HBase簡介

HBase是一個分布式的、面向列的開源數(shù)據(jù)庫，該技術(shù)來源于 Fay Chang 所撰寫的Google論文“Bigtable：一個結(jié)構(gòu)化數(shù)據(jù)的分布式存儲系統(tǒng)”。就像Bigtable利用了Google文件系統(tǒng)（File System）所提供的分布式數(shù)據(jù)存儲一樣，HBase在Hadoop之上提供了類似于Bigtable的能力。HBase是Apache的Hadoop項目的子項目。HBase不同于一般的關(guān)系數(shù)據(jù)庫，它是一個適合于非結(jié)構(gòu)化數(shù)據(jù)存儲的數(shù)據(jù)庫。另一個不同的是HBase基于列的而不是基于行的模式。

什么時候需要HBase呢？

半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，對于數(shù)據(jù)結(jié)構(gòu)字段不夠確定或雜亂無章很難按一個概念去進行抽取的數(shù)據(jù)適合用HBase。當業(yè)務發(fā)展需要存儲author的email，phone，address信息時RDBMS需要停機維護，而HBase支持動態(tài)增加。

記錄非常稀疏

RDBMS的行有多少列是固定的，為null的列浪費了存儲空間。而如上文提到的，HBase為null的Column不會被存儲，這樣既節(jié)省了空間又提高了讀性能。

多版本數(shù)據(jù)

如上文提到的根據(jù)Row key和Column key定位到的Value可以有任意數(shù)量的版本值，因此對于需要存儲變動歷史記錄的數(shù)據(jù)，用HBase就非常方便了。比如上例中的author的Address是會變動的，業(yè)務上一般只需要最新的值，但有時可能需要查詢到歷史值。

超大數(shù)據(jù)量

當數(shù)據(jù)量越來越大，RDBMS數(shù)據(jù)庫撐不住了，就出現(xiàn)了讀寫分離策略，通過一個Master專門負責寫操作，多個Slave負責讀操作，服務器成本倍增。隨著壓力增加，Master撐不住了，這時就要分庫了，把關(guān)聯(lián)不大的數(shù)據(jù)分開部署，一些join查詢不能用了，需要借助中間層。隨著數(shù)據(jù)量的進一步增加，一個表的記錄越來越大，查詢就變得很慢，于是又得搞分表，比如按ID取模分成多個表以減少單個表的記錄數(shù)。經(jīng)歷過這些事的人都知道過程是多么的折騰。采用HBase就簡單了，只需要加機器即可，HBase會自動水平切分擴展，跟Hadoop的無縫集成保障了其數(shù)據(jù)可靠性（HDFS）和海量數(shù)據(jù)分析的高性能（MapReduce）。

HTable一些基本概念

Row key

行主鍵， HBase不支持條件查詢和Order by等查詢，讀取記錄只能按Row key（及其range）或全表掃描，因此Row key需要根據(jù)業(yè)務來設(shè)計以利用其存儲排序特性（Table按Row key字典序排序如1，10，100，11，2）提高性能。

Column Family（列族）

在表創(chuàng)建時聲明，每個Column Family為一個存儲單元。在上例中設(shè)計了一個HBase表blog，該表有兩個列族：article和author。

Column（列）

HBase的每個列都屬于一個列族，以列族名為前綴，如列article:title和article:content屬于article列族，author:name和author:nickname屬于author列族。

Column不用創(chuàng)建表時定義即可以動態(tài)新增，同一Column Family的Columns會群聚在一個存儲單元上，并依Column key排序，因此設(shè)計時應將具有相同I/O特性的Column設(shè)計在一個Column Family上以提高性能。

Timestamp

HBase通過row和column確定一份數(shù)據(jù)，這份數(shù)據(jù)的值可能有多個版本，不同版本的值按照時間倒序排序，即最新的數(shù)據(jù)排在最前面，查詢時默認返回最新版本。如上例中row key=1的author:nickname值有兩個版本，分別為1317180070811對應的“一葉渡江”和1317180718830對應的“yedu”（對應到實際業(yè)務可以理解為在某時刻修改了nickname為yedu，但舊值仍然存在）。Timestamp默認為系統(tǒng)當前時間（精確到毫秒），也可以在寫入數(shù)據(jù)時指定該值。

Value

每個值通過4個鍵唯一索引，tableName+RowKey+ColumnKey+Timestamp=》value，例如上例中{tableName=’blog’，RowKey=’1’，ColumnName=’author:nickname’，Timestamp=’ 1317180718830’}索引到的唯一值是“yedu”。

存儲類型

TableName 是字符串

RowKey 和 ColumnName 是二進制值（Java 類型 byte［］）

Timestamp 是一個 64 位整數(shù)（Java 類型 long）

value 是一個字節(jié)數(shù)組（Java類型 byte［］）。

將HTable的存儲結(jié)構(gòu)理解為

即HTable按Row key自動排序，每個Row包含任意數(shù)量個Columns，Columns之間按Column key自動排序，每個Column包含任意數(shù)量個Values。理解該存儲結(jié)構(gòu)將有助于查詢結(jié)果的迭代。