Hbase

hbase简介

​​​​
hbase 是非关系型数据库
hadoop database 是一个高可用，高性能，面向列的kv键值对，可伸缩，实时读写的分布式数据库

利用hadoop hdfs 作为其文件存储系统，系统hadoop mapreduce 来处理hbase中海量数据，利用zookeeper作为其分布式协同服务

主要用来存储非结构化和半结构化的松散数据（列存 nosql数据库）

与传统数据库的对比：

1、传统数据库遇到的问题：

1）数据量很大的时候无法存储；
2）没有很好的备份机制；
3）数据达到一定数量开始缓慢，很大的话基本无法支撑；

2、HBASE优势：

1）线性扩展，随着数据量增多可以通过节点扩展进行支撑；
2）数据存储在hdfs上，备份机制健全；
3）通过zookeeper协调查找数据，访问速度快。

hbase 数据模型

HBase是一个面向列的数据库，在表中它由行排序。表模式定义只能列族，也就是键值对。一个表有多个列族以及每一个列族可以有任意数量的列。后续列的值连续存储在磁盘上。表中的每个单元格值都具有时间戳。总之，在一个HBase：

表是行的集合。
行是列族的集合。
列族是列的集合。
列是键值对的集合。

• row key
  决定一行数据，
  按照字典数据排序的
  rowkey 只能存储64k的字节数据
  一般存10~100个字节

• Column Family 列族 qualifier 列
  HBase表中的每个列都归属于某个列族，列族必须作为表 模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’；

  列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入；

  权限控制、存储以及调优都是在列族层面进行的；

  HBase把同一列族里面的数据存储在同一目录下，由几个文件保存

• Timestamp时间戳
  在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。

  时间戳的类型是 64位整型。

  时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫秒的当前系统时间。

  时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。

• Cell单元格
  由行和列的坐标交叉决定；
  单元格是有版本的；
  单元格的内容是未解析的字节数组；
  由{row key， column( = +)， version} 唯一确定的单元。
  cell中的数据是没有类型