Hbase学习笔记（一）——基本介绍

一、HBase简介

官网

hbase.apache.org

1. 定义

Hbase是一种分布式的、基于内存、支持海量数据存储、面向列存储的NoSQL数据库。

2. 数据模型

逻辑上，Hbase的数据模型同关系型数据库很相似，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multi-dimensional map。

二、HBase特征简要

• 海量存储
  Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。这与Hbase的极易扩展性息息相关。正式因为Hbase良好的扩展性，才为海量数据的存储提供了便利。
• 列式存储
  这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。
• 极易扩展
  Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
  通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。
  备注：RegionServer的作用是管理region、承接业务的访问，这个后面会详细的介绍通过横向添加Datanode的机器，进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。
• 高并发
  由于目前大部分使用Hbase的架构，都是采用的廉价PC，因此单个IO的延迟其实并不小，一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多。能获得高并发、低延迟的服务。
• 稀疏
  稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。

三、HBase的基础架构

1. HMaster

• 监控RegionServer
• 处理RegionServer故障转移
• 处理元数据的变更
• 处理region的分配或移除
• 在空闲时间进行数据的负载均衡
• 通过Zookeeper发布自己的位置给客户端

2. RegionServer

• 负责存储HBase的实际数据
• 处理分配给它的Region
• 刷新缓存到HDFS
• 维护HLog
• 执行压缩
• 负责处理Region分片

3. 其他组件

• HRegion
  Hbase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一个RegionServer中可以有多个不同的region。
• Write-Ahead logs
  HBase的修改记录，当对HBase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。
• HFile
  这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。
• Store
  HFile存储在Store中，一个Store对应HBase表中的一个列族。
• MemStore
  顾名思义，就是内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在WAL中之后，RegsionServer会在内存中存储键值对。