Hbase初识

简介

数据模型	相关数据库	典型应用	优势	劣势
key-value	Redis	缓存	快速查询	存储数据缺乏结构化
列族	Cassandra,Hbase	分布式的文件系统，大规模的数据存储	易于分布式扩展	功能受限
document	Mongo,CouchDB		易用	可扩展性差
图	Neo4J	社交网络	利用图结构相关算法	不易扩展

从NoSQL分类来说，Hbase和Cassandra是一类数据库，都是列族数据类型。

关于hbae和cassandra的对比可以看下为什么国内流行hbase，国外反而多用cassandra？,这里不再赘述。

名词介绍

表，行这些都是同关系型数据库一致

列族

列族顾名思义就是列的组合，wide-column这种数据类型都是根据BigTable模型实现的，它是一个稀疏的、多维结构映射。实际存储，就是列族的数据存储在一起，而不是像关系型数据库那样，一行存在一起。所以列族是需要提前定义的。

key-value,wide-column,json几种数据类型对比NoSQL概述-从Mongo和Cassandra谈谈NoSQL

region

region就是range partition,一组row key的范围组合。region是自动分裂的。一般大小是1GB-2GB，超过配置的大小，就进行分裂。

部署架构

Hbase的部署架构比较复杂。对于一个分布式数据库，集群架构一般有三个角色：路由节点、配置信息节点、分片数据节点。
有些数据库将这些功能都集成到同一个节点，这样的话扩容比较简单，单点比较少。如果拆分成不同节点话，部署起来就比较麻烦，扩容的话也比较麻烦，每个部分都有可能需要去扩容，好处是职责隔离，不会因为耦合造成整个节点的故障。以下是HBase的集群部署架构

Hbase Master

Hbase是AP型分布式数据库，Master-Slave模式。Master负责管理所有的RegsionServer，也就是上面所说的配置信息节点这个角色。
记录了数据块HRegions属于哪个Region Server。当RegionServer增加或者下线时，需要进行HRegion的重新分配。一般为了可用性，Master节点个数要大于1,避免单点故障。

Region Server
Region Server负责数据的读写，数据存放在内存中，持续化需要和HDFS文件系统进行I/O交互。HBase是列族数据库，列的数据是存放在一起的，不同的行按照row key分布，存储在不同的Region Server中。

一般来说，扩容主要是扩容Region Server，因为主要是Region Server负责数据的读写。

Zookeeper
管理HMaster的信息

HDFS DataNode

数据的存储与备份。将数据存储在HDFS的一个显而易见的好处时，当集群Region Server发生变化时，增加或者减少时，不需要在节点间进行数据的复制，这大大减少了节点的上下线时间，和I/O消耗。

分片

Hbase的分片策略很简单，就是根据rowkey来分片，每个Region Server负责一组rowkey.

数据存储与维护

数据存储和Cassandra类似，先写log和内存，内存memstore也是LSM树，然后在flush到磁盘中，HFile，存储在HDFS中。

当HFile超过一定大小后，进行数据的分离。

读写分析

读操作

读操作一般在Hbase里面叫3跳，涉及到Hbase集群的3个角色。

Meta table
HRegion的metadata信息都存储在.META表中，Region增加减少，这个信息都会更改。

Root table
Root table是用来记录META表信息的，存储在ZK中。

Hbase的读一般需要三跳

非常繁琐，所以路由信息一般cache到client，减少client与Hbase各个节点之间的交互。

写操作

没什么复杂的，和cassandra类似，不再赘述

总结

Hbase的集群部署架构模式和Mongo类似，多角色方式。所以读取数据的3跳也比较类似。单节点写入的话和Cassandra类似。