HBase入门（1）

小伙伴们大家好～

HBase 简介

• HBase 是BigTable的开源 java 版本。数据文件存储在 HDFS，是一个分布式、可扩展、支持海量数据存储的NoSQL 的数据库
• 具有高可靠性、高性能、可扩展、列存储、实时读写等特点
• HBase 仅能通过主键(row key)和主键的 range 来检索数据，仅支持单行事务
• 主要用来存储结构化和半结构化的松散数据
• Hbase 查询数据功能很简单，不支持 join 等复杂操作，不支持复杂的事务（行级的事务），从技术上来说，HBase 更像是一个「数据存储」而不是「数据库」，因为 HBase 缺少 RDBMS 中的许多特性，例如带类型的列、二级索引以及高级查询语言等
• Hbase 中支持的数据类型：byte[]
• 与 Hadoop 一样，Hbase 目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加存储和处理能力，例如，把集群从 10 个节点扩展到 20 个节点，存储能力和处理能力都会加倍
• HBase 中的表一般有这样的特点
  • 大：一个表可以有上十亿行，上百万列
  • 面向列：面向列(族)的存储和权限控制，列(族)独立检索
  • 稀疏：对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏

HBase 应用

• HBase 只要有海量数据存储，而且需要快速的写入以及快速的读取场景，就很适合 HBase
• 但要记住 NoSQL 的特点：对事务的支持性较弱的
• 可以用来存储爬虫的数据、点赞/转发、银行转账订单....

HBase 特点

1. 强一致性读/写

   • HBase 不是“最终一致的”数据存储

   • 它非常适合于诸如高速计数器聚合等任务

2. 自动分块

   • HBase 表通过 Region 分布在集群上，随着数据的增长，区域被自动拆分和重新分布

3. 自动 RegionServer 故障转移

4. Hadoop/HDFS 集成

   • HBase 支持 HDFS 开箱即用作为其分布式文件系统

5. MapReduce

   • HBase 通过 MapReduce 支持大规模并行处理，将 HBase 用作源和接收器

6. Java Client API

   • HBase 支持易于使用的 Java API 进行编程访问

7. Thrift/REST API

8. 块缓存和布隆过滤器

   • HBase 支持块 Cache 和 Bloom 过滤器进行大容量查询优化

9. 运行管理

   • HBase 为业务洞察和 JMX 度量提供内置网页

HBase 结构

• 以表形式存在
• 支持 HDFS 文件系统
• 使用行键（row key）
• 原生支持分布式存储、计算引擎
• 使用行、列族、列、和单元格

HBase 数据模型

• HBase 中是有表的概念的
• 一个表中可以包含多个列族（官方建议使用一个列族，避免 flush 产生大量小文件）
• 一个列族可以包含很多的列
• 每一个列对应的单元格（值、timestamp）

我的公众号：主要记录大数据+金融的学习笔记

欢迎关注：