如何理解大數(shù)據(jù)時代的結構化存儲數(shù)據(jù)庫HBase

本篇文章為大家展示了如何理解大數(shù)據(jù)時代的結構化存儲數(shù)據(jù)庫HBase，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

Hbase非常適合于非結構化數(shù)據(jù)存儲的數(shù)據(jù)庫，2006年底由PowerSet 的Chad Walters和Jim Kellerman 發(fā)起，2008年成為Apache Hadoop的一個子項目?，F(xiàn)已作為產(chǎn)品在多家企業(yè)被使用。

分布式數(shù)據(jù)庫 HBase

授權協(xié)議：Apache

開發(fā)語言：Java

操作系統(tǒng)：跨平臺

項目地址：https://github.com/apache/hbase

HBase項目簡介

HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術可在廉價PC Server上搭建起大規(guī)模結構化存儲集群。

HBase是Google Bigtable的開源實現(xiàn)，類似Google Bigtable利用GFS作為其文件存儲系統(tǒng)，HBase利用Hadoop HDFS作為其文件存儲系統(tǒng)；Google運行MapReduce來處理Bigtable中的海量數(shù)據(jù)，HBase同樣利用Hadoop MapReduce來處理HBase中的海量數(shù)據(jù)；Google Bigtable利用 Chubby作為協(xié)同服務，HBase利用Zookeeper作為對應。

Hbase 特性

• 大表：數(shù)十億行*數(shù)百萬列*數(shù)千個版本 = TB級或PB級的存儲

• 面向列：面向列(族)的存儲和權限控制，列(族)獨立檢索。

• 稀疏：對于為空(null)的列，并不占用存儲空間，因此，表可以設計的非常稀疏。

• 數(shù)據(jù)多版本：每個單元中的數(shù)據(jù)可以有多個版本，默認情況下版本號自動分配，是單元格插入時的時間戳；

• 數(shù)據(jù)類型單一：Hbase中的數(shù)據(jù)都是字符串，沒有類型

HBase系統(tǒng)架構

HBase中的組件包括Client、Zookeeper、HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、HLog等，HBase中的每張表都通過行鍵按照一定的范圍被分割成多個子表（HRegion），默認一個HRegion超過256M就要被分割成兩個，這個過程由HRegionServer管理，而HRegion的分配由HMaster管理。

相關名詞介紹

RowKey：是Byte array，是表中每條記錄的“主鍵”，方便快速查找，Rowkey的設計非常重要。表中的行根據(jù)行的鍵值進行排序，數(shù)據(jù)按照RowKey的字典序排序存儲

Column Family：列族，擁有一個名稱(string)，包含一個或者多個相關列。列族須作為表模式(schema)定義的一部分預先定義。如create 'alarmInfo' ,'i'

Column：屬于某一個columnfamily，familyName:columnName，每條記錄可動態(tài)添加

Version Number：類型為Long，默認值是系統(tǒng)時間戳，可由用戶自定義

Value(Cell)：由{row key, column(=<family> + <label>), version} ***確定的單元。cell中的數(shù)據(jù)是沒有類型的，全部是字節(jié)碼形式存貯。

HBase邏輯模型

HBase以表的形式存儲數(shù)據(jù)。表有行和列組成。列劃分為若干個列族(row family)

Hbase 物理模型

Table中所有行都按照row key的字典序排列；Table在行的方向上分割為多個Region；Region按大小分割的，每個表開始只有一個region，隨著數(shù)據(jù)增多，region不斷增大，當增大到一個閥值的時候，region就會等分會兩個新的region，之后會有越來越多的region；Region是Hbase中分布式存儲和負載均衡的最小單元，不同Region分布到不同RegionServer上。

Region雖然是分布式存儲的最小單元，但并不是存儲的最小單元。Region由一個或者多個Store組成，每個store保存一個columns family；每個Strore又由一個memStore和0至多個StoreFile組成，StoreFile包含HFile；memStore存儲在內存中，StoreFile存儲在HDFS上。

Hbase 請求過程

HBase是一個分布式數(shù)據(jù)庫，因此一張表的數(shù)據(jù)可能會分布在不同的節(jié)點中。需要注意的是 region是Hbase分布式存儲的最小單位，但region不是HBase存儲的最小單位。在HBase中，一張表會被根據(jù)行鍵值的范圍劃分為幾個region，然后不同的region將會放在不同的region服務器上，被服務器上的HRegionServer 所管理和維持。

因此我們可以推斷出，當我們發(fā)送一個查找（插入、刪除）請求時，首先客戶端能根據(jù)請求中的行鍵值去確定該行鍵值應該存儲在哪一個region上，并且該region在哪一個region服務器上（該查詢過程主要使用-ROOT-表、和.meta表，當定位到操作的region服務器的位置以后，客戶端（Client）會將該操作發(fā)送到region服務器上，然后請求操作可能會被直接執(zhí)行，也可能會進入任務隊列等待

Hbase 與RDBMS對比

為什么采用HBase？

HBase 不同于一般的關系數(shù)據(jù)庫,它是一個適合于非結構化數(shù)據(jù)存儲的數(shù)據(jù)庫.所謂非結構化數(shù)據(jù)存儲就是說HBase是基于列的而不是基于行的模式，這樣方面讀寫你的大數(shù)據(jù)內容。

HBase是介于Map Entry(key & value)和DB Row之間的一種數(shù)據(jù)存儲方式。就點有點類似于現(xiàn)在流行的Memcache，但不僅僅是簡單的一個key對應一個 value，你很可能需要存儲多個屬性的數(shù)據(jù)結構，但沒有傳統(tǒng)數(shù)據(jù)庫表中那么多的關聯(lián)關系，這就是所謂的松散數(shù)據(jù)。

簡單來說，你在HBase中的表創(chuàng)建的可以看做是一張很大的表，而這個表的屬性可以根據(jù)需求去動態(tài)增加，在HBase中沒有表與表之間關聯(lián)查詢。你只需要 告訴你的數(shù)據(jù)存儲到Hbase的那個column families 就可以了，不需要指定它的具體類型：char,varchar,int,tinyint,text等等。但是你需要注意HBase中不包含事務此類的功能。

上述內容就是如何理解大數(shù)據(jù)時代的結構化存儲數(shù)據(jù)庫HBase，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業(yè)資訊頻道。