Hbase快速入门

【1，hbase是什么？】

答:hbase是一个开源的然后非关系分布式数据库，

【2，hbase是数据保存在哪里？】

答：hbase的数据保存在hdfs上，但还有少量数据是保存在内存中的。

【3，hbase有哪些特性？】

答:高可靠，高并发读写，面向列，可伸缩，易构建.

优势：

• 海量数据存储。hdfs分布式文件系统存储数据
• 快速随机访问。hdfs中数据通常是顺序读取，原因就是吞吐能力，hbase是随机写入和访问。
• 大量写操作的应用。

【4，hbase中什么叫面向列？】

答:数据存储有两种，一种是面向行存储(关系型数据库)，一种是面向列存储。

面向行存储特点：

1.优点：就是写入的时候一次性要完成，并且它是保证你数据的完整性.每一列都必须有值，而且必须保证其完整性。

2.缺点：读数据的时候会产生很多冗余的数据。

• select name from user ;
• 内部在读取数据的时候是把整条记录都读取出来

面向列的特点：

1.优点：读取数据的时候不会产生冗余的数据。

• select name from user ;
• 内部在读取数据的时候是只把列存储的name直接读取出来，其他字段不会去查。

2.缺点：写入数据的效率差，不能保证数据的完整性。

【5,列存储的具体内容】

假设说它分了四列（如下图8所示）,列存储它就是分了四个不同的文件，每一个文件它的存储是这样存的，比如说你列字段里面都有值了，我们只做A和B和C和name和zhangsan和list做例子，其中第一个文件应该是这么存的： A \tzhangsan，B \t lisi，因为c没有name，所以就不存了

图8：

**NOTE:**Nosql里面它不是要求你所有的字段都是要有值的，因为是稀疏存储.

【6,Hbase主要应用在哪些领域？ 】

• 互联网搜索引擎数据存储
• 海量数据写入
• 消息中心
• 内容服务系统(schema-freee)
• 大表复杂&多维度索引
• 大批量数据读取

【7,Hbase的数据模型？ 】

图12

rowkey在整个的hbase表里面一定是按照你的字节去排序.行键其实就是hbase表的主键。

• 什么是Column Family？

  每一条记录里面或者是在你去建Hbase的Schema设计的时候要指定好Column Family，那什么是Column Family呢？你可以认为就是一个列族，但是它这个列你可以在列族里面又可以细分出多个列出来，就是Column Family下面可以细分出多个子列，那这些子列称为Column qualifiar。

• 什么是时间戳？

  简单点说就是版本号，需要注意的是时间戳是按照倒序排序的。每次修改列族的值， 不是在原来的基础上修改，而是帮你去重新复制一份记录出来，然后再复制出来的记录上去修改名字，原来这个名字这个记录，它会以某一种版本的形式给你记录起来明白了把？就是通过一个时间戳给你记录起来。

下面看两外一个例子

1. 当我们去读数据的时候默认是将最新的时间戳这个记录读取出来，不是把所有时间戳的数据都读出来。
2. a这个columnqualifier它这里面是包含了很多的一些列的名字，但是b里面就包含了一个，那这个columnqualifier这个设计就可以允许，就是hbase设计表的时候就非常的灵活。

Hbase你的检索能够更快速并且你的数据的维护更合理，那它这里面会体现了一个三维有序的这么一个特点

什么叫做三维有序

第一个纬度就是你的rowkey
第二个纬度就是它的列(cf和cq)
第三维就是version-value

【8,Hbase的物理模型？ 】

数据模型和物理模型这两个是有什么差异，这个大家应该是没有什么问题了，就是物理模型是称数据模型的实现。

Hbase的一张表其实它是由一个或多个Hreging来组成的，那什么叫做Hreging呢？那在Hreging大家可以暂时先认为它就是一个区域或者分区，所以认为一个Hbase一张表它是由一个或多个分区组成，然后并且这张表的数据是按照rowkey进行字典排序的，我们看上图23图中的图，相当于就是一张用户表，就类似于刚才那张一样。

