HBase学习总结
1、 HBase是什么
HBase（Hadoop Database）是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。
百度百科：https://baike.baidu.com/item/HBase/7670213
|
是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统， 利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。 HBase利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce 来处理HBase中的海量数据，利用Zookeeper作为协调工具。 |
2、 Hbase的几个概念介绍详细：
主键：RowKey
主键是用来检索记录的主键，访问hbase table中的行，只有三种方式
a) 通过单个row key访问
b) 通过row key的range
c) 全表扫描
列族：ColumnFamily
列族在创建表的时候声明，一个列族可以包含多个列，列中的数据都是以二进制形式存在，没有数据类型。Hbase的列族不是越多越好，官方推荐的是列族最好小于或者等于3。我们使用的场景一般是1个列族。
Region的概念
Region的概念和关系型数据库的分区或者分片差不多。
Hbase会将一个大表的数据基于Rowkey的不同范围分配到不通的Region中，每个Region负责一定范围的数据访问和存储，Table 在行的方向上分割为多个HRegion，一个region由[startkey,endkey)表示。这样即使是一张巨大的表，由于被切割到不通的region，访问起来的时延也很低。
TimeStamp的概念
HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引
3、架构体系
Client 包含访问hbase 的接口，client 维护着一些cache 来加快对hbase 的访问，比如regione 的位置信息。
Zookeeper：
• 保证任何时候，集群中只有一个running master
• 存贮所有Region 的寻址入口。
• 实时监控Region Server 的状态，将Region server 的上线和下线信息，实时通知给Master。
• 存储Hbase 的schema,包括有哪些table，每个table 有哪些column family
Master可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行
• 为Region server 分配region
• 负责region server 的负载均衡
• 发现失效的region server 并重新分配其上的region
RegionServer
• 维护Master 分配给它的region，处理对这些region 的IO 请求
• 负责切分在运行过程中变得过大的region
可以看出，client 访问hbase 上数据的过程并不需要master 参与，寻址访问先zookeeper再regionserver，数据读写访问regioneserver。HRegionServer主要负责响应用户I/O请求，向HDFS文件系统中读写数据，是HBase中最核心的模块。
4、Hbase的使用场景
Hbase是一个通过廉价PC机器集群来存储海量数据的分布式数据库解决方案。它比较适合的场景概括如下：
Ø 是巨量大（百T、PB级别）
Ø 查询简单（基于rowkey或者rowkey范围查询）
Ø 不涉及到复杂的关联
有几个典型的场景特别适合使用Hbase来存储：
Ø 海量订单流水数据（长久保存）
Ø 交易记录
Ø 数据库历史数据