去处理大数据的场景，此在Hadoop MapReduce运行计算时能够提供更好的底层支持。

当然，Hbase并非完美，限于这样的数据结构和存储方式，Hbase只能做简单的key-value查询，不能支持复杂的统计SQL。

关于Hadoop和Hbase的关系，相信看完以上的内容，大家也都能够做到基本的了解了。在Hadoop框架当中，基于分布式文件系统HDFS和分布式数据库Hbase，保证了稳定可靠的底层支持，为后续的数据处理提供了保障。