WHAT
HBase是一个构建在HDFS上的 分布式列存储系统；从逻辑上讲，HBase将数据按表、行和列进行存储，他是一个分布式的、稀疏的、持久化存储的多维度排序表；
如同mysql数据是在linux文件系统上，HBase也是数据写入在HDFS文件系统；
学习HBase之前，先来介绍一下行存储和列存储：
``行存储``和``列存储``
其中，列式存储的数据库中，要想查询某一行的数据信息是很困难的。行、列存储需要有各自的应用场景。查询单个一行的数据还是用行式数据库，而做大数据分析或者存储时，因为不再考虑单独某一条数据，更适合列存储。
HBase特点：
- 良好的扩展性
- 读和写的强一致性
- 高可靠性
- 与MapReduce良好的集成
HBase数据类型：
在HBase中，一行数据是由行键（RowKey）作为键，包含多个 列族（Family），列族是由具有同时访问特性的多个列（Qualifer）组成的。数据可以有多版本的，由时间戳（TimeStamp）索引。
HBase一行的数据如下图：
HBase一行的数据
HBase数据模型特点：
- 大：一个表可以有数十亿行，上百万列
- 面向列：面向列（族）的存储，列（族）独立检索
- 稀疏：对于空的列，并不占用存储空间，表可以设计的非常稀疏
- 数据版本： 每个单元的数据可以有多个版本
- 数据类型单一：HBase中的数据都是字节，没有类型
HBase物理模型：
Table中的所有行都按照RowKey的字典序排列；
Table在行的方向上分割为多个Region；
Region是HBase中分布式存储和负载均衡的最小单元，不同的Region分布在不同的RegionServer上；
Region 和 RegionServer
Region虽然是分布式存储的最小单元，但并不是存储的最小单元。
Region由一个或多个Store组成，每个Store保存一个columns family，每个Store又由一个MemStore和0至多个StoreFile组成；MemStore存储在内存中，StoreFile存储在HDFS上。
Region组成
HBase架构：
所有数据都是写到HDFS上的，RegionServer上引入了很多Region。
Region是一个大table中的某一个片段， RegionServer主要负责数据的读和写。
RegionServer启动后会在zookeeper上建立一个节点，以RegionServer名字命名。Hmaster可以通过zookepper看有哪些节点，一旦RegionServer挂了，就会立刻知道。挂掉的RegionServer上的Region就会被从新分配其他的RegionServer。
Hmaster负责管理这些RegionServer，这些Region如何分配，所有增删改查都是Client向Hmaster进行请求，zookeeper负责大量协调、一致性的服务。
HBase架构
关键问题：HBase上的数据是存在HDFS的，但HDFS数据是不支持在线的update，而HBase却支持update？
HBase所有的update都会认为是写，只是时间戳会更加新，而对于原来的数据时间戳都是老的，HBase并没有修改，还是写，会产生新的HDFS文件。HBase读的时候，会从HDFS整合，优先返回最新时间戳的数据。定期HBase会把这些很多时间戳的文件进行合并，避免了数据特别多。
WHERE
- 网页库（360搜索）
- 商品库（淘宝搜索）
- 云存储服务（小米）
网友评论