HBase基本简介
一、HBase产生的背景介绍
- 从 1970 年开始，大多数的公司数据存储和维护使用的是关系型数据库
- 大数据技术出现后，很多拥有海量数据的公司开始选择像Hadoop的方式来存储海量数据
- Hadoop使用分布式文件系统HDFS来存储海量数据，并使用 MapReduce 来处理。Hadoop擅长于存储各种格式的庞大的数据，任意的格式甚至非结构化的处理
但是Hadoop存在的局限:
- Hadoop主要是实现批量数据的处理，并且通过顺序方式访问数据
- 要查找数据必须搜索整个数据集， 如果要进行随机读取数据，效率较低(压根就不支持)
总结: HADOOP仅适合存储大批量的数据, 进行顺序化读取数据, 并不支持随机读取数据操作
二、HBase的基本介绍
- 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
三、HBase的应用场景
1、对象存储
◼ 不少的头条类、新闻类的新闻、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, 另外在所有大一点的数据量的车联网企业, 数据也是存储在HBase
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HBase之上
7、Feeds流
◼ 典型的应用就是xx朋友圈类型的应用, 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的查询, 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的发展历程
五、HBase的特点
- 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
- 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
- 自动RegionServer故障转移
- Hadoop/HDFS集成: HBase支持HDFS开箱即用作为其分布式文件系统
- MapReduce : HBase通过MapReduce支持大规模并行处理，将HBase用作源和接收器
- Java Client API: HBase支持易于使用的 Java API 进行编程访问
- Thrift/REST API
- 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
- 运行管理: HBase为业务洞察和JMX度量提供内置网页。
六、HBase与RDBMS、HDFS 、Hive的区别
