Hadoop生态系统
非关系型数据库知识面扩展
- Cassandra hbase mongodb
- Couchdb,文件存储数据库
- Neo4j非关系型图数据库
HBase简介
- Hadoop Database,是一个高可靠性、高性能、面向列、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,利用Hadoop MapReduce来处理HBase中的海量数据,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)
HBase数据模型
ROW KEY
- 决定一行数据
- 按字典顺序排序的
- Row Key只能存储64k的字节数据
Row Key 的设计一般加时间戳
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示赋值,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的,全部是字节码形式存贮。
HLog(WAL log)
- HLog文件就是一个普通的Hadoop SequenceFile,Sequence File的Key是HLogKey对象,HLogKey中记录了写入数据的归属信息,除了table和region名字外,同时还包括sequence number和timestamp,timestamp是“写入时间”,sequence number的起始值为0,或者是最近一次存入文件系统中sequence number
- HLog SequenceFile的Value是HBase的Key Value对象,即对应Hfile中的Key Value