大数据技术之HBase

HBASE

第 1 章 NoSQL 简介

1.1 关系型数据库的查询瓶颈

当用户表的数据达到几千万甚至几亿级别的时候，对单条数据的检索将花费数秒甚至达到分钟级别。实际情况

更复杂，查询的操作速度将会受到以下两个因素的影响：

①高并发的更新(插入、修改、删除)操作。大中型网站的并发操作一般能达到几十乃至几百并发，此时单条数

据查询的延时将轻而易举地达到分钟级别。

②多表关联后的复杂查询，以及频繁的 group by 或者 order by 操作，此时，性能下降较为明显。

1.2 CAP 定理



（强一致性）：数据更新操作的一致性，所有数据变动都是同步的。



（高可用性）：良好的响应性能。



（高分区容错性）：可靠性。

Brewer

教授给出的定理是：任何分布式系统只可同时满足二点，没法三者兼顾。

Brewer

以容忍的。而如果使用传统关系型数据库，可能这些即时通信软件就早已崩溃！

NoSQL 数据库最初指不使用 SQL 标准的数据库，现在泛指非关系型数据库。NoSQL 一词最早出现于 1998 年，

是 Carlo Strozzi 开发的一个轻量、开源、不提供 SQL 功能的数据库。

现在 NoSQL 被普遍理解理解为“Not Only SQL”，意为不仅仅是 SQL。NoSQL 和传统的关系型数据库在很多场景下是

相辅相成的，谁也不能完全替代谁。

第 2 章 HBase 简介

2.1 HBase 的来源

2006 年 Google 技术人员 Fay Chang 发布了一篇文章 Bigtable: ADistributed Storage System for Structured Data。

该文章向世人介绍了一种分布式的数据库，这种数据库可以在局部几台服务器崩溃的情况下继续提供高性能的服务。

2007 年 Powerset 公司的工作人员基于此文研发了 BigTable 的 Java 开源版本，即 HBase。刚开始它只是 Hadoop

HBase

是一种分布式、可扩展、支持海量数据存储的

NoSQL

数据库。

Hbase

面向列存储，构建于

Hadoop

之上，类似于

Google

时读写！

2.3 Hbase 的特点

2.3.1 HBase 的特点

1）海量存储

HBase 适合存储 PB 级别的海量数据，在 PB 级别的数据以及采用廉价 PC 存储的情况下，能在几十到百毫秒内

返回数据。这与 HBase 的极易扩展性息息相关。正式因为 HBase 良好的扩展性，才为海量数据的存储提供了便利。

通过横向添加 RegionSever 的机器，进行水平扩展，提升 HBase 上层的处理能力，提升 Hbase 服务更多 Region

的能力。

4）高并发

由于目前大部分使用 HBase 的架构，都是采用的廉价 PC，因此单个 IO 的延迟其实并不小，一般在几十到上百

ms 之间。这里说的高并发，主要是在并发的情况下，HBase 的单个 IO 延迟下降并不多。能获得高并发、低延迟的

服务。

5）稀疏

稀疏主要是针对 HBase 列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用

存储空间的。

①

HDFS

作为分布式存储，因此只是存储少量数据，它也不会很快。在大数据量时，它慢的

不会很明显！

②Hbase

不支持表的关联操作，因此数据分析是

HBase

的弱项。常见的

group by

或

order by

只能通过编写

MapReduce

来实现！

③

部分支持了

适合场景：单表超千万，上亿，且高并发！

2.4.3 数据模型

1

命名空间，类似于关系型数据库的

HBase

两个自带的命名空间，分

别是

hbase

和

default

，

hbase

中存放的是

HBase

内置的表，

default

一 个 表 可 以 自 由 选 择 是 否 有 命 名 空 间 ， 如 果 创 建 表 的 时 候 加 上 了 命 名 空 间 后 ， 这 个 表 名 字 以

<Namespace>:<Table>