HBase分散式資料庫理論介紹
阿新 • • 發佈：2018-12-26
HBase的原型是Google的BigTable論文，可以在我的資源裡下載中文版的paper。
本不想設定積分可供免費下載，可是CSDN改版後不能自定義積分了，是系統根據資源動態分配的。
這一改版實在是不人性化，市場應該是自由的，更何況這種共享的資源。
https://download.csdn.net/download/xdsxhdyy/10801955
在Hadoop生態系統中HBase扮演的角色是：解決大規模資料的離線批量處理問題
HBase的四維座標[行鍵，列族，列限定符，時間戳] 來確定一個單元格。
HBase系統架構
1.客戶端
- 客戶端包含訪問HBase的介面，在快取中維護著已經訪問過的Region位置資訊，加快後續訪問過程
2.ZooKeeper伺服器
- ZooKeeper是一個很好的叢集管理工具，保證任何時刻總有唯一一個Master作為叢集的總管，被大量用於分散式計算、提供配置維護、域名服務、分散式同步、組服務等
3.Master
- 主伺服器Master主要負責監控RegionServer，處理RegionServer故障轉移，
- 處理元資料的變更，處理region的分配或移除
- 實現不同Region伺服器之間的負載均衡
- 通過Zookeeper釋出自己的位置給客戶端
4.RegionServer
- 是HBase中最核心的模組，負責維護分配給自己的Region，並響應使用者的讀寫請求
- 負責儲存HBase的實際資料，重新整理快取到HDFS，維護HLog
5.HFile
- 在磁碟上儲存原始資料的實際的物理檔案，是實際的儲存檔案。
6.Store
- HFile儲存在Store中，一個Store對應HBase表中的一個列族。
7.MemStore
- 記憶體儲存，位於記憶體中，用來儲存當前的資料操作。
8.Region
- Hbase表的分片，HBase表會根據RowKey值被切分成不同的region儲存在RegionServer中，在一個RegionServer中可以有多個不同的region。
HBase讀寫資料流程
-
HRegionServer儲存著一張.META.的元資料資訊表，讀取和寫入資料之前一般client會先去訪問zookeeper獲取-ROOT-表的位置進而找到.META.表在哪個HRegionServer上儲存著，通過元資料資訊表，就可以確定當前將要讀寫的資料所對應的RegionServer伺服器和Region
-
當用戶讀取資料時，Region伺服器會首先訪問MemStore快取，如果找不到再去磁碟上面的StoreFile中尋找
-
使用者寫入資料時，被分配到相應的Region伺服器去執行
使用者資料首先被寫入到MemStore(快取)和Hlog(日誌)中
只有當操作寫入Hlog之後，commit()呼叫才會將其返回給客戶端
HBase與傳統關係資料庫的對比分析
1.資料型別：關係資料庫採用關係模型，有豐富的資料型別和儲存方式；HBase採用簡單資料模型，儲存未經解釋的字串
2.資料操作：關係資料庫有豐富的操作，涉及多表連線。HBase只有簡單的操作
3.儲存模式：關係資料庫是基於行模式儲存；HBase是基於列儲存的
4.資料索引：關係資料庫針對不同列構建複雜的多個索引;HBase只有一個索引---行鍵
5.資料維護：關係資料庫中更新是用新值換舊值；HBsae更新不會刪除舊版本，而是新舊同時保留
6.可伸縮性：關係資料庫很難實現橫向擴充套件；HBase分散式資料庫可靈活實現水平擴充套件