正文
HBase（一）——HBase介绍
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
HBase介绍
1、关系型数据库与非关系型数据库
（1）关系型数据库
关系型数据库最典型的数据机构是表，由二维表及其之间的联系所组成的一个数据组织
优点：
1、易于维护：都是使用表结构，格式一致
2、使用方便：SQL语言通用，可用于复杂查询
3、复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询
缺点：
1、读写性能比较差，尤其是海量数据的高效率读写
2、固定的表结构，灵活度稍欠
3、高并发读写需求，传统关系型数据库，硬盘IO是一个很大的瓶颈
（2）非关系型数据库
非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或键值对
优点：
1、格式灵活：存储数据的格式可以是key，value形式、文档形式、图片形式等等，文档形式、图片 形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
2、速度快：nosql可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘
3、高扩展性
4、成本低：nosql数据库部署简单，基本都是开源软件
缺点：
1、不提供sql支持，学习和使用成本较高；
2、无事务处理
3、数据结构相对复杂，复杂查询方面稍欠
2、HBase简介
Use Apache HBase™ when you need random, realtime read/write access to your Big Data. This project's goal is the hosting of very large tables -- billions of rows X millions of columns -- atop clusters of commodity hardware. Apache HBase is an open-source, distributed, versioned, non-relational database modeled after Google's Bigtable: A Distributed Storage System for Structured Data by Chang et al. Just as Bigtable leverages the distributed data storage provided by the Google File System, Apache HBase provides Bigtable-like capabilities on top of Hadoop and HDFS.
HBase的全称是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数据的松散数据（列存NoSQL数据库）。
注意：NoSQL的全称是Not Only SQL，泛指非关系型数据库。
3、HBase数据模型
(1)rowkey
（1）决定一行数据，每行记录的唯一标识
（2）按照字典序排序
（3）RowKey只能存储64K的字节数据
(2)Column Family & Qualifier
（1）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’；
（2）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；
（3）权限控制、存储以及调优都是在列族层面进行的；
（4）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。
(3)TimeStamp时间戳
（1）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。
（2）时间戳的类型是 64位整型。
（3）时间戳可以由HBase(在数据写入时自动)赋值，此时间戳是精确到毫秒的当前系统时间。
（4）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。
(4)Cell
（1）由行和列的坐标交叉决定；
（2）单元格是有版本的；
（3）单元格的内容是未解析的字节数组；
1、由{row key， column( = +)， version} 唯一确定的单元。
2、cell中的数据是没有类型的，全部是字节数组形式存贮。
4、HBase架构
角色介绍：
（1）Client
1、包含访问HBase的接口并维护cache来加快对HBase的访问。
（2）Zookeeper
1、保证任何时候，集群中只有一个活跃master
2、存储所有region的寻址入口
3、实时监控region server的上线和下线信息，并实时通知master
4、存储HBase的schema和table元数据
（3）Master
1、为region server分配region
2、负责region server的负载均衡
3、发现失效的region server并重新分配其上的region
4、管理用户对table的增删改操作
（4）RegionServer
1、region server维护region，处理对这些region的IO请求
2、region server负责切分在运行过程中变得过大的region
regionserver组件介绍
（1）region
1、HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里某段连续的数据
2、每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阈值的时候，region就会等分会两个新的region（裂变）
3、当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver 上。
（2）Memstore与storefile
1、一个region由多个store组成，一个store对应一个CF（列族）
2、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
3、当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major ），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
4、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
5、客户端检索数据，先在memstore找，找不到去blockcache，找不到再找storefile
注意问题：
1、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。
2、HRegion由一个或者多个Store组成，每个store保存一个columns family。
3、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。
5、HBase读写流程
（1）读流程
1、客户端从zookeeper中获取meta表所在的regionserver节点信息
2、客户端访问meta表所在的regionserver节点，获取到region所在的regionserver信息
3、客户端访问具体的region所在的regionserver，找到对应的region及store
4、首先从memstore中读取数据，如果读取到了那么直接将数据返回，如果没有，则去blockcache读取数据
5、如果blockcache中读取到数据，则直接返回数据给客户端，如果读取不到，则遍历storefile文件，查找数据
6、如果从storefile中读取不到数据，则返回客户端为空，如果读取到数据，那么需要将数据先缓存到blockcache中（方便下一次读取），然后再将数据返回给客户端。
7、blockcache是内存空间，如果缓存的数据比较多，满了之后会采用LRU策略，将比较老的数据进行删除。
（2）写流程
1、客户端从zookeeper中获取meta表所在的regionserver节点信息
2、客户端访问meta表所在的regionserver节点，获取到region所在的regionserver信息
3、客户端访问具体的region所在的regionserver，找到对应的region及store
4、开始写数据，写数据的时候会先想hlog中写一份数据（方便memstore中数据丢失后能够根据hlog恢复数据，向hlog中写数据的时候也是优先写入内存，后台会有一个线程定期异步刷写数据到hdfs，如果hlog的数据也写入失败，那么数据就会发生丢失）
5、hlog写数据完成之后，会先将数据写入到memstore，memstore默认大小是64M，当memstore满了之后会进行统一的溢写操作，将memstore中的数据持久化到hdfs中，
6、频繁的溢写会导致产生很多的小文件，因此会进行文件的合并，文件在合并的时候有两种方式，minor和major，minor表示小范围文件的合并，major表示将所有的storefile文件都合并成一个，具体详细的过程，后续会讲解。
