Hbase 初学者(1) 基础特性

Hbase 初学者(1) 基础特性

内容来自书籍 Apache HBase Primer

HBase是一个开源NoSQL数据库，基于列存储数据存储模型。HBase是Java语言编写的。提供了JAVA API，RESTfulAPI和Thrift.

基本特性

• 非关系型
• 基于列
• 分布式
• 可扩展
• 大数据存储

分布式

提供了两种分布式方式

• 伪分布式：所有HBase 守护进程运行在一个节点上。
• 完全分布式：守护进程运行在一个集群的多个节点上。

伪分布式可以运行在本地文件系统或者HDFS。当运行在本地分布式系统上时，无法保证持久性。如果文件没有正确关闭，编辑内容会丢失。

完全分布式模式只能运行的HDFS上。

HBase支持自动分片。

大数据存储

基于Hadoop和HDFS，提供低延迟，随机，实时读写大数据。随机读访问不是Hapood的特性，reader只能运行批处理，意思是数据只能被顺序访问来查找要执行的工作。

非关系型

灵活的数据模型

HBase里的基本存储单位是table。一个table包含一个或多个列簇，列簇由列组成。数据保存在row中，一个row是一个键值对集合。每一个row有一个唯一的row主键。row主键在数据添加时创建，用于排序和数据分片。

HBase提供灵活的schema模型，因此column被添加到表时不需要预定义。只有table和列簇需要预定义。一个列簇中的列都是紧邻存储的。表中的两行不需要相同的列。

Hbase不支持事务。Hbase甚至不是consistent，但是在记录级别有强一致性。强一致性说明总可以获的最新数据，但是会增加时间开销。换句话说，最终一致性会返回过期时间。

可扩展

Hbase中可水平扩展的基本单位是region。rows在region建分片。一个region存有一定范围内相连的row。一个表的数据可以保存在一个或多个region中。下图1-1中，region有12row，被分到两个regions中，每个6个row。

在Hadoop生态系统中的角色

Hbase保存数据在HDFS中的StoreFile中。HBase不使用MapReduce框架，但是可以作为MapReduce工作的源或者目标。

和Hadoop一样，HBase设计为在商用硬件上运行，具有对单个节点故障的容错。Hbase设计用于流式访问大数据集的批处理系统优化。当HBase用于随机读时，HBase没有为随机访问优化。HBase引起的随机读延迟，可以通过使用块缓存降低，但这样会增加堆内存储尺寸。

HBase可以用于实时分析，通过集合MapReduce和其他框架，比如Hive。

HBase和传统的关系数据库的区别

特性	RDBMS	HBase
Schema	特定的	灵活的
数据容量	小到中等（几千或百万行）TB	大数据（亿级），PB
主要查询语言	SQL	Get,Put,Scan Shell commands
数据类型	类型列	无数据类型
关系	支持	不支持
Joins	支持	内建不支持，需要通过MapReduce来扩展
数据结构	高度结构化和静态结构，稳定的数据模型	非机构化，半结构化或结构化，灵活的数据模型
事务	支持	不支持
高级查询语言	支持	不支持
索引	Primary，Secondary,B-Tree,Clustered	Secondary indexes
一致性	强一致性，CAP一致性	强一致性，ACID
扩展性	提供某种级别的垂直扩展性	水平扩展性，线性扩展
分布式	某种程度上	高分布式
实时查询	支持	支持
触发器	支持	通过协处理来提供类似RDBMS的触发器功能
Hardware	特殊硬件	通用硬件
存储过程	支持	通过协处理器来支持
Java	不需要	需要
高可用	支持	很好
容错性	某种大小的情况下	高容错性
正常化	需要大数据及	不需要
基于对象编程模型	因为聚合数据的复杂性，基于对象模型不适用join	键值存储使得HBase适应面向对象编程模型
管理	更多的管理	更少的管理在自动分片，扩展和负载均衡
架构	单一	分布式
分片	支持受限。手动服务器分片。表隔离	自动分片
写性能	扩展性不好	线性扩展
单点错误	有	无
复制	异步	异步
存储模型	表空间	HDFS的StoreFile
压缩	内建在RDBMS的存储引擎/表/索引。	内建Gzip组件
缓存	查询缓存中的标准缓存和元数据缓存	内存缓存
主要数据对象	Table	Table
读写吞吐量	1000s 请求每秒	每秒百万级请求
安全性	验证/授权	验证/授权
基于行/列	基于行	基于列
稀疏表	适用于稀疏表	没有为稀疏表优化
宽窄表	窄表	宽表
MapReduce整合	不支持	支持