HBase

一、HBase特性

Hbase是典型的nosql数据库，通常被描述成稀疏的、分布式的、持久化的，由行键、列键和时间戳进行索引的多维有序映射数据库，主要用来存储非结构化和半结构化的数据。因为Hbase基于hadoop的HDFS完成分布式存储，以及mapreduce完成分布式并行计算，所以一些特点与hadoop相同，依靠横向扩展，通过不断增加性价比高的商业服务器来增加计算和存储能力。

1.容量巨大

Hbase单表可以有百亿行、百万列，采用LSM树作为内部数据存储结构，这种结构会周期性地将较小文件合成大文件，以减少对磁盘的访问。

2.列存储

与面向行存储的关系型数据库不同，Hbase是面向列的存储和权限控制的，每个列是单独存储的，且支持基于列的独立检索。进行数据的插入和更新，行存储会相对容易。进行行存储时，查询操作需要读取所有数据，列存储只需要读取相关列，可以大幅降低系统IO吞吐量。

3.稀疏性

Hbase中的数据都是以字符串形式存储的，为空的列并不占用存储空间，这与关系型数据库不同。

4.扩展性强

Hbase支持分布式表，继承了HDFS的扩展性。Hbase的扩展是横向的，横向扩展是指扩展时不需要提升服务器本身的性能，只需添加服务器到现有集群即可。Hbase表根据region大小进行分区，分别存在集群中不同的节点上，当添加新的节点时是动态扩展和热扩展，在不停止现有服务的前提下添加减少节点。

5.高可靠性

HDFS的多副本存储可以让它出现故障时自动恢复。WAL预写日志是在Hbase服务器处理数据插入和删除过程中用来记录操作内容的日志，保证了数据写入时不会因集群异常而导致写入数据丢失；replication机制是基于日志操作来做数据同步的。当单个节点出现故障时，协调服务组件zookeeper通知集群主节点，将故障节点的Hlog中的日志信息分发到各从节点进行护具恢复。

二、HDFS原理

1.HDFS基本架构

HDFS是以master/slave模式运行的，namenode和secondarynamenode运行在master节点上，，datanode运行在slave节点上。文件是被分成块进行存储的，一个文件包含许多个块，每个块存储在不同的datanode中，当客户端请求读取一个文件时，需要先从namenode中获取文件元数据信息，然后从对应的数据节点上并行读取数据块。

2.HDFS的分块机制和副本机制

1.分块机制

HDFS中数据块大小默认为64MB，是为了最小化寻址开销。

2.副本机制

HDFS默认3个副本的情况下，会把第一个副本放到机架的一个节点，第二副本放在同一个机架的另一个节点，第三个副本放在不同的机架上。

3.HDFS的读写机制

1.读文件

HDFS通过RPC调用namenode获取文件块的位置信息，并且对每个块返回所在的datanode地址信息，然后再从datanode获取数据块的副本。

2.写文件

namenode负责通知datanode创建文件，在创建之前会检查客户端是否有写入数据的权限。通过检测后，namenode会向edits文件写入一条创建文件的操作记录。

三、Hbase的组件和功能

1.客户端

客户端与Hmaster进行管理类操作的通信，在获取regionserver的信息后，直接与regionserver进行数据读写类操作。客户端获取region的位置信息后会缓存下来，用来加速后续数据的访问过程。

2.zookeeper

功能有master选举、系统容错、region元数据管理、region状态管理、提供meta表存储位置。

3.Hmaster

Hmaster是Hbase集群中的主服务器，负责监控集群中所有regionserver。Hmaster通常运行在namenode上，Hmaster通过zookeeper避免单点故障，保证只有一个Hmaster处于active状态。Hmaster主要负责表和region的管理工作。

4.regionserver

regionserver运行在datanode服务器上，实现数据的本地性，每个regionserver包含多个region，每个region由多个Hstore组成，每个Hstore对应表中一个列族的存储。

四、Hbase数据模型与使用

1.Hbase数据模型

1.表：表名作为HDFS存储路径的一部分来使用，在HDFS中可以看到每个表名都作为独立目录结构。

2.行：在Hbase表里，每一行代表一个数据对象，每一行都以行健来进行唯一标识，行健是任意字符串。

3.列族：列族中的所有列成员有着相同的前缀。

4.列标识：列族中的数据通过列标识来进行定位，列标识没有特定的数据类型，以二进制字节来存储。

5.单元格：单元格内容没有特定的数据类型，以二进制字节来存储。

6.时间戳：默认情况下每一个单元格插入数据时都会用时间戳进行版本标识。

2.Hbase shell操作

1.创建表,指明表名、两个列族名

create 'student','stuinfo','grades'

2.更改表结构

alter  'student','hobby'
alter  'student','delete'=>'hobby'

3.删除表

disable 'student'
drop 'student'

清空表

truncate 'student'

4.数据操作

put 'student','0001','stuinfo:name','tom green',1

删除时间戳小于等于2的数据

delete 'student','0001','grades:math',2

get 'student','0001'

scan 'student'

5.列过滤器

scan 'student',FILTER=>"FamilyFilter (=,'substring:grades')"