Hbase入門(一)——初識Hbase

本文將介紹大數據的知識和Hbase的基本概念，作為大數據體系中重要的一員，Hbase彌補了Hadoop只能離線批處理的不足，支持存儲小文件，隨機檢索。而這種特性使得Hbase對於實時計算體系的事件存儲有天然的較好的支持。這使得Hbase在實時流式計算中也扮演者重要的角色。

1、大數據與Hbase

大數據在近幾年發展迅速，而實時計算也是一個重要的發展趨勢。不管是企業中的日誌數據，還是感測器、智能設備等等產生的數據，不計其數。

而這些數據中結構化的數據只占一小部分，大部分是非結構化的數據。這個時候，比如圖片視頻等就不能輕鬆的存儲在關係型資料庫中，而大數據是可以對各種類型的數據都可以進行處理的。

但關係型資料庫有幾點缺陷：

無法應對高併發的考驗，沒有辦法橫向擴展，事務一致性對性能的影響。

而Nosql資料庫，也就是Not Only Sql的縮寫。擴展性強，併發性能好，數據模型靈活。

Hbase，也就是Hadoop Database是一個高可靠、高性能、可伸縮的分散式資料庫。Hbase參考了谷歌的BigTable建模，使用HDFS作為底層存儲。使用Zookeeper作為協同服務組件。

Hbase使用Java編寫，還是一種NoSQL資料庫，這些特性決定了Hbase獨特的應用場景。

2、概念特性

HBASE是一個資料庫----可以提供數據的實時隨機讀寫

HBASE與mysql、oralce、db2、sqlserver等關係型資料庫不同，它是一個NoSQL資料庫（非關係型資料庫）

Hbase的表模型與關係型資料庫的表模型不同：

​  Hbase的表沒有固定的欄位定義；

​  Hbase的表中每行存儲的都是一些key-value對；

​  Hbase的表中有列族的劃分，用戶可以指定將哪些kv插入哪個列族；

​  Hbase的表在物理存儲上，是按照列族來分割的，不同列族的數據一定存儲在不同的文件中；

​  Hbase的表中的每一行都固定有一個行鍵，而且每一行的行鍵在表中不能重覆；

​  Hbase中的數據，包含行鍵，包含key，包含value，都是byte[ ]類型，hbase不負責為用戶維護數據類型；

​  HBASE對事務的支持很差；

HBASE相比於其他nosql資料庫(mongodb、redis、cassendra、hazelcast)的特點：

Hbase的表數據存儲在HDFS文件系統中

從而，hbase具備如下特性：存儲容量可以線性擴展； 數據存儲的安全性可靠性極高！

3、核心模塊

客戶端Client

整個Hbase的入口，使用者通過客戶端操作Hbase。通過客戶端與HMaster和RegionServer進行通訊。管理類操作與HMaster通信，讀寫類操作與RegionServer通訊。

協調服務zookeeper

zookeeper負責管理Hbase中多個HMaster的選舉，伺服器間狀態同步。

主節點HMaster

HMaster可以啟動多個，由zookeeper保證總有一個正常運行，其他作為備選。

HMaster主要負責Table和Region的管理工作。

節點HRegionServer

HRegionServer主要負責響應用戶IO請求，向HDFS中讀寫數據。HRegionServer管理了一系列的HRegion對象。HRegion對應了Table中的一個Region。HRegion由多個HStore組成，HStore對用了Table中一個Column Family。

而且每個HRegionServer都有一個HLog對象，用於數據恢復。

4、使用場景

搜索引擎

生成索引，在查詢時通過對條件的拼接，迅速的查找到要查詢的數據。

實時流式計算

不管是實時的推薦系統，還是日誌的增量存儲，都是實時流式計算的一個應用。

通過將數據增量的存入Hbase，併在流式處理中實時查詢Hbase，結合歷史得到最終的分析結果。

更多Hbase，Flink，Kafka等實時流式計算相關博文，歡迎關註實時流式計算：