HBase 入门

HBase 入门

Hadoop中的HBase

ETL，是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。

简介：

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

Hbase

• 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）

HBase 数据模型

开发文档：

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。

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。

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。

HLog(WAL log)【预写日志】

• HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是” 写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。
• HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue。