Hbase基础

1.HBase简介

HBASE 理论

• HBase是一个基于Hadoop的分布式、面向列的开源数据库，对大数据实现了随机定位和实时读写。
• HBase是基于Google的Bigtable技术实现的，Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop的HDFS作为其文件存储系统；Google运行MapReduce来处理Bigtable中的海量数据，HBase利用Hadoop的MapReduce来处理HBase中的海量数据；Google Bigtable利用Chubby进行协同服务，HBase利用Zookeeper进行协同服务。
• HBase具有以下特点。
  读取数据实时性强：可以实现对大数据的随机访问和实时读写。
  存储空间大：可以存储十亿行、百万列、上千个版本的数据。
  具有可伸缩性：可以通过增删节点实现数据的伸缩性存储。
  可靠性强：HBase的RegionServer之间可以实现自动故障转移。
  面向列：面向列（族）的存储和权限控制，列（族）独立检索。
  数据类型单一：HBase中的数据都是字符串，没有类型。

2.HBase的数据模型

HBase是一个面向列的数据库，数据模型主要有命名空间（Namespace）、表（Table）、行键（Rowkey）、列族（Column Family）、列（Column）、时间戳（Timestamp）、单元格（Cell）。

2.1 Namespace

Namespace可以对表进行逻辑分组，类似于关系数据库系统中的数据库。

2.2 表

表由Rowkey和列族组成，按Rowkey的字典顺序进行排序。

2.3 Rowkey

Rowkey是每一行数据的唯一标识。Rowkey可以使用任意字符串表示，Rowkey的最大长度为64KB，实际应用中Rowkey长度一般为10~1000 Byte。在HBase 内部，Rowkey保存为字节数组。

2.4 列族

列族是列的集合，在创建表时必须要声明列族。一个列族的所有列使用相同的前缀（列族名称）。HBase所谓的列式存储就是指数据按列族进行存储，这种设计可以方便地进行数据分析。

2.5 列

列以键值对的形式进行存储。列的值是字节数组，没有类型和长度限定。列的格式通常为column family:qualifier。例如，name:tom列和name:jack列都是列族name的成员，:后的内容通常称为Qualifier（限定符），Qualifier可以是任意的字节数组，相同列族中的Qualify的名称是唯一的，列的数量可以达到百万级别。

2.6 Cell

Cell是指由行键、列族、版本唯一确定的单元。Cell中的数据全部以字节码形式存储。

2.7 时间戳和版本

每个Cell通常保存着同一份数据的多个版本（Version），多个版本之间用时间戳来区分。时间戳的类型是64位的整型。
时间戳可以被自动赋值和显式赋值。自动赋值是指在数据写入时，HBas