HBase架构基础介绍

HBase是什么？

HBase是一个开源的非关系型分布式数据库。

为啥使用HBase？

• HBase有超强的扩展型好吞吐量
• 采用Key/Value存储方式，数据量增大，查询速度几乎不变
• 列式存储，甚至可以将几个字段分别存储到不同服务器上

总之，HBase比起其他数据库并不快，只是在数据量很大时，慢的不明显。

什么时候选择HBase？

• 单表数据量超千万，且并发还挺高。
• 不需要灵活和实时的数据，用作数据分析的需求较弱时。

什么时候选择Mysql或Oracle？

• 主要用来做数据分析（如：报表）
• 单表数据量不超过千万

HBase的服务器分类

• Master服务器
• RegionServer服务器

Master服务器用来做什么？

维护表结构信息，Master挂掉后，可以存储数据，但不能新建表了。

所有的数据操作都会经过它，如建表、删表、移动Region、合并等操作。

RegionServer服务器用来做什么？

• 存储数据，其数据存储在Hadoop的HDFS（分布式文件系统）中。
• RegionServer依赖Zookeeper，客户端连接HBase都需要先与Zookeeper通信，查询出需要连接哪个RegionServer。

什么是Zookeeper？

Zookeeper是一个轻量级分布式价格集群。用来维护节点的注册、取消、维持。

Region是什么？

Region是一段数据集合，一个Region就是多个行的集合。一张表拥有一个或多个Region。
-一个RegionServer上可以有一个或多个Region，但不能有半个（Region不可分）。

• 在HBase负载均衡的时候，可能会从一台RegionServer上把Region移动到另一台RegionServer上。
• Region是基于HDFS接口实现的。

RegionServer是什么？

是存放Region的容器，一般来说一个服务器只装一个RegionServer。

当客户端获取到RegionServer地址后，会直接从RegionServer获取数据。

存储架构

• HBase最基础的是列（Column），多个列构成行（row）。
• HBase行跟行之间的列可以完全不相同，这个行跟另一行也可以存在不同的机器上（离散的），甚至行内的列也可以存在不同的机器上。
• 一个列可以存储多个版本的单元格，单元格是数据存储的最小单元。
• 行键（rowKey）表示行的唯一性，行键不可重复，若重复存储，则会替换掉原来的值，原来的值会放到这个单元格的历史版本中。
• 每个列都有多个版本，多个版本的值存储在Cell中。
• 多个列又可以被归类为一个列族。

HBase支持什么数据格式？

支持所有能被转化为byte[]的格式，如：Bigdecimal、boolean、ByteBuffer、double、float、int、long、short、String。

如何查询唯一一条记录？

行键：列族：列：版本号（rowKey：column：family：column：version）

• 如果不写版本号，获取到的是最后一个版本数据。
• 每一个存储语句都必须写出数据要被存储在哪一个单元格（若一行10列，存此行数据需写10行SQL）

每个列或者单元格都被赋予一个时间戳，可以由系统指定，也可以由用户指定。

列族

• 建表要指定列族。
• 数据块是否压缩都定义在列族上。
• 同一个表不同的列族可以有完全不同的属性配置，一个列族内所有的列属性值一定相同
• 列名称规范：列族：列名。如：user：username、user：password
• HBase尽量把同一列族的所有列放在同一台机器上，若想把几列放在同一个机器上，就给其加上通一个列族。
• 官方建议，一个表列族越少越好

Hadoop的HA模式

同时启动两个nameNode,一个工作，另一个处于后配机状态，让其只同步活跃机的数据，当活跃机宕机后，自动切换过去，这种模式称为HA模式。