HBase教學 - tw511教學網

自1970年以來，關聯式資料庫用於資料儲存和維護有關問題的解決方案。巨量資料的出現後，好多公司實現處理巨量資料並從中受益，並開始選擇像 Hadoop 的解決方案。

Hadoop使用分散式檔案系統，用於儲存巨量資料，並使用MapReduce來處理。Hadoop擅長於儲存各種格式的龐大的資料，任意的格式甚至非結構化的處理。

Hadoop只能執行批次處理，並且只以順序方式存取資料。這意味著必須搜尋整個資料集，即使是最簡單的搜尋工作。

當處理結果在另一個龐大的資料集，也是按順序處理一個巨大的資料集。在這一點上，一個新的解決方案，需要存取資料中的任何點（隨機存取）單元。

應用程式，如HBase, Cassandra, couchDB, Dynamo 和 MongoDB 都是一些儲存大量資料和以隨機方式存取資料的資料庫。

HBase是什麼?

HBase是建立在Hadoop檔案系統之上的分散式面向列的資料庫。它是一個開源專案，是橫向擴充套件的。

HBase是一個資料模型，類似於谷歌的大錶設計，可以提供快速隨機存取海量結構化資料。它利用了Hadoop的檔案系統（HDFS）提供的容錯能力。

它是Hadoop的生態系統，提供對資料的隨機實時讀/寫存取，是Hadoop檔案系統的一部分。

人們可以直接或通過HBase的儲存HDFS資料。使用HBase在HDFS讀取消費/隨機存取資料。 HBase在Hadoop的檔案系統之上，並提供了讀寫存取。

HDFS	HBase
HDFS是適於儲存大容量檔案的分散式檔案系統。	HBase是建立在HDFS之上的資料庫。
HDFS不支援快速單獨記錄查詢。	HBase提供在較大的表快速查詢
它提供了高延遲批次處理;沒有批次處理概念。	它提供了數十億條記錄低延遲存取單個行記錄（隨機存取）。
它提供的資料只能順序存取。	HBase內部使用雜湊表和提供隨機接入，並且其儲存索引，可將在HDFS檔案中的資料進行快速查詢。

HBase是一個面向列的資料庫，在表中它由行排序。表模式定義只能列族，也就是鍵值對。一個表有多個列族以及每一個列族可以有任意數量的列。後續列的值連續地儲存在磁碟上。表中的每個單元格值都具有時間戳。總之，在一個HBase：

下面給出的表中是HBase模式的一個例子。

面向列的資料庫是儲存資料表作為資料列的部分，而不是作為行資料。總之它們擁有列族。

行式資料庫	列式資料庫
它適用於聯機事務處理（OLTP）。	它適用於線上分析處理（OLAP）。
這樣的資料庫被設計為小數目的行和列。	面向列的資料庫設計的巨大表。

下圖顯示了列族在面向列的資料庫：

HBase	RDBMS
HBase無模式，它不具有固定列模式的概念;僅定義列族。	RDBMS有它的模式，描述表的整體結構的約束。
它專門建立為寬表。 HBase是橫向擴充套件。	這些都是細而專為小表。很難形成規模。
沒有任何事務存在於HBase。	RDBMS是事務性的。
它反規範化的資料。	它具有規範化的資料。
它用於半結構以及結構化資料是非常好的。	用於結構化資料非常好。

Apache HBase曾經是隨機，實時的讀/寫存取巨量資料。
它承載在叢集普通硬體的頂端是非常大的表。
Apache HBase是此前谷歌Bigtable模擬非關係型資料庫。 Bigtable對谷歌檔案系統操作，同樣類似Apache HBase工作在Hadoop HDFS的頂部。