Hbase的基礎(chǔ)性介紹與入門

無論是 NoSQL，還是大數(shù)據(jù)領(lǐng)域，HBase 都是非常"炙熱"的一門數(shù)據(jù)庫。本文將對 HBase 做一些基礎(chǔ)性的介紹，旨在入門。

一、簡介

HBase 是一個開源的、面向列的非關(guān)系型分布式數(shù)據(jù)庫，目前是Hadoop體系中非常關(guān)鍵的一部分。在最初，HBase是基于谷歌的 BigTable 原型實(shí)現(xiàn)的，許多技術(shù)來自于Fay Chang在2006年所撰寫的Google論文"BigTable"。與 BigTable基于Google文件系統(tǒng)（File System）一樣，HBase則是基于HDFS(Hadoop的分布式文件系統(tǒng))之上而開發(fā)的。

HBase 采用 Java 語言實(shí)現(xiàn)，在其內(nèi)部實(shí)現(xiàn)了BigTable論文提到的一些壓縮算法、內(nèi)存操作和布隆過濾器等，這些能力使得HBase 在海量數(shù)據(jù)存儲、高性能讀寫場景中得到了大量應(yīng)用，如 Facebook 在 2010年11 月開始便一直選用 HBase來作為消息平臺的存儲層技術(shù)。HBase 以Apache License Version 2.0開源，這是一種對商業(yè)應(yīng)用友好的協(xié)議，同時該項(xiàng)目當(dāng)前也是Apache軟件基金會的頂級項(xiàng)目之一。

有什么特性

基于列式存儲模型，對于數(shù)據(jù)實(shí)現(xiàn)了高度壓縮，節(jié)省存儲成本

采用 LSM 機(jī)制而不是B(+)樹，這使得HBase非常適合海量數(shù)據(jù)實(shí)時寫入的場景

高可靠，一個數(shù)據(jù)會包含多個副本(默認(rèn)是3副本)，這得益于HDFS的復(fù)制能力，由RegionServer提供自動故障轉(zhuǎn)移的功能

高擴(kuò)展，支持分片擴(kuò)展能力(基于Region)，可實(shí)現(xiàn)自動、數(shù)據(jù)均衡

強(qiáng)一致性讀寫，數(shù)據(jù)的讀寫都針對主Region上進(jìn)行，屬于CP型的系統(tǒng)

易操作，HBase提供了Java API、RestAPI/Thrift API等接口

查詢優(yōu)化，采用Block Cache 和 布隆過濾器來支持海量數(shù)據(jù)的快速查找

與RDBMS的區(qū)別

對于傳統(tǒng) RDBMS 來說，支持 ACID 事務(wù)是數(shù)據(jù)庫的基本能力，而 HBase 則使用行級鎖來保證寫操作的原子性，但是不支持多行寫操作的事務(wù)性，這主要是從靈活性和擴(kuò)展性上做出的權(quán)衡。

ACID 要素包含 原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）以及持久性（Durability）

總體來說， HBase 與傳統(tǒng)關(guān)系數(shù)據(jù)庫的區(qū)別，如下表所示：

二、數(shù)據(jù)模型

下面，我們以關(guān)系型數(shù)據(jù)庫的一個數(shù)據(jù)表來演示 HBase 的不同之處。

先來看下面這張表：

這里記錄的是一些家庭設(shè)備上報的狀態(tài)數(shù)據(jù)(DeviceState)，其中包括設(shè)備名、狀態(tài)、時間戳這些字段。

在 HBase 中，數(shù)據(jù)是按照列族(Column Family，簡稱CF)來存儲的，也就是說對于不同的列會被分開存儲到不同的文件。那么對于上面的狀態(tài)數(shù)據(jù)表來說，在HBase中會被存儲為兩份：

列族1. 設(shè)備名

列族2. 狀態(tài)

這里Row-key是唯一定位數(shù)據(jù)行的ID字段，而Row-key 加上 CF、Column-Key，再加上一個時間戳才可以定位到一個單元格數(shù)據(jù)。其中時間戳用來表示數(shù)據(jù)行的版本， 在HBase中默認(rèn)會有 3 個時間戳的版本數(shù)據(jù)，這意味著對同一條數(shù)據(jù)(同一個Rowkey關(guān)聯(lián)的數(shù)據(jù))進(jìn)行寫入時，最多可以保存3個版本。

在查詢某一行的數(shù)據(jù)時，HBase需要同時從兩個列族(文件)中進(jìn)行查找，最終將結(jié)果合并后返回給客戶端。 由此可見如果列族太多，則會影響讀取的性能，在設(shè)計(jì)時就需要做一些權(quán)衡。

由此可見，HBase的使用方式與關(guān)系型數(shù)據(jù)庫是大不相同的，在使用 HBase 時需要拋棄許多關(guān)系型數(shù)據(jù)庫的思維及做法，比如強(qiáng)類型、二級索引、表連接、觸發(fā)器等等。

然而 HBase 的靈活性及高度可伸縮性卻是傳統(tǒng) RDBMS 無法比擬的。