Hbase知识点总结--持续更新

Hbase的基本介绍

hbase是建立在hdfs之上的一个数据库
不支持join等SQL复杂操作
支持的数据类型：byte[]
依靠横向扩展 一个表可以有上十亿行，上百万列
面向列族的存储和权限控制
对于为空(null)的列，并不占用存储空间，是一个稀疏表

Hbase适用场景

海量数据；精确查询；快速返回
海量数据指的是数据量的背景
精确查询指的是业务场景
快速返回指的是业务对时效性的要求

Hbase和Hadoop之间的关系

hdfs
	海量数据存储，适合一次性扫描大量数据
	适合一次写入多次读取
	不适合频繁的更新数据
hbase
	适用一次扫描少量数据
	适合多次写入多次读取
	支持数据更新
	支持删除数据

Hbase与RDBMS的关系

hbase:是一个开源的非关系型分布数据库
RDBMS:是关系型数据库管理系统
hbase
	不支持SQL查询
	不支持事务
	不支持join
RDBMS
	支持SQL查询
	支持事务
	支持join

Hbase详细架构

Client
	访问数据的入口，包含访问hbase的API接口，维护着一些cache(缓存)来加快对hbase的访问
Zookeeper
	Zookeeper的选举机制保证任何时候，集群中只有一个Master
	实时监控RegionServer的状态，将RegionServer的上线和下线的信息实时通知给Master
	存储hbase的schema(元数据)
	存贮所有region的寻址入口
Master
	为RegionServer分配region
	负责RegionServer的负载均衡
	发现失效的RegionServer并且重新分配其上的region
	处理schema更新请求
		master短时间下线，hbase集群依然可用，长时间不行
RegionServer
	RegionServer维护master分配给它的region，处理这些region的IO请求
	RegionServer负责切分在运行过程中变得过大的region

列族Column Family

列族是表schema的一部分，而列不是(schema包含表名和列族)
每个列都所属于某一个列族，一个列族可以包含多个列
一个列族与列的关系是一对多

时间戳

标记一个数据的不同版本，时间戳可以由hbase赋值(在数据写入时自动赋值)
hbase支持工程师自己定义时间戳，每个cell中，不同版本的数据按照时间倒序排序

Hbase本身提供数据回收机制

保存数据的最后N个版本
保存最近一段时间内的版本
</