这是我参与「第四届青训营」笔记创作活动的第10天，笔记的内容为：深入浅出HBase实战。主要从以下几个方面呈现。
- Hbase适用场景
- Hbase架构设计
- Hbase的大数据支撑
01.Hbase适用场景
什么是Hbase：
Hbase是一个开源的NoSQL分布式数据库，是Apache基金会顶级项目之一。
采用存储计算分离架构
- 存储层基于HDFS存储数据，提供容错机制和高可靠性。
- 计算层提供灵活快速的水平扩展，负载均衡和恢复故障能力。
Hbase和关系型数据库的区别
Hbase数据模型
HBase 以列族(column family)为单位存储数据，以行键(rowkey)索引数据。
- 列名(column qualifier)不需要预先声明，因此支持半结构化数据模型。
- 支持保留多个版本的数据，(行键＋列族＋列名＋版本号）定位一个具体的值。
- 行键（rowkey）：用于唯一索引一行数据的主键，以字典序组织。一行可以包含多个列族。
- 列族(column family)：用于组织—系列列名，一个列族可以包含任意多个列名。每个列族的数据物理上相互独立地存储，以支持按列读取部分数据。
- 列名(column qualifier)：用于定义到一个具体的列，一个列名可以包含多个版本的数据。
- 不需要预先定义列名，以支持半结构化的数据模型。
- 版本号(version)：用于标识一个列内多个不同版本的数据，每个版本号对应一个值。
- 值(value)：存储的一个具体的值。
使用场景
- “近在线”的海量分布式KV/宽表存储，数据量级可达到PB级以上
- 写密集型、高吞吐应用，可接受一定程度的时延抖动
- 动字典序主键索引、批量顺序扫描多行数据的场景
- Hadoop大数据生态友好兼容
- 半结构化数据模型，行列稀疏的数据分布，动态增减列名
- 敏捷平滑的水平扩展能力，快速响应数据体量、流量变化
Hbase数据模型的优缺点
02.Hbase架构设计
主要组件包括：
- HMaster：元数据管理，集群调度，保活。
- RegionServer：提供数据读写活动，每个实例负责若干个互不重叠的rowkey区间的数据。
- ThriftServer:提供Thrift API读写的代理层。
依赖组件包括：
- Zookeeper：分布式一致性共识协作管理，例如HMaster选主，任务分发，元数据变更处理等等。
- HDFS:分布式文件系统，Hbase数据存储底座。
03.Hbase的大数据支撑
Hbase针对海量数据场景的设计优化
- 水平扩展能力
- 负载均衡策略故障恢复机制
Hbase在大数据生态的定位
- 对TB、PB级海量数据支持强一致、近实时的读写性能，支持快速的ad-hoc分析查询任务;支持字典序批量扫描大量数据，支持只读取部分列族的数据。
- 灵活支持不同查询模式，避免读取不必要的数据。
- 存储大规模任务（例如MapReduce，Spark，Flink)的中间/最终计算结果。
- 平滑快速的水平扩展能力，能够敏捷应对大数据场景高速增长的数据体量和大规模的并发访问;精细化的资源成本控制，计算层和存储层分别按需扩展，避免资源浪费。
