大数据数据库HBase（一）—

一、HBase简介

1.1.Hadoop生态系统

1.2.非关系型数据库知识面扩展

Cassandra hbase mongodb

Couchdb，文件存储数据库

Neo4j非关系型图数据库

1.3.Hbase初始

Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库
利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务
主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）

二、HBase数据模型

图2.1 逻辑形式图

一张类似这样的表，确定一个value必须有RowKey,Time Stamp,column Family,column key

2.1.1.ROW KEY

– 决定一行数据

– 按照字典顺序排序的。

– Row key只能存储64k的字节数据

2.1.2.Column Family列族 & qualifier列

– HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一

部分预先给出。如 create ‘test’, ‘course’；

– 列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math,

course:english, 新的列族成员（列）可以随后按需、动态加入；

– 权限控制、存储以及调优都是在列族层面进行的；

– HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

2.1.3.Timestamp时间戳

– 在HBase每个cell存储单元对同一份数据有多个版本，根据唯一

的时间戳来区分每个版本之间的差异，不同版本的数据按照时

间倒序排序，最新的数据版本排在最前面。

– 时间戳的类型是 64位整型。

– 时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精

确到毫秒的当前系统时间。

– 时间戳也可以由客户显式赋值，如果应用程序要避免数据版本

冲突，就必须自己生成具有唯一性的时间戳。

2.1.4.Cell单元格

– 由行和列的坐标交叉决定；

– 单元格是有版本的；

– 单元格的内容是未解析的字节数组；

▪ 由{row key， column( =<family> +<qualifier>)， version} 唯一确定的

单元。

▪ cell中的数据是没有类型的，全部是字节数组形式存贮。

图 2-2 Hbase架构图

2.2.1.Client

▪ 包含访问HBase的接口并维护cache来加快对HBase的访问

2.2.2.Zookeeper

▪ 保证任何时候，集群中只有一个活跃master

▪ 存贮所有Region的寻址入口。

▪ 实时监控Region server的上线和下线信息。并实时通知Master

▪ 存储HBase的schema和table元数据

2.2.3.Master

– 为Region server分配region

– 负责Region server的负载均衡

– 发现失效的Region server并重新分配其上的region

– 管理用户对table的增删改操作

2.2.4. RegionServer

– Region server维护region，处理对这些region的IO请求

– Region server负责切分在运行过程中变得过大的region

2.2.5.Memstore 与 storefile

– 一个region由多个store组成，一个store对应一个CF（列族）

– store包括位于内存中的memstore和位于磁盘的storefile写操作先写入memstore，

当memstore中的数据达到某个阈值，hregionserver会启动flashcache进程写入

storefile，每次写入形成单独的一个storefile

– 当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major

compaction），在合并过程中会进行版本合并和删除工作（majar），形成更大

的storefile

– 当一个region所有storefile的大小和数量超过一定阈值后，会把当前的region分割

为两个，并由hmaster分配到相应的regionserver服务器，实现负载均衡

– 客户端检索数据，先在memstore找，找不到去blockcache，找不到再找storefile

▪ HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion

可以分布在不同的 HRegion server上。

▪ HRegion由一个或者多个Store组成，每个store保存一个columns family。

▪ 每个Strore又由一个memStore和0至多个StoreFile组成。如图：StoreFile以HFile格式保存

在HDFS上。

图 2-3 Region & Store 关系图

图 2-4 关系图（二）