HBase 详解

1. HBase 简介

HBase 是一个开源的 分布式、可扩展的列式 NoSQL 数据库，基于 Google BigTable 设计，运行在 HDFS（Hadoop 分布式文件系统） 之上。它适合存储 海量结构化或半结构化数据，并提供 低延迟随机读写 能力。

核心特点

• 列式存储：数据按列族（Column Family）存储，适合稀疏数据。
• 强一致性：单行操作是原子的（ACID）。
• 水平扩展：通过 RegionServer 自动分片（Sharding）。
• 高吞吐量：适合大数据场景（如日志、用户行为数据）。
• 与 Hadoop 生态集成：支持 MapReduce、Spark、Hive 等。

---

2. HBase 数据模型

HBase 的数据模型不同于关系型数据库，采用 多维映射表 结构：

概念	说明
Table（表）	存储数据的集合，由多行组成。
Row（行）	每行由 RowKey 唯一标识，按字典序排序。
Column Family（列族）	列的逻辑分组，存储在一起（如 cf:name, cf:age）。
Column Qualifier（列限定符）	列族下的具体列（如 cf:name 中的 name）。
Cell（单元格）	存储具体值，包含 RowKey + Column Family + Column Qualifier + Timestamp。
Version（版本）	每个 Cell 可存储多个版本（基于时间戳）。

示例数据模型

RowKey	Column Family cf1	Column Family cf2
user1	cf1:name=Alice, cf1:age=25	cf2:city=Beijing
user2	cf1:name=Bob, cf1:age=30	cf2:city=Shanghai

---

3. HBase 架构

3.1 核心组件

组件	说明
HMaster	管理元数据（表结构、Region 分配），负责负载均衡。
RegionServer	存储实际数据，处理读写请求。
Region	表的水平分片（按 RowKey 范围划分）。
ZooKeeper	协调集群状态，管理 HMaster 选举。
HDFS	底层存储，保证数据持久化和高可用。

3.2 数据写入流程

1. 客户端向 ZooKeeper 获取 hbase:meta 表位置。
2. 查询 hbase:meta 找到目标 RegionServer。
3. 数据先写入 WAL（Write-Ahead Log） 保证持久化。
4. 写入 MemStore（内存），达到阈值后刷入 HFile（磁盘）。

3.3 数据读取流程

1. 客户端定位到目标 RegionServer。
2. 先查 BlockCache（读缓存），未命中则查 MemStore + HFile。
3. 合并多个版本的数据（按时间戳返回最新值）。

---

4. HBase Java API 常用操作

4.1 环境配置（Maven）

<dependency>
    <groupId>org.apache.hbase</groupId>
    <artifactId>hbase-client</artifactId>
    <version>2.4.11</version>
</dependency>

4.2 基本操作示例

(1) 创建连接

Configuration config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "localhost"); // ZK 地址
try (Connection connection = ConnectionFactory.createConnection(config)) {
    // 操作代码...
}

(2) 创建表

Admin admin = connection.getAdmin();
TableName tableName = TableName.valueOf("users");
TableDescriptorBuilder tableDesc = TableDescriptorBuilder.newBuilder(tableName);
ColumnFamilyDescriptorBuilder cfDesc = ColumnFamilyDescriptorBuilder.newBuilder(Bytes.toBytes("cf1"));
tableDesc.setColumnFamily(cfDesc.build());
admin.createTable(tableDesc.build());

(3) 插入数据

Table table = connection.getTable(tableName);
Put put = new Put(Bytes.toBytes("user1")); // RowKey
put.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("name"), Bytes.toBytes("Alice"));
put.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("age"), Bytes.toBytes("25"));
table.put(put);

(4) 查询数据

Get get = new Get(Bytes.toBytes("user1"));
Result result = table.get(get);
byte[] name = result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("name"));
System.out.println("Name: " + Bytes.toString(name));

(5) 扫描数据

Scan scan = new Scan();
scan.addFamily(Bytes.toBytes("cf1")); // 指定列族
try (ResultScanner scanner = table.getScanner(scan)) {
    for (Result res : scanner) {
        String rowKey = Bytes.toString(res.getRow());
        String name = Bytes.toString(res.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("name")));
        System.out.println(rowKey + ": " + name);
    }
}

(6) 删除数据

Delete delete = new Delete(Bytes.toBytes("user1"));
delete.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("age"));
table.delete(delete);

---

5. HBase 适用场景

适合场景

✅ 海量数据存储（TB/PB 级）
✅ 高并发随机读写（如用户画像、实时查询）
✅ 时间序列数据（如日志、传感器数据）
✅ 稀疏数据（灵活的动态列）

不适合场景

❌ 复杂事务（仅支持单行事务）
❌ 多表关联查询（需配合 Phoenix 或 Hive）
❌ 低延迟 OLTP（不如 Redis/Cassandra）

---

6. HBase vs. 其他数据库

特性	HBase	Cassandra	Bigtable	MongoDB
数据模型	宽列存储	宽列存储	宽列存储	文档存储
一致性	强一致	最终一致	强一致	可调
扩展性	依赖 HDFS	去中心化	Google Cloud	分片集群
查询语言	Scan/Get	CQL	自定义 API	MongoDB Query
典型场景	大数据分析	高写入	Google 生态	灵活 JSON

---

7. 总结

• HBase 是 Hadoop 生态的列式数据库，适合海量数据存储和高并发访问。
• Java API 提供 Put/Get/Scan/Delete 等操作，开发需关注 RowKey 设计。
• 适用场景：用户行为日志、时间序列数据、实时查询系统。
• 优化建议：
  • RowKey 设计避免热点（如加盐、哈希）。
  • 合理设置列族和版本数。

学习资源

• 官方文档：https://hbase.apache.org/
• 《HBase in Action》（Manning）