浅谈Hbase

Hbase的基本特性：

　　（1）半结构化存储，利于水平扩展；

　　（2）根据rowkey，column family，column qualifier，timestamp四个维度进行数据检索；

　　（3）无模式数据库，无需提前指定列，只需指定column family；

　　（4）无数据类型，数据均按照Bytes格式进行存储；

　　（5）Get，Put，Scan，Delete和Increment是五种基本的操作方式，Get基于rowkey查询，Scan基于过滤器查询。

 

Hbase针对PB，TB级存储，亿级行数据的海量表记录的高并发，Hbase在物理架构方面设计成一个依赖Hadoop HDFS的全分布式的存储集群，并基于Hadoop的MapReduce网络计算框架，用以支持高吞吐量的数据访问，支持可用性和可靠性。

Hbase先有column family，后有列。列是动态生成的，而column family是在定义阶段需要生成的。create ‘test’,'cf' 创建test表以及cf列簇。只要有列存在，则该行必然存在。如果该行所有列均为null，也就是该行没有列，那么该行不存在，resultScanner也不会扫描到该行。相反，如果该行至少有一列不为null，resultScanner会遍历到该行。这一行有或者没有这个列，是动态的，每个行的列都可以不一样。所以hbase是稀疏的。

---

Hbase过滤器：
　　用户创建Hbase过滤器之后，被序列化为网络传输的格式，分发到各个RegionServer。在RegionServer中Filter被还原出来。

 

---

Hbase原理：

1个RegionServer管理多个Region；1个Region对应多个Store对象；1个Store对象对应1个MemStore和1至多个HFile。MemStore是数据在内存中的实体。对于Hbase，Region是数据并行化的基本单元，数据也是存储在Region中的。数据写入Store时，会先写入MemStore。当MemStore中的数据需要向底层文件倾倒时，Store会创建Store File（HFile）的一层封装。

 

 

文中大部分内容均转载自：https://developer.ibm.com/zh/articles/ba-cn-bigdata-hbase/