如何理解大數據時代的結構化存儲數據庫HBase

本篇文章為大家展示了如何理解大數據時代的結構化存儲數據庫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據存儲的數據庫，2006年底由PowerSet 的Chad Walters和Jim Kellerman 發起，2008年成為Apache Hadoop的一個子項目。現已作為產品在多家企業被使用。

分布式數據庫 HBase

授權協議：Apache

開發語言：Java

操作系統：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，利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲集群。

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

Hbase 特性

• 大表：數十億行*數百萬列*數千個版本 = 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。

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

• 數據類型單一：Hbase中的數據都是字符串，沒有類型

HBase系統架構

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。表中的行根據行的鍵值進行排序，數據按照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，每條記錄可動態添加

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

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

HBase邏輯模型

HBase以表的形式存儲數據。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，隨著數據增多，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是一個分布式數據庫，因此一張表的數據可能會分布在不同的節點中。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，當我們發送一個查找（插入、刪除）請求時，首先客戶端能根據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）會將該操作發送到region服務器上，然后請求操作可能會被直接執行，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據庫,它是一個適合于非結構化數據存儲的數據庫.所謂非結構化數據存儲就是說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據內容。

HBase是介于Map Entry(key & value)和DB Row之間的一種數據存儲方式。就點有點類似于現在流行的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據結構，但沒有傳統數據庫表中那么多的關聯關系，這就是所謂的松散數據。

簡單來說，你在HBase中的表創建的可以看做是一張很大的表，而這個表的屬性可以根據需求去動態增加，在HBase中沒有表與表之間關聯查詢。你只需要 告訴你的數據存儲到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據時代的結構化存儲數據庫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資訊頻道。