HBase簡介及資料模型

HBase簡介

　　HBase是一個構建在HDFS上的分布式列儲存系統；
　　HBase是基於Google BigTable模型開發的，典型的key/value系統；
　　HBase是Apache Hadoop生態系統中的重要一員，主要用于海量結構化資料存放區；
　　從邏輯上講，HBase將資料按照表、行和列進行儲存；
　　與hadoop一樣，Hbase目標主要依靠橫向擴充，通過不斷增加廉價的商用伺服器，來增加計算和儲存能力。 HBase的優勢

　　將隨機讀寫轉化為順序讀寫，適應高並發寫入；
　　均衡效果好，讀寫效能和機器數保持線性相關；
　　行中沒有儲存資料的列，不佔儲存空間；
　　分布式特性：基於HDFS、ZK，一致性，可用性，分區容忍性，大資料存放區，易擴充。 Hbase表的特點

　　大：一個表可以有數十億行，上百萬列；
　　無模式：每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態增加，同一張表中不同的行可以有截然不同的列；
　　面向列：面向列（族）的儲存和許可權控制，列（族）獨立檢索；
　　稀疏：空（null）列並不佔用儲存空間，表可以設計的非常稀疏；
　　資料多版本：每個單元中的資料可以有多個版本，預設情況下版本號碼自動分配，是儲存格插入時的時間戳記；
　　資料類型單一：Hbase中的資料都是字串，沒有類型。 HBase VS RDBMS

　　HBase中的資料都是字串類型（String）；
　　HBase只有普通的增刪改查等操作，沒有表之間的關聯查詢；
　　HBase是基於列式儲存，而RDBMS是基於行式儲存的；
　　HBase適合儲存大量資料，查詢效率極高。 HBase資料模型

　　應用程式是以表的方式在HBase儲存資料的。表是由行和列構成的，所有的列是從屬於某一個列族的。行和列的交叉點稱之為cell,cell是版本化的。cell的內容是不可分割的位元組數組。
　　表的行鍵也是一段位元組數組，所以任何東西都可以儲存進去，不論是字串或者數字。HBase的表是按key排序的，排序方式之針對位元組的。所有的表都必須要有主鍵-key。

邏輯視圖如下：

Row Key（行鍵）	Time Stamp	ColumnFamily contents（列族contents）	ColumnFamily anchor（列族anchor）
com.cnn.www	t1		anchor:cnnsi.com = “CNN”
com.cnn.www	t2		anchor:my.look.ca = “CNN.com”
com.cnn.www	t3	contents:html = “…”

Hbase基本概念 1.行鍵（RowKey）

　　RowKey：是Byte array，是表中每條記錄的“主鍵”，方便快速尋找，Rowkey的設計非常重要。
　　行鍵是位元組數組, 任何字串都可以作為行鍵；
　　表中的行根據行鍵進行排序，資料按照Row key的位元組序(byte order)排序儲存；
　　所有對錶的訪問都要通過行鍵 （單個RowKey訪問，或RowKey範圍訪問，或全表掃描) 2.列族（ColumnFamily）

　　Column Family：列族，擁有一個名稱(string)，包含一個或者多個相關列
　　列族必須在表定義時給出；
　　每個CF可以有一個或多個列成員(ColumnQualifier)，列成員不需要在表定義時給出，新的列族成員可以隨後按需、動態加入；
　　資料按列族分開儲存，HBase所謂的列式儲存就是根據列族分開儲存（每個列族對應一個Store），這種設計非常適合於資料分析的情形。 3.列（Column）

　　Column：屬於某一個columnfamily，familyName:columnName，每條記錄可動態添加 4.時間戳記（TimeStamp）

　　每個Cell可能又多個版本，它們之間用時間戳記區分 5.儲存格（Cell）

　　Cell 由行鍵，列族:限定符，時間戳記唯一決定；
　　Cell中的資料是沒有類型的，全部以位元組碼形式存貯； 6.地區(Region）

　　HBase自動把表水平（按Row）劃分成多個地區(region)，每個region會儲存一個表裡面某段連續的資料；
　　每個表一開始只有一個region，隨著資料不斷插入表，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；
　　當table中的行不斷增多，就會有越來越多的region。這樣一張完整的表被儲存在多個Region 上；
　　HRegion是HBase中分布式儲存和負載平衡的最小單元。最小單元表示不同的HRegion可以分布在不同的HRegionServer上。但一個HRegion不會拆分到多個server上。