这是我参与「第四届青训营 」笔记创作活动的的第9天。

写在前面

即便有学习HBase理论的经验，真正掌握一个技术还是需要去进行实战，这次的笔记完成对原理的回顾和简单的实战使用，作为基于HDFS实现存储计算分离架构的分布式表格存储服务，值得学习和深入应用的探索。

笔记正文

1. 适用场景

什么是HBase

• 开源的NoSQL分布式数据库
• 参考Google BigTable
• 采用存储计算分离架构
  • HDFS存储数据 提供容错机制和高可靠性
  • 计算层提供灵活水平扩展、负载均衡、故障恢复
  • CP系统 数据模型
• 列族(column family)为单位存储数据
• 行键（rowkey）索引数据
• 逻辑结构
  • 适合稀疏数据，缺省列不占用存储空间
  • 通过rowkey, column family, column qualifier, version唯一指定一个唯一值
  • 允许批量读取多行部分列族/列数据
• 物理结构
  • 物理数据结构最小单元是Key Value结构 使用场景
• 写密集、高吞吐应用、可接受一定程度的时延抖动
  • 时序存储系统，典型场景如日志、监控数据存储如OpenTSDB
• KV/宽表存储，可PB级别以上
  • 商家订单使用Hbase管理买家、买家的订单操作信息
  • Facebook管理互动消息
• Hadoop大数据生态友好兼容
• 半结构化、行列洗数据分布、动态增减列名
  • 基于HBase提供“近在线”读写的推荐候选数据集
• 字典序主键索引、批量顺序扫描多行数据的场景 优缺点
• 优点
  • 稀疏表友好，不存储缺省列
  • 保存多版本数据
  • 只读取部分column family 数据
  • 容易水平扩展
  • 支持rowkey字典批量扫描数据
• 缺点
  • 每个数据都存储冗余的行列信息
  • 不支持二级索引，只能通过rowkey溯因，查询效率依赖rowkey的设计
  • column family数量比较多的时候容易引发性能衰退
  • 不支持数据类型，都是字节数组存储
  • 仅支持但行内的原子性操作，没有跨行事务保障

2. 架构设计

HBase主要组件

• HMaster
• Region Server
• Trift Server HBase依赖组件
• ZooKeeper
• HDFS

3. 大数据支撑

To Be Continued...

4. 最佳实践

To Be Continued...