HBase学习笔记

Posted 2020-10-11 junneyang 的博客

HBASE

1 简介

1.1 官网

1.1.1 http://hbase.apache.org/

1.1.2 Apache HBase™ is the Hadoop database, a distributed, scalable, big data store. Use Apache HBase™ when you need random, realtime read/write access to your Big Data

1.2 应用场景

1.2.1 https://www.zhihu.com/question/21677041

1.2.2 http://www.cnblogs.com/ggjucheng/p/3379459.html

1.2.3 http://blog.csdn.net/lifuxiangcaohui/article/details/39894265

1.2.4 http://www.aboutyun.com/thread-8701-1-1.html

1.2.5 http://blog.csdn.net/defonds/article/details/48471087

1.3 基于HDFS的分布式数据库，提供对大数据实时、随机、读写操作

1.3.1 mysql关系型、偏事务

1.3.2 HBASE没有关联的操作，适合简单的处理

1.4 特点

1.4.1 传统SQL数据库字段添加比较麻烦，表设计比较固定死板

1.4.2 HBASE字段可以随意扩充

1.4.2.1 建表不需要指定特定字段，只需要指定列族CF

1.4.2.2 插入数据时，列族中可以存储任意多个列CK

1.4.3 不需要SQL数据库范式，不需要拆表，全部放在一张大表中，当然也就不需要JOIN了

1.4.4 HBASE数据更新保留原始数据，历史版本一直存在，KV中的Value带有版本号，通常是时间戳

1.4.5 通过表名--行健--列族--列名--版本 定位一个字段

1.5 存储

1.5.1 分布式存储，需要把大表切开存储，HBASE是按照region切分存储管理的

1.5.2 按照列族进行切分，某一列组的若干行切分为一个region，数据量达到一定大小就切分

1.5.3 region的基本信息存储在regionServer上面存储，regionServer的数据存放在HDFS上面，叫HFile

1.5.4 HFile肯定不是纯文本的格式，纯文本检索可能会比较慢，HFile按照HBase自定义的格式存储

1.5.5 所以regionServe最好也和DataNode、NodeManager一样在物理上面部署在一起，直接访问本地数据，加快HBase速度

1.5.6 HMaster不存储具体的Region数据，Hamster负责管理RegionServer的状态，负责RegionServer的负载均衡，可以理解为相当于HBase定制的一个NameServer

1.5.7 HMaster可以通过ZK实现HA

1.6 查询机制

1.6.1 HBase的Meta表存储了TBLName_RKStart_RKEnd；HostNameList

1.6.2 该表为Habse的系统表，由Hbase自己维护

1.6.3 每个region都在Meta表有一条记录

1.6.4 Meta表也可能是一个大表，所以Meta也和Region的信息一样存储在HDFS上面

1.6.5 同理，上面的信息可能也很大，也会产生同样的问题，Meta的Meta的数据仍然需要分布式存储，所以HBase建立了二级索引，有两个Meta的索引表

1.6.6 理论上二级Meta索引已经可以容纳十亿级别的数据量了

1.6.7 二级索引的表存储在一台机器即可，这个表叫ROOT表，root表的节点信息存储在zookeeper上面

1.6.8 寻址过程：ZK中获取ROOT节点--ROOT节点获取Meta信息表的region对应的节点--Meta表中获取数据具体存储在哪个节点上面--再去获取数据

1.6.9 regionServer的内存缓存着最近查询的热数据，所以regionServer最好内存稍微大一点

2 HBase Shell

2.1 略，参考笔记

3 HBase API

3.1 略，参考笔记

4 最佳实践

4.1 HBASE可以与ES结合起来，将需要查询的字段存到ES中，ES搜索得到相关的RowKey之后再从HBase中快速查询出来， 即将计算放到ES中进行，这是一个比较好的思路

4.2 行健的设计可以帮助更好的使用HBase，更快更方便的进行过滤查询，比如时序数据库的设计就是这个思路