【云原生】简单谈谈分布式存储组件HBase

1. 什么是HBase：

   1. 是一个非关系型数据库（稀疏矩阵）
      1. 关系型数据库：有固定的列，每一列的数据类型明确
      2. 非结构化数据，半结构化数据。
   2. 存储的目标数据
      1. 数据量大
      2. 结构简单
      3. 基于key的快速查找能力
      4. 可以面向列进行查询
   3. 为什么要有hbase，为什么不用hdfs：
      1. 因为hdfs适用的场景是海量的数据批读写，不支持海量数据中的个别数据修改
      2. 而Hbase支持在海量数据中，修改某一个数据。
      3. Hbase的快，是相对于hdfs来说的。

2. 数据仓库的特点

   1. 面向主题：每一种数据分析的方向都有对应的主题，主题是一个抽象的概念，主题不是固定的。
   2. 数据集成：任何一个主题的数据，最好是可以轻易的集成在一起。
   3. 非易失：用于保存历史归档数据，同时也是增量数据。
   4. 反应历史变化：通常不会删，会一直保存下去

3. hbase的数据结构

   1. 逻辑结构
      1. 列族：多个列的组合
         1. 在数据底层当中，各个列族之间，数据是分开存储的。
      2. 列：一个列族下有若干的列
         1. 注意：hbase的列，没有数据类型，都是string
         2. 不需要在建表时声明
      3. 行：rowkey
         1. 所有的列族，所有的列，都可以引用同一个行号，但是不强制要求各个行之间对应
         2. 可以当做索引用
         3. 按字典顺序排序的
         4. 要在hbase当中查某一行，只能通过行号来查，因为hbase是基于列数据进行查询的。但是行号是可以过滤的，行号是可以随意设置的。可以把某个常用列的值作为key的一部分，方便过滤。
         5. Hbase是有分区的，同一行数据，只会出现在一个分区当中
         6. 一个分区中有若干的Store，一个Store中保存一个列族

4. 物理结构

   1. 物理存储结构，即在物理文件当中，hbase数据的存储格式。
   2. hbase是基于列进行查询的，任何一个字段单元格都是一个独立的数据。
      1. Rowkey
      2. 列族名
      3. 列名
      4. 时间戳
      5. 操作类型
      6. 值
      7. 版本号
   3. 在hbase当中没有真正意义上的update，所谓的修改和删除，是追加了一条数据，已最新的时间戳来显示。如果是删除数据，会将该数据的类型改为delete，删除的数据不会永久保留，如果没有正在进行的读写，那么就会启动删除。牺牲了一部分读的性能，换取写的性能。

5. hbase的shell操作

   1. 建表：create ‘[命名空间:]表名’,’列族名1’,’列族名2’……
   2. 添加/修改记录：put ‘[命名空间:]表明’,’行名’,’列族名:列名’,’值’
   3. 获取一行记录：get ‘[命名空间:]表明’,’行名’
   4. 获取记录数：count ‘[命名空间:]表明’ ---- 行数！！！
   5. 删除记录：delete ‘[命名空间:]表明’,’行名’,’列族名:列名’
   6. scan命令：
      1. 属性
         1. 查询指定列
         2. 指定行数
         3. 起始行
         4. 结束行
         5. 时间戳
         6. 版本
      2. 过滤器：
         1. 对值过滤
         2. binary等值
         3. substring包含
         4. 列前缀过滤
         5. 列明包含过滤
         6. Rowkey前缀过滤