HBase高手之路1-Hbase简介

一、什么是HBase

1. HBase简介

HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的子项目来开发维护，用于支持结构化的数据存储。

官方网站：http://hbase.apache.org

HBase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的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。

HBase是Google Bigtable的开源实现，但是也有很多不同之处。比如：Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统；Google运行MAPREDUCE来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；Google Bigtable利用Chubby作为协同服务，HBase利用Zookeeper作为对应。

2. HBase的发展过程

– 2006年Google发表BigTable白皮书

– 2006年开始开发HBase

– 2008年北京成功开奥运会，程序员默默地将HBase弄成了Hadoop的子项目

– 2010年HBase成为Apache顶级项目

– 现在很多公司二次开发出了很多发行版本，你也开始使用了。

二、HBase特点

1. 海量存储

Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。这与Hbase的极易扩展性息息相关。正式因为Hbase良好的扩展性，才为海量数据的存储提供了便利。

2. 列式存储

这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。

3. 极易扩展

Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。

通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。

备注：RegionServer的作用是管理region、承接业务的访问，这个后面会详细的介绍通过横向添加Datanode的机器，进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。

4. 高并发

由于目前大部分使用Hbase的架构，都是采用的廉价PC，因此单个IO的延迟其实并不小，一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多。能获得高并发、低延迟的服务。

5. 稀疏

稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。

6. 强一致性读/写

• HBASE不是“最终一致的”数据存储
• 它非常适合于诸如高速计数器聚合等任务

7. 自动分块

• HBase表通过Region分布在集群上，随着数据的增长，区域被自动拆分和重新分布

8. 自动RegionServer故障转移

9. Hadoop/HDFS集成

• HBase支持HDFS开箱即用作为其分布式文件系统

10. MapReduce

• HBase通过MapReduce支持大规模并行处理，将HBase用作源和接收器

11. Java Client API

• HBase支持易于使用的 Java API 进行编程访问

12. Thrift/REST API

13. 块缓存和布隆过滤器

• HBase支持块Cache和Bloom过滤器进行大容量查询优化

14. 运行管理

• HBase为业务洞察和JMX度量提供内置网页。

三、HBase应用场景

1. 对象存储

不少的头条类、新闻类的的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中

2. 时序数据

HBase之上有OpenTSDB模块，可以满足时序类场景的需求

3. 推荐画像

用户画像，是一个比较大的稀疏矩阵，蚂蚁金服的风控就是构建在HBase之上

4. 时空数据

主要是轨迹、气象网格之类，滴滴打车的轨迹数据主要存在HBase之中，另外在技术所有大一点的数据量的车联网企业，数据都是存在HBase之中

5. CubeDB OLAP

Kylin一个cube分析工具，底层的数据就是存储在HBase之中，不少客户自己基于离线计算构建cube存储在hbase之中，满足在线报表查询的需求

6. 消息/订单

在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在HBase之上

7. Feeds流

典型的应用就是xx朋友圈类似的应用，用户可以随时发布新内容，评论、点赞。

8. NewSQL

之上有Phoenix的插件，可以满足二级索引、SQL的需求，对接传统数据需要SQL非事务的需求

9. 其他

• 存储爬虫数据
• 海量数据备份
• 短网址
• …

四、HBase 与 NoSQL

• NoSQL是一个通用术语，泛指一个数据库并不是使用SQL作为主要语言的非关系型数据库
• HBase是BigTable的开源java版本。是建立在HDFS之上，提供高可靠性、高性能、列存储、可伸缩、实时读写NoSQL的数据库系统
• HBase仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务
• 主要用来存储结构化和半结构化的松散数据
• Hbase查询数据功能很简单，不支持join等复杂操作，不支持复杂的事务（行级的事务），从技术上来说，HBase更像是一个「数据存储」而不是「数据库」，因为HBase缺少RDBMS中的许多特性，例如带类型的列、二级索引以及高级查询语言等
• Hbase中支持的数据类型：byte[]
• 与Hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加存储和处理能力，例如，把集群从10个节点扩展到20个节点，存储能力和处理能力都会加倍
• HBase中的表一般有这样的特点
  • 大：一个表可以有上十亿行，上百万列
  • 面向列：面向列(族)的存储和权限控制，列(族)独立检索
  • 稀疏：对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏

五、RDBMS与HBase的对比

1. 关系型数据库

1.1 结构

• 数据库以表的形式存在
• 支持FAT、NTFS、EXT、文件系统
• 使用主键（PK）
• 通过外部中间件可以支持分库分表，但底层还是单机引擎
• 使用行、列、单元格

1.2 功能

• 支持向上扩展（买更好的服务器）
• 使用SQL查询
• 面向行，即每一行都是一个连续单元
• 数据总量依赖于服务器配置
• 具有ACID支持
• 适合结构化数据
• 传统关系型数据库一般都是中心化的
• 支持事务
• 支持Join

2. HBase

2.1 结构

• 以表形式存在
• 支持HDFS文件系统
• 使用行键（row key）
• 原生支持分布式存储、计算引擎
• 使用行、列、列蔟和单元格

2.2 功能

• 支持向外扩展
• 使用API和MapReduce、Spark、Flink来访问HBase表数据
• 面向列蔟，即每一个列蔟都是一个连续的单元
• 数据总量不依赖具体某台机器，而取决于机器数量
• HBase不支持ACID（Atomicity、Consistency、Isolation、Durability）
• 适合结构化数据和非结构化数据
• 一般都是分布式的
• HBase不支持事务，支持的是单行数据的事务操作
• 不支持Join

六、HDFS对比HBase

1. HDFS

• HDFS是一个非常适合存储大型文件的分布式文件系统
• HDFS它不是一个通用的文件系统，也无法在文件中快速查询某个数据

2. HBase

• HBase构建在HDFS之上，并为大型表提供快速记录查找(和更新)
• HBase内部将大量数据放在HDFS中名为「StoreFiles」的索引中，以便进行高速查找
• Hbase比较适合做快速查询等需求，而不适合做大规模的OLAP应用

七、Hive对比Hbase

1. Hive

• 数据仓库工具

  Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系，以方便使用HQL去管理查询

• 用于数据分析、清洗

  Hive适用于离线的数据分析和清洗，延迟较高

• 基于HDFS、MapReduce

  Hive存储的数据依旧在DataNode上，编写的HQL语句终将是转换为MapReduce代码执行

2. HBase

• NoSQL数据库

  是一种面向列存储的非关系型数据库。

• 用于存储结构化和非结构化的数据

  适用于单表非关系型数据的存储，不适合做关联查询，类似JOIN等操作。

• 基于HDFS

  数据持久化存储的体现形式是Hfile，存放于DataNode中，被ResionServer以region的形式进行管理

• 延迟较低，接入在线业务使用

  面对大量的企业数据，HBase可以直线单表大量数据的存储，同时提供了高效的数据访问速度

3. 总结Hive与HBase

• Hive和Hbase是两种基于Hadoop的不同技术
• Hive是一种类SQL的引擎，并且运行MapReduce任务
• Hbase是一种在Hadoop之上的NoSQL 的Key/value数据库
• 这两种工具是可以同时使用的。就像用Google来搜索，用FaceBook进行社交一样，Hive可以用来进行统计查询，HBase可以用来进行实时查询，数据也可以从Hive写到HBase，或者从HBase写回Hive

参考链接：

HBase 的特点是什么

HBASE学习（三）——hbase数据结构