HBase - 概述

---

---

自 1970 年以来，关系型数据库管理系统 (RDBMS) 一直是解决数据存储和维护相关问题的方案。在大数据出现后，企业意识到处理大数据的益处，并开始选择 Hadoop 等解决方案。

Hadoop 使用分布式文件系统来存储大数据，并使用 MapReduce 来处理它。Hadoop 擅长存储和处理各种格式的海量数据，例如任意格式、半结构化甚至非结构化数据。

Hadoop 的局限性

Hadoop 只能执行批处理，并且只能以顺序方式访问数据。这意味着即使是最简单的任务，也必须搜索整个数据集。

当处理海量数据集时，会产生另一个海量数据集，该数据集也需要按顺序进行处理。此时，需要一个新的解决方案来在单个时间单位内访问数据的任意点（随机访问）。

Hadoop 随机访问数据库

HBase、Cassandra、CouchDB、Dynamo 和 MongoDB 等应用程序是一些存储海量数据并以随机方式访问数据的数据库。

什么是 HBase？

HBase 是一个构建在 Hadoop 文件系统之上的分布式列式数据库。它是一个开源项目，并且具有水平可扩展性。

HBase 是一种类似于 Google 的 Bigtable 的数据模型，旨在提供对海量结构化数据的快速随机访问。它利用了 Hadoop 文件系统 (HDFS) 提供的容错能力。

它是 Hadoop 生态系统的一部分，它提供对 Hadoop 文件系统中数据的随机实时读写访问。

可以将数据直接存储在 HDFS 中，也可以通过 HBase 存储。数据消费者使用 HBase 以随机方式读取/访问 HDFS 中的数据。HBase 位于 Hadoop 文件系统之上，并提供读写访问。

HBase 和 HDFS

HBase 中的存储机制

HBase 是一个**列式数据库**，其中的表按行排序。表模式仅定义列族，它们是键值对。一个表可以有多个列族，每个列族可以有任意数量的列。后续列值连续存储在磁盘上。表的每个单元格值都有一个时间戳。简而言之，在 HBase 中

• 表是行的集合。
• 行是列族的集合。
• 列族是列的集合。
• 列是键值对的集合。

以下是 HBase 中表的示例模式。

列式和行式

列式数据库是指将数据表存储为数据列的部分，而不是数据行的部分。简而言之，它们将具有列族。

下图显示了列式数据库中的列族

HBase 和 RDBMS

HBase 的特性

• HBase 具有线性可扩展性。
• 它具有自动故障支持。
• 它提供一致的读写。
• 它与 Hadoop 集成，既作为源也作为目标。
• 它具有易于使用的 Java API 供客户端使用。
• 它提供跨集群的数据复制。

在哪里使用 HBase

• Apache HBase 用于对大数据进行随机、实时的读写访问。

• 它在商品硬件集群之上托管超大型表。

• Apache HBase 是一个非关系型数据库，其模型参考了 Google 的 Bigtable。Bigtable 在 Google 文件系统上运行，类似地，Apache HBase 在 Hadoop 和 HDFS 之上运行。

HBase 的应用

• 当需要编写重量级应用程序时使用它。
• 当我们需要为可用数据提供快速的随机访问时使用 HBase。
• Facebook、Twitter、Yahoo 和 Adobe 等公司在内部使用 HBase。

HBase 历史