HBase教學

自1970年以來，關係數據庫用於數據存儲和維護有關問題的解決方案。大數據的出現後，好多公司實現處理大數據並從中受益，並開始選擇像 Hadoop 的解決方案。

Hadoop使用分布式文件係統，用於存儲大數據，並使用MapReduce來處理。Hadoop擅長於存儲各種格式的龐大的數據，任意的格式甚至非結構化的處理。

Hadoop隻能執行批量處理，並且隻以順序方式訪問數據。這意味著必須搜索整個數據集，即使是最簡單的搜索工作。

當處理結果在另一個龐大的數據集，也是按順序處理一個巨大的數據集。在這一點上，一個新的解決方案，需要訪問數據中的任何點（隨機訪問）單元。

應用程序，如HBase, Cassandra, couchDB, Dynamo 和 MongoDB 都是一些存儲大量數據和以隨機方式訪問數據的數據庫。

HBase是什麼?

HBase是建立在Hadoop文件係統之上的分布式麵向列的數據庫。它是一個開源項目，是橫向擴展的。

HBase是一個數據模型，類似於穀歌的大表設計，可以提供快速隨機訪問海量結構化數據。它利用了Hadoop的文件係統（HDFS）提供的容錯能力。

它是Hadoop的生態係統，提供對數據的隨機實時讀/寫訪問，是Hadoop文件係統的一部分。

人們可以直接或通過HBase的存儲HDFS數據。使用HBase在HDFS讀取消費/隨機訪問數據。 HBase在Hadoop的文件係統之上，並提供了讀寫訪問。

HDFS	HBase
HDFS是適於存儲大容量文件的分布式文件係統。	HBase是建立在HDFS之上的數據庫。
HDFS不支持快速單獨記錄查找。	HBase提供在較大的表快速查找
它提供了高延遲批量處理;冇有批處理概念。	它提供了數十億條記錄低延遲訪問單個行記錄（隨機存取）。
它提供的數據隻能順序訪問。	HBase內部使用哈希表和提供隨機接入，並且其存儲索引，可將在HDFS文件中的數據進行快速查找。

HBase是一個麵向列的數據庫，在表中它由行排序。表模式定義隻能列族，也就是鍵值對。一個表有多個列族以及每一個列族可以有任意數量的列。後續列的值連續地存儲在磁盤上。表中的每個單元格值都具有時間戳。總之，在一個HBase：

下麵給出的表中是HBase模式的一個例子。

麵向列的數據庫是存儲數據表作為數據列的部分，而不是作為行數據。總之它們擁有列族。

行式數據庫	列式數據庫
它適用於聯機事務處理（OLTP）。	它適用於在線分析處理（OLAP）。
這樣的數據庫被設計為小數目的行和列。	麵向列的數據庫設計的巨大表。

下圖顯示了列族在麵向列的數據庫：

HBase	RDBMS
HBase無模式，它不具有固定列模式的概念;僅定義列族。	RDBMS有它的模式，描述表的整體結構的約束。
它專門創建為寬表。 HBase是橫向擴展。	這些都是細而專為小表。很難形成規模。
冇有任何事務存在於HBase。	RDBMS是事務性的。
它反規範化的數據。	它具有規範化的數據。
它用於半結構以及結構化數據是非常好的。	用於結構化數據非常好。

Apache HBase曾經是隨機，實時的讀/寫訪問大數據。
它承載在集群普通硬件的頂端是非常大的表。
Apache HBase是此前穀歌Bigtable模擬非關係型數據庫。 Bigtable對穀歌文件係統操作，同樣類似Apache HBase工作在Hadoop HDFS的頂部。