HBase数据库介绍

发表于 更新于 分类于 ， 阅读次数： Waline： 本文字数： 3k 阅读时长 ≈ 3 分钟

1. HBase介绍

  1. HBase是一个分布式的、面向列（但不是列存储）的开源数据库，HBase在Hadoop之上提供了类似于Bigtable的能力。
  2. HBase 不支持 SQL 一类的结构化查询语言；事实上，HBase 根本不是关系数据存储库。
  3. HBase 依赖于 zookeeper 实现高性能协调。 zookeeper 内置到 HBase 中，但如果您正在运行生产集群，那么建议您配备一个与 HBase 集成的专用 ZooKeeper 集群。

1.1 数据模型

HBase 是一个面向 列族 的数据库管理系统。表 schema 仅定义列族，表具有多个列族，每个列族可以包含任意数量的列，列由多个单元格（cell ）组成，单元格可以存储多个版本的数据，多个版本数据以时间戳进行区分。

下图为 HBase 中一张表的：

  • RowKey 为行的唯一标识，所有行按照 RowKey 的字典序进行排序；
  • 该表具有两个列族，分别是 personal 和 office;
  • 其中列族 personal 拥有 name、city、phone 三个列，列族 office 拥有 tel、addres 两个列。

img

Hbase 的表具有以下特点：

  • 容量大：一个表可以有数十亿行，上百万列；
  • 面向列：数据是按照列存储，每一列都单独存放，数据即索引，在查询时可以只访问指定列的数据，有效地降低了系统的 I/O 负担；
  • 稀疏性：空 (null) 列并不占用存储空间，表可以设计的非常稀疏 ；
  • 数据多版本：每个单元中的数据可以有多个版本，按照时间戳排序，新的数据在最上面；
  • 存储类型：所有数据的底层存储格式都是字节数组 (byte[])，没有类型；
  • 随机查询：针对 Rowkey 的查询能够达到毫秒级别

1.2 特点

  • 强一致性读/写
    • HBASE不是“最终一致的”数据存储
    • 它非常适合于诸如高速计数器聚合等任务
  • 自动分块
    • HBase表通过Region分布在集群上，随着数据的增长，区域被自动拆分和重新分布
    • 自动RegionServer故障转移
  • Hadoop/HDFS集成
    • HBase支持HDFS开箱即用作为其分布式文件系统
  • MapReduce
    • HBase通过MapReduce支持大规模并行处理，将HBase用作源和接收器
  • Java Client API
    • HBase支持易于使用的 Java API 进行编程访问
  • Thrift/REST API
  • 块缓存和布隆过滤器
    • HBase支持块Cache和Bloom过滤器进行大容量查询优化
  • 运行管理
    • HBase为业务洞察和JMX度量提供内置网页。

1.3 应用场景

  • 对象存储
    • 不少的头条类、新闻类的的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中
  • 时序数据
    • HBase之上有OpenTSDB模块，可以满足时序类场景的需求
  • 推荐画像
    • 用户画像，是一个比较大的稀疏矩阵，蚂蚁金服的风控就是构建在HBase之上
  • 时空数据
    • 主要是轨迹、气象网格之类，滴滴打车的轨迹数据主要存在HBase之中，另外在技术所有大一点的数据量的车联网企业，数据都是存在HBase之中
  • CubeDB OLAP
    • Kylin一个cube分析工具，底层的数据就是存储在HBase之中，不少客户自己基于离线计算构建cube存储在hbase之中，满足在线报表查询的需求
  • 消息/订单
    • 在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在HBase之上
  • Feeds流
    • 典型的应用就是xx朋友圈类似的应用，用户可以随时发布新内容，评论、点赞。
  • NewSQL
    • 之上有Phoenix的插件，可以满足二级索引、SQL的需求，对接传统数据需要SQL非事务的需求
  • 其他
    • 存储爬虫数据
    • 海量数据备份
    • 短网址

2. 对比

2.1 RDBMS vs HBase

  • 结构

    RDBMS（关系型数据库）HBase
    数据库以表的形式存在支持向上扩展（买更好的服务器）以表形式存在
    支持FAT、NTFS、EXT、文件系统使用SQL查询支持HDFS文件系统
    使用主键（PK）面向行，即每一行都是一个连续单元使用行键（row key）
    通过外部中间件可以支持分库分表，但底层还是单机引擎数据总量依赖于服务器配置原生支持分布式存储、计算引擎
    使用行、列、单元格使用行、列、列蔟和单元格

  • 功能

RDBMS（关系型数据库）HBase
支持向上扩展（买更好的服务器）支持向外扩展
使用SQL查询使用API和MapReduce、Spark、Flink来访问HBase表数据
面向行，即每一行都是一个连续单元面向列蔟，即每一个列蔟都是一个连续的单元
数据总量依赖于服务器配置数据总量不依赖具体某台机器，而取决于机器数量
具有ACID支持HBase不支持ACID（Atomicity、Consistency、Isolation、Durability）
适合结构化数据适合结构化数据和非结构化数据
传统关系型数据库一般都是中心化的一般都是分布式的
支持事务HBase不支持事务，支持的是单行数据的事务操作
支持Join不支持Join

2.2 HDFS vs HBase

HDFSHBase
HDFS是一个非常适合存储大型文件的分布式文件系统HBase构建在HDFS之上，并为大型表提供快速记录查找(和更新)
HDFS它不是一个通用的文件系统，也无法在文件中快速查询某个数据HBase内部将大量数据放在HDFS中名为「StoreFiles」的索引中，以便进行高速查找
Hbase比较适合做快速查询等需求，而不适合做大规模的OLAP应用

2.3 Hive vs Hbase

Hive:

  • 数据仓库工具
    • Hive的本质其实就相当于将HDFS中已经存储的文件在Mysql中做了一个双射关系，以方便使用HQL去管理查询
  • 用于数据分析、清洗
    • Hive适用于离线的数据分析和清洗，延迟较高
  • 基于HDFS、MapReduce
    • Hive存储的数据依旧在DataNode上，编写的HQL语句终将是转换为MapReduce代码执行

HBase:

  • NoSQL数据库
    • 是一种面向列存储的非关系型数据库。
  • 用于存储结构化和非结构化的数据
    • 适用于单表非关系型数据的存储，不适合做关联查询，类似JOIN等操作。
  • 基于HDFS
    • 数据持久化存储的体现形式是Hfile，存放于DataNode中，被ResionServer以region的形式进行管理
  • 延迟较低，接入在线业务使用
    • 面对大量的企业数据，HBase可以直线单表大量数据的存储，同时提供了高效的数据访问速度

总结Hive与HBase：

  • Hive和Hbase是两种基于Hadoop的不同技术
  • Hive是一种类SQL的引擎，并且运行MapReduce任务
  • Hbase是一种在Hadoop之上的NoSQL 的Key/value数据库
  • 这两种工具是可以同时使用的。就像用Google来搜索，用FaceBook进行社交一样，Hive可以用来进行统计查询，HBase可以用来进行实时查询，数据也可以从Hive写到HBase，或者从HBase写回Hive

3. 参考资料