HBase基本知识

定义

HBase是一种分布式、可扩展、支持海量数据存数的NoSQL数据库。

HBase数据模型

HBase的数据模型与关系型数据库类似，数据存储在一张表中，有行有列，但是HBase的底层物理结构是(K-V)。

使用HBase的情况

当满足以下情况的时候，使用HBase，才能发挥它的作用

表单的数据量超千万，且并发挺高

数据分析需求较弱，或者不需要那么灵活和实时

HBase的优缺点

优点

列可以动态增加，并且列为空就不存储数据，节省存储空间。

Hbase自动切分数据，使得数据存储自动具有水平scalability。

Hbase可以提供高并发读写操作的支持。

缺点

不能支持条件查询，只支持按照Row key来查询。

HBase并不适合传统的事物处理程序或关联分析，不支持复杂查询，一定程度上限制了它的使用，但是用它做数据存储的优势也同样非常明显。

HBase的数据模型

1、Name Space

​ 命名空间，类似于关系型数据库的DataBase，每个命名空间下多有个表。HBase有两个自带的命名空间，hbase和default，hbase中存放的是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中的表，不同的是，HBase定义表时，只需要声明列族即可，不需要声明具体的列。因此，在往HBase里写入数据时，字段可以动态的、按照需要指定。

3、Row

​ HBase表中的每一行数据都由一个RowKey和多个Column(列)组成，数据是按照RowKey的字典顺序存储的，并且查询数据的时候，只能按照RowKey进行检索，所以要认真设计RowKey.

4、Column

​ HBase中的每一列都是由Column Family(列族)和Column Qualifier(列限定符)进行限定，例如info:name,info:age。建表时，只需要指明列族，而列限定符无需预先定义。

5、Time Stamp

​ 用于标识数据的不同版本(version)，每条数据写入时，如果不指定时间戳，系统狐疑自动为其加上该字段，其值为写入HBase的时间

6、Cell

​ 由{rowkey,column Family:column Qualifier,time Stamp} 唯一确定的单元。Cell中的数据是没有类型的，全部都是字节码形式存储。

HBase整体架构

1、Region

​ Region就是一段数据的集合。HBase中的表一般用于一个到多个Region，Region有以下特性：

• Region不能跨服务器，一个RegionServer上有多个Region。
• 数据量小的时候，一个Region足以存储所有数据；但是，当数据量大的时候，HBase会拆分Region。
• 当HBase在进行负载均衡的时候，也有可能会从一台RegionServer上把Region移动到另一台RegionServer上。
• Region是基于HDFS的，它的所有数据存取操作都是调用了HDFS的客户端接口来实现的。

2、RegionServer

​ RegionServer就是存放Region的容器，直接上说服务器上的一个服务。一般来说，一个服务器只会安装一个RegionServer服务，当然也可以装多个。

​ 当客户端从Zookeeper获取RegionServer的地址后，它会直接从RegionServer获取数据。

3、Master

​ Master是所有Region Server的管理者，由它对表进行create,delete,alter。

​ 对于RegionServer的操作：分配regions到每个RegionServer，监控每一个RegionServer的状态，负责均衡和故障转移

4、Zookeeper

​ Zookeeper在HBase中类似于管家，Zookeeper管理了HBase所有RegionServer的信息，包括具体的数据段存放在哪个RegionServer上。

​ 客户端每次与HBase连接，其实都是先于Zookeeper通信，查出哪个RegionServer需要连接，然后再连接RegionServer。

5、HDFS

HDFS为HBase提供最终的底层数据存储服务，同时为HBase提供高可用的支持。