初识HBase

1.1HBase概念

HBase是一个分布式（有角色，搭建集群）的面向列的数据库。

面向行:面向行的特点是,即是某一行的某一列没有存储数据,那么这一列也会占用空间,另外在磁盘的存储上,每一行的各个列的数据也都是顺序存储在一起的。

面向列：每一行的数据可以有不同的列，有多少列就占用多少存储空间，没有的列就不占用存储空间。在磁盘的存储上，是以列族存储的。

HBase与hive的比较

hive数据库分析工具，将元数据存储在mysql中，将业务数据存储在hdfs上

HBase数据库，业务数据也是存储在hdfs的，元数据是由它本身管理的

HBase与mysql相比，具有以下特点

1. 能存储的数据量大
2. 读（150w次/s）写（10w次/s）的速度快

1.2HBase的特点

1. 海量存储

能够处理PB级别的海量数据,并在采用廉价的pc端的情况下,能够在几十到几百毫秒之间返回数据。这一特点与HBase较好的扩展性有很大的联系。

   2.列式存储

这里所说的列式存储就是列族存储，HBase是根据列族来存储数据的。

列族(column family):就是列的分类，列族在创建表的时候必须指定，每一个列族中可以包含多个列，列可以在插入数据的时候指定。

在插入数据时，必须指定行键（rowkey），行键，类似于mysql中的主键，用来表示某条数据的唯一性，相同的行键，就代表是同一条数据。

 3.极易扩展

HBase的扩展主要体现在两个方面：

一个是基于存储的扩展（HDFS）。也就是只要部署的机器多，HDFS存储的数据就多，那么HBase存储的数据也多。

另一个是基于上层处理能力（RegionServer）的扩展,当存储的数据多时，相应的也应该有多个能够处理这些数据的进程RegionServer。

 

RegionServer：和HDFS中的DataNode与YARN中的NodeManager的地位相似，是具体干活的小弟。

 

HBase是典型的master/slave（主从）架构，也是分角色的，老大是Hmaster或者Master,具体干活的小弟是HRegionServer或者RegionServer。

【注意】在部署HBase集群的时候，要将HBase与HDFS部署在一起，因为HBase是基于HDFS的，部署在一起，可以提高HBase的读写速度，即数据本地化：数据放在本地处理。

 

HBase的表是由Region（区、片）组成的，当HBase的表越来越大的时候，表就会分为若干个Region，Region是由RegionServer负责管理的，一个RegionServer可以管理多个Region（这些Region可以是同一个表中的多个Region，也可以是不同表中的Region）

一个表由一个Region或者多个Region组成；

一个Region只能由一个RegionServer管理。

4.高并发

HBase要将数据写到HDFS上，再由HDFS写到磁盘上，过程虽然繁琐，但是单个IO延迟下降的并不多，主要突出了HBase框架的优越性，能够获得高并发，低延迟的服务。

5.稀疏

稀疏主要是指列的灵活性，可以指定任意多个的列，当列为空的时候，不占用任何的存储空间。