淺談HBase

摘要：傳統(tǒng)的RDBMS關系型數(shù)據(jù)庫存儲一定量數(shù)據(jù)時進行數(shù)據(jù)檢索沒有問題，可當數(shù)據(jù)量上升到非常巨大規(guī)模的數(shù)據(jù)（TB或PB）級別時，傳統(tǒng)的RDBMS已無法支撐，這時候就需要一種新型的數(shù)據(jù)庫系統(tǒng)更好更快的處理這些數(shù)據(jù)。我們選擇了HBase

關鍵詞：HBase；數(shù)據(jù)存儲；數(shù)據(jù)庫

HBase——Hadoop Database 是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術可在廉價PC Server上搭建起大規(guī)模結(jié)構(gòu)化存儲集群，它的技術來源于Fay Chang所撰寫的Google論文“BigTable”：一個結(jié)構(gòu)化數(shù)據(jù)的分布式存儲系統(tǒng)。HBase不同于一般的關系數(shù)據(jù)庫，它是一個適合于非結(jié)構(gòu)化數(shù)據(jù)存儲的數(shù)據(jù)庫，另一個不同就是它是基于列的而不是基于行的模式。

HBase是水平擴展的、分布式的、開源有序映射數(shù)據(jù)庫，它運行在Hadoop文件系統(tǒng)HDFS上，它不要求有預定義的模式，可以被看做彈性擴展的多維表格，通過動態(tài)添加列，在數(shù)據(jù)插入或查詢之前修改列結(jié)構(gòu)，以支持任意類型的數(shù)據(jù)結(jié)構(gòu)。由于HBase運行在HDFS上，理論上HDFS有多少個節(jié)點就可以配置多少個HBase，因此，HBase非常適合存儲海量數(shù)據(jù)

上圖為HBase的架構(gòu)設計，Master為HBase的主節(jié)點，用來協(xié)調(diào)客戶端應用程序和RegionServer的關系，同時用來監(jiān)控和記錄元數(shù)據(jù)的變化和管理；RegionServer是從節(jié)點，用region的形式處理實際的表，region是HBase表的基礎單元組件，它存儲了分布式表，所以HBase表和HBase集群利用Master和RegionServer來協(xié)同工作；Zookeeper是一個高性能、集中化、分布式應用程序協(xié)調(diào)服務，它為HBase提供了分布式同步和組服務，在HBase中它用來選舉主節(jié)點Master以便跟蹤可用的在線服務器同時維護集群的元數(shù)據(jù)，一般安裝多個用于提高Master的高可用。為了便于理解，可以把Master看做namenode，把RegionServer看做datanode，因為它們在HBase中的作用和namenode、datanode在HDFS中的作用相似，注意，這樣的比喻僅僅為了方便初學理解，實際還是有著很大的不同。

一個HBase表由以下幾部分組成

行鍵：是HBase表中每個記錄的唯一值，無論選擇什么類型數(shù)據(jù)作為行鍵，它在內(nèi)部、磁盤或內(nèi)存里都將轉(zhuǎn)換為字節(jié)數(shù)組進行存儲，表中的每條數(shù)據(jù)都有唯一的標識符，即rowkey，相當于關系型數(shù)據(jù)庫表中的主鍵

列簇：一張HBase表由表的不同列集合在一起。將相同功能或類型的列分類組合在一起，這樣做的好處是可以更快的分開存儲在HBase磁盤上的列簇中檢索出所需的列

列：屬于某一個列簇，相當于關系型數(shù)據(jù)庫表中的非主屬性字段

HBase沒有花哨的數(shù)據(jù)類型，它的所有數(shù)據(jù)都是字節(jié)數(shù)組。它是一種字節(jié)進字節(jié)出的數(shù)據(jù)庫，其特征在于，當插入一個值時，HBase隱式的通過序列化框架將數(shù)據(jù)轉(zhuǎn)化成字節(jié)數(shù)組，然后存儲進單元格或者給出字節(jié)數(shù)組，當獲取數(shù)據(jù)的時候，它在隱式的轉(zhuǎn)化成等價的數(shù)據(jù)展示出來。單元格是HBase表最小的存儲單元，在內(nèi)部是一個列的實際值存儲，因此一個單元格的數(shù)據(jù)由行鍵+列簇名+列名+時間戳：實際值組成

HBase在實際存儲中，是按照列進行存儲的，所有每一個列簇存儲在單獨的一個HDFS文件上。一張HBase表的行都是按照rowkey字典序進行排列的，并且表格在行的方向上被分隔為多個region，region是HBase中分布式存儲和負載均衡的最小單元，不同的region分布到不同RegionServer中，也就是說，一個RegionServer中可以包含多個來自不同HBase表的region。

Region雖然是最小的分布式存儲的最小單元，但卻不是存儲的最小單元。Region由一個或多個store組成，每個store保存一個列簇，每個store又由一個memstore（存儲在內(nèi)存中，是內(nèi)存中的寫入緩沖區(qū)，寫入的數(shù)據(jù)會預先存儲在其中）和零到多個的storefile（存儲在HDFS上，存儲的最小單元是它里面的HFile）組成。

作者簡介：

沈成龍，1996年11月，男，漢，浙江省臺州人，本科，學生，研究方向：計算機科學與技術