file

本文将介绍大数据的知识和Hbase的基本概念，作为大数据体系中重要的一员，Hbase弥补了Hadoop只能离线批处理的不足，支持存储小文件，随机检索。而这种特性使得Hbase对于实时计算体系的事件存储有天然的较好的支持。这使得Hbase在实时流式计算中也扮演者重要的角色。

file

1、大数据与Hbase

大数据在近几年发展迅速，而实时计算也是一个重要的发展趋势。不管是企业中的日志数据，还是传感器、智能设备等等产生的数据，不计其数。

而这些数据中结构化的数据只占一小部分，大部分是非结构化的数据。这个时候，比如图片视频等就不能轻松的存储在关系型数据库中，而大数据是可以对各种类型的数据都可以进行处理的。

file

但关系型数据库有几点缺陷：

无法应对高并发的考验，没有办法横向扩展，事务一致性对性能的影响。

而Nosql数据库，也就是Not Only Sql的缩写。扩展性强，并发性能好，数据模型灵活。

Hbase，也就是Hadoop Database是一个高可靠、高性能、可伸缩的分布式数据库。Hbase参考了谷歌的BigTable建模，使用HDFS作为底层存储。使用Zookeeper作为协同服务组件。

Hbase使用Java编写，还是一种NoSQL数据库，这些特性决定了Hbase独特的应用场景。

2、概念特性

HBASE是一个数据库----可以提供数据的实时随机读写

HBASE与mysql、oralce、db2、sqlserver等关系型数据库不同，它是一个NoSQL数据库（非关系型数据库）

Hbase的表模型与关系型数据库的表模型不同：

Hbase的表没有固定的字段定义；

Hbase的表中每行存储的都是一些key-value对；

Hbase的表中有列族的划分，用户可以指定将哪些kv插入哪个列族；

Hbase的表在物理存储上，是按照列族来分割的，不同列族的数据一定存储在不同的文件中；

Hbase的表中的每一行都固定有一个行键，而且每一行的行键在表中不能重复；

Hbase中的数据，包含行键，包含key，包含value，都是byte[ ]类型，hbase不负责为用户维护数据类型；

HBASE对事务的支持很差；

HBASE相比于其他nosql数据库(mongodb、redis、cassendra、hazelcast)的特点：

Hbase的表数据存储在HDFS文件系统中

从而，hbase具备如下特性：存储容量可以线性扩展；数据存储的安全性可靠性极高！

file

整个Hbase的入口，使用者通过客户端操作Hbase。通过客户端与HMaster和RegionServer进行通讯。管理类操作与HMaster通信，读写类操作与RegionServer通讯。

zookeeper负责管理Hbase中多个HMaster的选举，服务器间状态同步。

HMaster可以启动多个，由zookeeper保证总有一个正常运行，其他作为备选。

HMaster主要负责Table和Region的管理工作。

HRegionServer主要负责响应用户IO请求，向HDFS中读写数据。HRegionServer管理了一系列的HRegion对象。HRegion对应了Table中的一个Region。HRegion由多个HStore组成，HStore对用了Table中一个Column Family。

而且每个HRegionServer都有一个HLog对象，用于数据恢复。

生成索引，在查询时通过对条件的拼接，迅速的查找到要查询的数据。

不管是实时的推荐系统，还是日志的增量存储，都是实时流式计算的一个应用。

通过将数据增量的存入Hbase，并在流式处理中实时查询Hbase，结合历史得到最终的分析结果。

更多Hbase，Flink，Kafka等实时流式计算相关博文，欢迎关注实时流式计算：

file