每一个region的内部他们这个rowkey按照顺序排序的，而且region与region之间也是按照这种全局排序的，这是一个整体的一个物理的逻辑图。

那这个region呢因为是有大小概念的，有的region包含的记录多也有的region包含的记录少，那什么时候会region会变多有时候会变少？因为你这个数据是随着你的插入，使这个region是不断的增大。

如果数据是稀疏的：

如果要插入88，在第2个region中，那么会在99的位置开个口子，将88填充进去。随着不断的插入，第2个region不断增大，region就应该一分为二，变成76~100。

【9，什么情况下region会自动分裂？】

这个Region他有一个默认配置可以配，默认是10G。一个region里面它所管辖的数据里面超过了10个G的话，它会自动的去切分，region你可以认为是在Hbase整个集群里面是数据分布的一个最小的单位。

region它仅只能是属于某一个机器的，那这个机器的名字叫做regionService，一个region它只属于一个regionService，但是不允许一个region它既属于regionService又属于另外一个regionService。

总结：
1，一个region只能属于一个regionService.
2,一个regionServer可以包含多个region(不同表的region)。
3,region代表一个区域，是一个逻辑概念。

【10，如果在列族中既有写又有读，hbase是怎么处理的？】

只修改里面其中一个字段，其他字段不修改，把整行记录加锁明白这意思把？所以Hbase它是按行锁定的

【11，regionService用来干什么的？】

主要是负责用户的IO请求.

• 什么是IO请求
  

  就是读和写.读和写的目的是干嘛？不就是操作数据嘛对不对？那它的数据哪里来的呢？就是在这个HDFS上，这个RegionService就给你提供了这么一个IO的一个入口然后供你客户端来对HDFS进行一个交互，所以RegionService在这上面是一台机器，但是在这个机器上面它会运行着一个进程，这个进程就叫做HRegionServer，这是进程，它这个进程是在Hbase里面是属于一个非常非常核心的一个进程，一个HRegionServer内部管理了一系列的HRegion对象.

【12，Hregion与region区别？】 Region是你对应Table的一个Region，然后HRegion相当于是对着Region一个封装，你可以简单理解就是这个Region就是逻辑概念，而HRegion就是一个物理概念。 **【13，HTable ,Hbase,Hstore HFile？】**

• HTable

  就是表——>表

• Hstore

  Hbase你是可以分多个Column Family的对吧，一个Column Family就是一个Hstore,你可以认为就是一系列的文件，你简单理解就是一个文件.

Hstore由两部分组成:

1. 内存区（memstore）
2. HFiles真正落入磁盘的数据的一个数据

首先把你的数据往memstore去写，当写到一定程度的时候，它就会把这个内存里面的数据做一个内存溢并写出多个Hfiles出来。什么叫有序KV？有序KV这个之前我们讲mapreduce的时候，那不是有一个排序嘛？按key进行排序这不就是一个有序kv嘛对吧.

Hbase的这个memstore大小是：128m.这个系统默认的128m可以改的，一旦达到了这个128m的时候它就开始往磁盘上存。

mapreduce里面memstore它的默认的空间大小是多大来着？是100m

通过下面图看出他们的联系：

BlockCache是一个也是类似于像menStor一样是一块内存区域，它这个缓存区是用来读的。

BlockCache就是一个读缓存，一个RegionService它可以管理着很多个Region是吧？然后这每一个Region里面又包含了很多的Hstore，然后每一个Hstore里面它又包含了一个MemStore又包含着很多的StoreFile，其实StoreFile本质就是一个HFile，HFile就直接落地到了你的DataNode上面去了。

【14，hbase的系统架构】
Hbase整个系统架构就主要包含了四个部分是吧？那就是Client和Master和Region Server和Zookeeper。