Hbase学习

参考：
HBase笔记整理（一）

HBase概述

• 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利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据，
• 利用Zookeeper作为协调工具。

• 特点：
  高可靠性
  高性能
  面向列
  可伸缩
  表的特点
  纵向扩展
  横向扩展
  部署上来说：
  分布式集群

HBase设计初衷，是为了企业中的大表，面向上百万列，上百亿条记录设计的数据库。
可以分布式存储海量的数据
具有容错能力强，数据高可靠的特点
HBase是一个列式NoSQL数据库
数据存储的结构是按照列进行存储。按照列进行存储的数据库产品，一般都有行键的概念。
使用行键，可以标示一行数据。理解行键的时候，可以简单的认为是RDBMS中的PK。
Hbase存储数据的物理结构是key-value形式。key就是行键。
同时可以非常方便的进行横向扩展（scale out，纵向扩展scale up）。

HBase体系结构

• 逻辑结构：

表（table）
划分数据集合的概念，和传统的db中的表的概念是一样的。

行健(RowKey)：
一行数据的唯一标示，要想操作(read/write)一条数据,必须通过行健，其在hbase底层都是使用字节数组进行存放，
所以方便我们使用rk进行排序，
行键是字节数组, 任何字符串都可以作为行键；表中的行根据行键进行排序，数据按照Row key的字节序(byte order)排序存储；
所有对表的访问都要通过行键 （单个RowKey访问，或RowKey范围访问，或全表扫描)。

列族（columnFamily）
简单的认为是一系列“列”的集合。列族是以单独的文件进行存储。

列限定符（column Qualifier）
或者叫列。列里面的数据定位通过列限定符 每个CF可以有一个或多个列成员(ColumnQualifier)，
列成员不需要在表定义时给出，新的列族成员可以随后按需、动态加入。时间戳（version）
在单元格中可以存放多个版本的数据。

单元格（cell）
Cell 由行键，列族:限定符，时间戳唯一决定，Cell中的数据是没有类型的，全部以字节码形式存贮，主要用来存储数据。

单元格的图示如下：

物理结构：

HMaster ----->NameNode
管理节点

HRegionServer----->DataNode
存放Region的服务器

HRegion
存放hbase中数据的一个概念，可以简单的理解为表，存放一张表中的一部分数据，当该region中的数据超过一定量的时候，会自动进行分裂，
分裂成两个region(一份为二)，从这个角度上而言，Region是对hbase中表的一个横向的划分。

HFile
在hdfs上存放数据之前的一个物理结构，用于接收从客户端提交过来的数据。

一个集群中有多个HRegionServer
|-----一个HLog
|-----多个HRegion
|---多个Store
|----一个CF