HBase基本知识介绍及典型案例分析.pdfVIP

HBase基基本本知知识识介介绍绍及及典典型型案案例例分分析析

本次分享的内容主要分为以下五点：

HBase基本知识；

HBase读写流程；

RowKey计要点；

HBase⽣态介绍；

HBase典型案例分析。

⾸先我们简单介绍⼀下HBase是什么。

HBase最开始是受Google的BigTable启发⽽开发的分布式、多版本、⾯向列的开源数据库。其主要特点是⽀持上亿⾏、百万列，⽀持强

⼀致性、并且具有⾼扩展、⾼可⽤等特点。

既然HBase是⼀种分布式的数据库，那么其和传统的RMDB有什么区别的呢？我们先来看看HBase表核⼼概念，理解这些基本的核⼼概念

对后⾯我理解HBase的读写以及如何计HBase表有着重要的联系。

HBase表主要由以下⼏个元素组成：

RowKey：表中每条记录的主键；

ColumnFamily：列族，将表进⾏横向切割，后⾯简称CF；

Column：属于某⼀个列族，可动态添加列；

VersionNumber：类型为Long，默认值是系统时间戳，可由⽤户⾃定义；

Value：真实的数据。

⼤家可以从上⾯的图看出：⼀⾏（Row）数据是可以包含⼀个或多个ColumnFamily，但是我们并不推荐⼀张HBase表的ColumnFamily

超过三个。Column是属于ColumnFamily的，⼀个ColumnFamily包含⼀个或多个Column。

在物理层⾯上，所有的数据其实是存放在Region⾥⾯的，⽽Region⼜由RegionServer管理，其对于的关系如下：

Region：⼀段数据的集合；

RegionServer：⽤于存放Region的服务。

从上⾯的图也可以清晰看到，⼀个RegionServer管理多个Region；⽽⼀个Region管理⼀个或多个ColumnFamily。

到这⾥我们已经了解了HBase表的组成，但是HBase表⾥⾯的数据到底是怎么存储的呢？

上⾯是⼀张从逻辑上看HBase表形式，这个和关系型数据库很类似。那么如果我们再深⼊看，可以看出，这张表的划分可以如下图表⽰。

从上图⼤家可以明显看出，这张表有两个ColumnFamily，分别为personal和oice。⽽personal⼜有三列name、city以及phone；

oice有两列tel以及address。由于存储在HBase⾥⾯的表⼀般有上亿⾏，所以HBase表会对整个数据按照RowKey进⾏字典排序，然

后再对这张表进⾏横向切割。切割出来的数据是存储在Region⾥⾯，⽽不同的ColumnFamily虽然属于⼀⾏，但是其在底层存储是放在不

同的Region⾥。所以这张表我⽤了六种颜⾊表⽰，也就是说，这张表的数据会被放在六个Region⾥⾯的，这就可以把数据尽可能的分散

到整个集群。

在前⾯我们介绍了HBase其实是⾯向列的数据库，所以说⼀⾏HBase的数据其实是分了好⼏⾏存储，⼀个列对应⼀⾏，HBase的KV结

构如下：

为了简便期间，在后⾯的表⽰我们删除了类似于KeyLength的属性，只保留RowKey、ColumnFamily、ColumnQualiier等信息。所以

RowKey为Row1的数据第⼀列表⽰为上图最后⼀⾏的形式。以此类推，整个表的存储就可以如下表⽰：

⼤家可以从上⾯的kv表现形式看出，Row11的phone这列其实是没有数据的，在HBase的底层存储⾥⾯也就没有存储这列了，这点和我

们传统的关系型数据库有很⼤的区别，有了这个特点，HBase特别适合存储稀疏表。

我们前⾯也将了HBase其实是多版本的，那如果我们修改了HBase表的⼀列，HBase⼜是如何存储的呢？

⽐如上如中我们将Row1的city列从北京修改为上海了，如果使⽤KV表⽰的话，我们可以看出其实底层存储了两条数据，这两条数据的版

本是不⼀样的，最新的⼀条数据版本⽐之前的新。总结起来就是：

HBase⽀持数据多版本特性，通过带有不同时间戳的多个KeyValue版本来实现的；

每次put，delete都会产⽣⼀个新的Cell，都拥有⼀个版本；

默认只存放数据的三个版本，可以配置；

查询默认返回最新版