Hadoop數據存儲—Hbase

 大家都知道Hadoop是一個數據庫，其實說的的就是Hbase。它和我們平常理解的關系型數據庫有什么區別呢？

1.它是NoSQL的，它沒有SQL的接口，有自己的一套API。

2.關系型數據庫可以做匯總，可以進行常規的分析，但是Hbase不可以，它不能做匯總。那么Hbase操作不方便，不能做匯總，不能做分析，有什么作用呢？它的隨機讀寫效率很高，可以存儲海量數據，基于某個網點，某個城市，某個機器隨機去查詢速度快。或者去存儲基于時間序列的數據，比如微信、微博、日志的數據，效率很高。

3.它的存儲是列式的，平常我們接觸的MySQL，Oracle,RDBMS都是行存儲。行存儲和列存儲的區別是：行存儲適合在線事務的場景，適合隨機的訪問，比如去銀行修改賬戶記錄，修改個人信息，這個修改就是從數據庫中找到你信息所在的行。列存儲就是以列為單位進行連續存儲，如果以列存儲放到銀行這個場景中會是怎樣的一種效果呢？如果想要修改信息，那么定義到用戶所在行信息，就會掃描到整個表，所以行存儲主要用于在線事務處理，而列存儲適用于數據分析。因為在大數據的數據庫場景中，我們會構建很寬的事實表，通過信息模型有個中心，圍繞這個中心擴散出很多維度，這個中間表是一個很寬的表，在我們進行特定業務分析的時候，比如分析廣告業務推廣的情況，可能只需要從很多資料中選取一部分變量進行分析，如果使用行存儲，那么就是全表掃描，而使用列存儲會選取特定部分，效率很高。

          HBase vs RDBMS

通過以上描述，我們分析一下hbase的特點：

（1）存儲海量數據：Pb+

（2）高吞吐：每秒每個節點上千次寫

（3）適合處理稀疏數據（半結構化數據）：存儲一行的空列沒有空間浪費。因為半結構化數據有大量的空存在，那么使用結構化數據存儲到關系型數據庫，就會有大量的空間浪費，而且不適合做分析。

但是hbase訪問模式是受到限制的，它對基于行鍵的查找做了優化，而不是全文查詢；沒有事務，只支持單行操作。

說了這么多，那么我們為什么使用Hbase呢？這里我們做一個對比：

（1）使用HDFS

你只需要追加到數據集（沒有隨機寫）

通常讀取整個數據集（沒有隨機讀）

（2）使用HBase

你需要隨機寫或讀

每秒對TB級的數據執行上千次操作

（3）使用RDBMS

數據放在一個大節點上

需要全部的事務支持

需要實時查詢的能力

這就是個人對于Hbase的一些認知和了解，寫出來和大家共同分享，希望可以共同進步。不過我個人平常也會關注CSDN論壇以及“大數據cn”、“大數據時代學習中心”這些微信公眾號，從中我了解和學習了很多東西，也讓自己的技術能力更上了一層樓，推薦大家看看。