Hbase 简介

1、Hbase 简介

1.1、Hbase 定义

hbase 是一种基于 HDFS 存储的 分布式、可扩展、支持海量数据存储的NoSQL数据库。可以实现，对海量数据的增删改查、 NoSQL = Not Only SQL,Hbase 源于 谷歌的 Bigtable 的开源，依赖于 Hadoop 的 hdfs 来存储海量数据，并依赖于zookeeper 做协调服务。

1.2、Hbase 数据模型

逻辑上，HBase的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从HBase的底层物理存储结构（K-V）来看，HBase更像是一个多维度map（multi-dimensional map）

1.2.1、Hbase 逻辑结构

rowkey 系统自带，按 字典顺序排序，用于区分不同的行；多个列 组成一个列族； 多个行组成 Region ,分文件存储；

1.2.2、HBase物理存储结构

对于 HBASE 时间戳 用于标记 数据有效，默认情况下，每次查询数据只返回最新的时间戳标记的数据；

1.2.3、HBase数据类型

• NameSpace命名空间，类似于关系型数据库的DatabBase概念，每个命名空间下有多个表。HBase有两个自带的命名空间，分别是hbase和default，hbase中存放的是HBase内置的表，default表是用户默认使用的命名空间。
• Region 类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，不需要声明具体的列。这意味着，往HBase写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase能够轻松应对字段变更的场景。
• Row HBase表中的每行数据都由一个RowKey和多个Column（列）组成，数据是按照RowKey的字典顺序存储的，并且查询数据时只能根据RowKey进行检索，所以RowKey的设计十分重要。
• Column HBase中的每个列都由ColumnFamily(列族)和ColumnQualifier（列限定符）进行限定，例如info：name，info：age。建表时，只需指明列族，而列限定符无需预先定义。
• TimeStamp 用于标识数据的不同版本（version），每条数据写入时，如果不指定时间戳，系统会自动为其加上该字段，其值为写入HBase的时间。
• Cell 由{rowkey, columnFamily：columnQualifier, timeStamp} 唯一确定的单元。cell中的数据是没有类型的，全部是字节码形式存储。

1.3、Hbase 基本架构

 

架构角色：

• RegionServer 是 Region的管理者，其实现类为HRegionServer，主要作用如下:对于数据的操作：get, put, delete；对于Region的操作：splitRegion、compactRegion。
• Master 是所有RegionServer的管理者，其实现类为HMaster，主要作用如下：对于表的操作：create, delete, alter对于RegionServer的操作：分配regions到每个RegionServer，监控每个RegionServer的状态，负载均衡和故障转移。
• Zookeeper HBase通过Zookeeper来做Master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护等工作。
• HDFS HBase提供最终的底层数据存储服务，同时为HBase提供高可用的支持。

1.4、Hbase 中表特点

• 大：一个表可以有几十亿行记录，有上百万列数据，这在DBMS里是很难实现的；
• 面向列：面向列(族)的存储和权限控制，列(族)独立检索；
• 稀疏：对于空的列，并不占用hdfs存储空间，因此，表可以设计的稀疏些也无妨；
• 无模式：每一行数据都有一行可排序的主键和任意多列，列可以根据需要动态增加，同一张表可以有不同的列；