Hbase基础介绍-1 概述

一、概述

1、定义：

HBase是一个分布式的、面向列的开源数据库，是Google BigTable的开源实现，不同于一般的关系数据库，适合非结构化数据存储。

2、特点：

适合大规模海量数据，PB级数据；分布式、并发数据处理，效率极高；易于扩展，支持动态伸缩；适用于廉价设备；不适用于传统关系型数据的存储；可以支撑在线业务。

3、HBase在Hadoop生态中的地位

HBase是Apache基金会顶级项目，HBase基于HDFS进行数据存储，HBase可以存储超大数据并适合用来进行大数据的实时查询。

4、HBase与HDFS

（1）HBase建立在Hadoop文件系统上，利用了HDFS的容错能力；
（2）HBase提供对数据的随机实时读/写访问功能；
（3）HBase内部使用哈希表，并存储索引，可以快速查找HDFS中数据。

5、Hbase与Hive

（1）共同点：都可以处理海量数据；文件都是保存到HDFS上。
（2）不同点：Hbase的计算不通过MapReduce，自己实现CRUD功能，可以有集群，通过zookeeper实现管理，可以实时计算；Hive通过MapReduce实现数据查询，只能做离线计算。

6、关系型数据库与列式数据库

关系型数据库以行为单位进行存储，连续存储，记录在一个连续的存储空间中。
列式数据库以列为单位进行存储，不同列之间存储的位置不连续。

7、结构化数据和非结构化数据

结构化数据：有严格的数据模型，适合用二维表来展示的数据，表结构不会频繁调整。
非结构化数据：非结构化数据是数据结构不规则或不完整；没有预定义的数据模型；不方便用数据库二维逻辑表来表现，例如办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等。

8、HBase使用场景

瞬间写入量很大；大量数据需要长期保存，且数量会持续增长；HBase不适合有join、多级索引、表关系复杂的数据模型。
注意：Hbase只支持行级别的事务

9、CAP定理

分布式系统的最大难点，就是各个节点的状态如何同步。CAP定理是这方面的基本定理，也是理解分布式系统的起点。
一致性（C）：所有节点在同一时间具有相同的数据。
可用性（A）：保证每个请求不管成功或失败都有响应,但不保证获取的数据的正确性。
分区容错性（P）：系统中任意信息的丢失或失败不会影响系统的运行，系统如果不能在某个时限内达成数据一致性，就必须在上面两个操作之间做出选择。
hbase是CAP中的CP系统，即hbase是强一致性的。

10、Hbase与传统关系型数据库的区别

	Hbase	关系型数据库
数据库大小	PB级别	GB、TB级别
数据类型	Bytes	丰富的数据类型
事务	ACID只支持单个Row级别	全面的ACID支持，多Row和表
索引	只支持Row级别	支持
吞吐量	百万写入/秒	千写入/秒