【DB】HBase的基本概念

一 Hbase是個啥東東？ 
在說Hase是個啥傢伙之前，首先我們來看看兩個概念，面向行儲存和面向列儲存。面向行儲存，我相信大伙兒應該都清楚，我們熟悉的RDBMS就是此種類型的，面向行儲存的資料庫主要適合於事務性要求嚴格場合，或者說面向行儲存的儲存系統適合OLTP，但是根據CAP理論，傳統的RDBMS，為了實現強一致性，通過嚴格的ACID事務來進行同步，這就造成了系統的可用性和伸縮性方面大大折扣，而目前的很多NoSQL產品，包括Hbase，它們都是一種最終一致性的系統，它們為了高的可用性犧牲了一部分的一致性。好像，我上面說了面向列儲存，那麼到底什麼是面向列儲存呢？Hbase,Casandra,Bigtable都屬於面向列儲存的分布式儲存系統。看到這裡，如果您不明白Hbase是個啥東東，不要緊，我再總結一下下：

Hbase是一個面向列儲存的分布式儲存系統，它的優點在於可以實現高效能的並發讀寫操作，同時Hbase還會對資料進行透明的切分，這樣就使得儲存本身具有了水平伸縮性。


二 Hbase資料模型 
HBase,Cassandra的資料模型非常類似，他們的思想都是來源於Google的Bigtable，因此這三者的資料模型非常類似，唯一不同的就是Cassandra具有Super cloumn family的概念，而Hbase目前我沒發現。好了，廢話少說，我們來看看Hbase的資料模型到底是個啥東東。

在Hbase裡面有以下兩個主要的概念，Row key,Column Family，我們首先來看看Column family,Column family中文又名“列族”，Column family是在系統啟動之前預先定義好的，每一個Column Family都可以根據“限定符”有多個column.下面我們來舉個例子就會非常的清晰了。

假如系統中有一個User表，如果按照傳統的RDBMS的話，User表中的列是固定的，比如schema 定義了name,age,sex等屬性，User的屬性是不能動態增加的。但是如果採用列儲存系統，比如Hbase，那麼我們可以定義User表，然後定義info 列族，User的資料可以分為：info:name = zhangsan,info:age=30,info:sex=male等，如果後來你又想增加另外的屬性，這樣很方便只需要info:newProperty就可以了。

也許前面的這個例子還不夠清晰，我們再舉個例子來解釋一下，熟悉SNS的朋友，應該都知道有好友Feed，一般設計Feed，我們都是按照“某人在某時做了標題為某某的事情”，但是同時一般我們也會預留一下關鍵字，比如有時候feed也許需要url，feed需要image屬性等，這樣來說，feed本身的屬性是不確定的，因此如果採用傳統的關聯式資料庫將非常麻煩，況且關聯式資料庫會造成一些為null的單元浪費，而列儲存就不會出現這個問題，在Hbase裡，如果每一個column 單元沒有值，那麼是佔用空間的。下面我們通過兩張圖來形象的表示這種關係：

是傳統的RDBMS設計的Feed表，我們可以看出feed有多少列是固定的，不能增加，並且為null的列浪費了空間。但是我們再看看，為Hbase，Cassandra,Bigtable的資料模型圖表，從可以看出，Feed表的列可以動態增加，並且為空白的列是不儲存的，這就大大節約了空間，關鍵是Feed這東西隨著系統的運行，各種各樣的Feed會出現，我們事先沒辦法預測有多少種Feed，那麼我們也就沒有辦法確定Feed表有多少列，因此Hbase,Cassandra,Bigtable的基於列儲存的資料模型就非常適合此情境。說到這裡，採用Hbase的這種方式，還有一個非常重要的好處就是Feed會自動切分，當Feed表中的資料超過某一個閥值以後，Hbase會自動為我們切分資料，這樣的話，查詢就具有了 伸縮性，而再加上Hbase的弱事務性的特性，對Hbase的寫入操作也將變得非常快。

上面說了Column family，那麼我之前說的Row key是啥東東，其實你可以理解row key為RDBMS中的某一個行的主鍵，但是因為Hbase不支援條件查詢以及Order by等查詢，因此Row key的設計就要根據你系統的查詢需求來設計了額。我還拿剛才那個Feed的列子來說，我們一般是查詢某個人最新的一些Feed，因此我們Feed的Row key可以有以下三個部分構成<userId><timestamp><feedId>，這樣以來當我們要查詢某個人的最進的Feed就可以指定Start Rowkey為<userId><0><0>，End Rowkey為<userId><Long.MAX_VALUE><Long.MAX_VALUE>來查詢了，同時因為Hbase中的記錄是按照rowkey來排序的，這樣就使得查詢變得非常快。


三 Hbase的優缺點 
1 列的可以動態增加，並且列為空白就不儲存資料,節省儲存空間.

2 Hbase自動切分資料，使得資料存放區自動具有水平scalability.

3 Hbase可以提供高 並發讀寫操作的支援

Hbase的缺點：

1 不能支援條件查詢，只支援按照Row key來查詢.

2 暫時不能支援Master server的故障切換,當Master宕機後,整個儲存系統就會掛掉.



關於資料庫 伸縮性的一點資料：
http://www.jurriaanpersyn.com/archives/2009/02/12/database-sharding-at-netlog-with-mysql-and-php/

http://adam.blog.heroku.com/past/2009/7/6/sql_databases_dont_scale/