HBase架构的优缺点

HBase是目前非常热门的一款分布式KV键值数据库系统，无论是互联网行业还是其他传统 IT 行业都在大量使用。HBase具有高可用、易扩展的特性，目前社区成熟度高，HBase可以作为底层数据存储服务，例如 Kylin、OpenTSDB 等。

一、HBase架构

HBase基于Hadoop。HBase可以不将数据存于HDFS中，而存于本地文件系统，但是这种方式一般仅用于测试，生产环境中都基于 HDFS。HBase 也是一主多从的主从架构。主组件叫作 HMaster，从组件叫作HRegionServer。我们知道，所有主从架构的分布式系统都要想方设法减少主节点的负载，因为主节点只有一个。HBase 在这方面做得比较好，它甚至做到了在客户端读写一个表的数据时可以完全不与HMaster通信。HBase对HMaster和HRegionServer的分工非常科学，HMaster不参与表的管理，不参与客户端对表的访问，其主要工作是故障恢复和负载平衡。故障恢复是指 HRegionServer 的故障恢复，HMaster 监视 HRegionServer 的状态，一旦某个 HRegionServer出问题，就将这个HRegionServer的工作转移给其他 HRegionServer。负载平衡指的是HMaster定期检查各HRegionServer 的数据负载状况，将数据从负载过重的节点移到较轻的节点。

 HBase还有一个必需的组件∶ZooKeeper。ZooKeeper的作用是高可用，解决HMaster的单点故障。HMaster可以有多个，但只有一个起作用，其余作为备份，选举时要ZooKeeper帮忙。除此之外，ZooKeeper还是寻找表的路由入口，因为表存在不同的HRegionServer节点，必须有数据记录表数据与节点间的对应关系，要查找这个关系，得从ZooKeeper入手。所以客户端要使用HBase服务，给它的连接地址不是HMaster，而是ZooKeeper的各节点地址。HMaster监控 HRegionServer也是通过ZooKeeper， HRegionServer在ZooKeeper 中建立自己的数据节点，HMaster只需监视这些数据节点即可。

二、HBase的优点

与其他数据库相比，HBase在系统设计以及实际实践中有很多独特的优点。

●容量巨大：HBase的单表可以支持千亿行、百万列的数据规模，数据容量可以达到TB甚至PB级别。传统的关系型数据库，如 Oracle和MySQL等，如果单表记录条数超过亿行，读写性能都会急剧下降，在HBase中并不会出现这样的问题。

●良好的可扩展性：HBase集群可以非常方便地实现集群容量扩展，主要包括数据存储节点扩展以及读写服务节点扩展。HBase 底层数据存储依赖于HDFS系统，HDFS可以通过简单地增加DataNode实现扩展，HBase读写服务节点也一样，可以通过简单的增加RegionServer节点实现计算层的扩展。

●稀疏性：HBase支持大量稀疏存储，即允许大量列值为空，并不占用任何存储空间。这与传统数据库不同，传统数据库对于空值的处理要占用一定的存储空间，这会造成一定程度的存储空间浪费。因此可以使用HBase存储多至上百万列的数据，即使表中存在大量的空值，也不需要任何额外空间。

●高性能：HBase目前主要擅长于LTP场景，数据写操作性能强劲，对于随机单点读以及小范围的扫描读，其性能也能够得到保证。对于大范围的扫描读可以使用MapReduce提供的API，以便实现更高效的并行扫描。

●多版本：HBase支持多版本特性，即一个 KV 可以同时保留多个版本，用户可以根据需要选择最新版本或者某个历史版本。

●支持过期：HBase支持TTL过期特性，用户只需要设置过期时间，超过TTL的数据就会被自动清理，不需要用户写程序手动删除。

●Hadoop原生支持∶HBase是Hadoop生态中的核心成员之一，很多生态组件都可以与其直接对接。HBase数据存储依赖于HDFS，这样的架构可以带来很多好处，比如用户可以直接绕过HBase系统操作HDFS文件，高效地完成数据扫描或者数据导入工作；再比如可以利用 HDFS 提供的多级存储特性（Archival Storage Feature），根据业务的重要程度将HBase进行分级存储，重要的业务放到SSD，不重要的业务放到HDD。或者用户可以设置归档时间，进而将最近的数据放在 SSD，将归档数据文件放在 HDD。

三、HBase的缺点

任何一个系统都不会完美，HBase也一样。HBase不能适用于所有应用场景，例如：

●HBase本身不支持很复杂的聚合运算（如 Join、GroupBy 等）。如果业务中需要使用聚合运算，可以在HBase之上架设Phoenix组件或者Spark 组件，前者主要应用于小规模聚合的 OLTP 场景，后者应用于大规模聚合的 0LAP 场景。

●HBase本身并没有实现二级索引功能，所以不支持二级索引查找。好在针对 HBase 实现的第三方二级索引方案非常丰富，比如目前比较普遍的使用 Phoenix 提供的二级索引功能。

●HBase原生不支持全局跨行事务，只支持单行事务模型。同样，可以使用Phoenix提供的全局事务模型组件来弥补HBase的这个缺陷。

可以看到，HBase系统本身虽然不擅长某些工作领域，但是借助于Hadoop强大的生态圈，用户只需要在其上架设Phoenix 组件、Spark 组件或者其他第三方组件，就可以有效地协同工作。