hbase系列之：初识hbase

一、概述

　　在hadoop生态圈里，hbase可谓是鼎鼎大名。江湖传言，hbase可以实现数十亿行X数百万列的实时查询，可横向扩展存储空间。如果传言为真，那得好好了解了解hbase。本文从概念上介绍hbase，稍微有点抽象，但这是学习hbase必须要了解的基础理论；如果想直接了解hbase的实操内容，可跳过本博文。

二、hbase介绍

　　先看看hbase官方的介绍：hbase是hadoop数据库，是一个分布式的，可扩展的大数据存储库；当需要对大数据进行随机，实时读/写访问时，可以使用hbase数据库；hbase的目标是在商业硬件集群上托管非常大的表-数十亿行X百万列；hbase是一个开源的、分布式的、版本化的非关系型数据库，模仿Google的bigtable；正如bigtable利用Google文件系统提供分布式数据存储一样，hbase在hadoop和hdfs上提供类似的功能。

　　通俗来说：

　　1、Hbase是一个在HDFS（也可以是普通文件系统）上开发的面向列的分布式数据库，如果需要实时地随机访问超大规模数据集，可以使用HBASE。

　　2、Hbase能够简单的通过增加节点来达到现行扩展。

　　3、Hbase不是关系型数据库，不支持SQL。

三、hbase的基本概念

　　1、Hbase表中的单元格（cell）有版本号，默认情况下自动分配版本号，为数据插入Hbase表单元格的时间戳，单元格的内容是未经解释的字节数组。
　　2、Hbase中的行是根据键（row key）进行排序的。
　　3、Hbase中只允许主键建立索引，可以通过几种策略来优化其他字段的查询性能。
　　4、建表时必须先指定列族，表建好之后列族不可增加，列族中的列可以根据实际需要增加。
　　5、物理上，所有列族成员都在一起存储，由于调优都是居于列族的，所以所有列族成员都应该有相同的访问模式和大小特征。

　　6、区域：

　　　　①、hbase自动把表水平划分成区域，每个区域由它所属的表、所包含的第一行和最后一行（不包括）三个属性来表示；
　　　　②、区域是在hbase集群上分布数据的最小单位；
　　　　③、一个太大的而无法放在单台服务器上的表会被放到服务器集群上，其中每个节点都负责管理表所有区域的一个

　　7、加锁：无论设计多少列，hbase对行的更新都是“原子的”。

四、hbase的作用

　　1、海量数据存储：能够存储百亿行数据和百万列数据。

　　2、准实时查询：能够在百毫秒内返回查询数据。

五、hbase的特点

　　1、容量大：Hbase单表可以有百亿行、百万列，数据矩阵横向和纵向两个维度所支持的数量级都非常具有弹性。（一般关系型数据库行在500万以下，列在30列一下。）
　　2、面向列：Hbase是面向列的存储和权限控制，并支持独立检索。列式存储，其数据在表中按照某列存储的，这样在查询只需要少数几个字段时，能大大减少读取的数据量。（实时动态增加列；单独对某一列做一些操作）
　　3、多版本：Hbase每一列的数据存储有多个Version。
　　4、稀疏性：为空的列并不占用存储空间，表可以设计得非常稀疏。
　　5、扩展性：底层依赖于hdfs。如果磁盘空间不够时，增加datanode节点或增加datanode节点的存储即可。
　　6、高可靠性：WAL机制保证了数据写入时不会因集群异常而导致写入数据丢失：Replication机制保证了在集群出现严重问题时，数据不会发生丢失或损坏。而且Hbase底层使用hdfs，hdfs本身也有备份机制。
　　7、高性能：底层的LSM数据结构和Rowkey有序排列等架构上的独特设计，使得Hbase有非常高的写入性能。region切分、主键索引和缓存机制使得Hbase在海量数据下具备一定的随机读取性，该性能针对Rowkey的查询可以达到毫秒级别。

六、hbase与关系型数据库的简要比较

七、hbase架构

hbase架构图如下图所示：

• 　　Master

　　　　   Master负责监视集群中的所有RegionServer实例、转移故障RegionServer、划分区域，并且是所有元数据更改的接口。在分布式集群中，Master通常运行在NameNode上运行。集群中可以存在多个Master（multi-Master），但是只有一个Master处于活跃状态（active），其他Master处于备份状态（Backup），如果活跃Master宕机或者发生异常，将从备份Master中选举出新的活跃Master来接管集群。

• hdfs

通常，Hbase使用hdfs来持久化数据。默认情况下，hbase是把数据存储在本地文件系统中，但是，如果要使用Hbase集群，就需要把Hbase的存储位置指向hdfs集群。

• zookeeper

　　　   Hbase依赖zookeeper来实现分布式协调。zookeeper管理hbase:meta目录表的位置以及当前集群的主机地址等信息；当客户端要连接到Hbase集群时，需要通过zookeeper来连接hbase集群。

• 　　RegionServer

　　 　 RegionServer负责服务和管理区域（region），还负责区域的划分并通知Hbase Master有了新的子区域；RegionServer包含多个region，是直接存储数据的地方，在分布式集群中，RegionServer在DataNode上运行。

八、hbase应用场景

　　hbase可以用在交通、金融、电商、移动等超大规模数据的领域。

九、总结

　　hbase为亿级数据秒级响应而生，从底层架构到存储模式，专为超大规模数据的存储而设计，但是查询条件不能多样化。在选择hbase作为数据库时，应考虑其利弊，适应用场景慎重选择。