HBase屬於列式非關係型婁據庫（NoSQL）,在介紹HBse則先了解NoSQL。
一、關於NoSQL
什麼是NoSQL?
NoSQL（Not Only SQL）,它是一個通用的述語，也就是非關係型數據庫，它並不是以sql作爲它的主要訪問語言。
現在有比較多的NoSQL數據庫，BerkeleyDB是一個本地NoSQL數據庫；HBase是一個分佈式數據庫（從技術上說它是一個數據存儲而不是數據庫）
NoSQL產生的主要背景
隨着互聯網的發展，傳統的關係型數據庫在應付超大規模和高併發的系統上已經“力不從心”，而非關係型數據庫則在這一方面有優勢。
NoSQL數據庫的分類
-
鍵值（Key-Value）存儲數據庫
它是以鍵值對的格式進行存儲的，類似於Java中的Map，在數據庫中有一個特定的key鍵和鍵所指向的value值。
優勢：簡單且易於部署，可以把程序中的數據直接映射到數據庫中，使得程序中的數據和數據庫中的數據存儲方式很相近。如：Redis
-
列存儲數據庫
傳統的關係型數據庫是按行進行存儲的，而列數據庫則是每一列單獨存儲。
優勢：僅僅查詢所需要的列，可以大大提高查詢的速度。如：HBase
-
文檔型數據庫
這種類型數據庫與鍵值存儲類似，這個類型的數據模型是把內容按照某些特定的格式進行存儲（如：JSON格式）。如：MongoDB
-
圖形數據庫
它與關係型數據庫和列式數據庫不同，它是基於靈活的圖型模型，並且可以擴展到多個服務器上
NoSQL數據庫的應用
主要應用於如下場景：
-
數據量大、數據模型比較簡單
-
對數據庫的性能要求比較高，需要節省開發及維護成本
-
不需要高度的數據一致性
-
對於給定的吸，比較容易映射覆雜值的環境，數據之間關係性不強
關係型數據庫與非關係型數據庫的區別
|
對比項
|
關係型數據庫
|
非關係型數據庫
|
|
成本
|
相對非關係型數據庫可能存在軟件購買費用
|
易於部署
基本是開源軟件
|
|
查詢速度
|
查詢速度慢（存儲於硬盤中）
|
查詢速度快（存儲於緩存中）
|
|
數據格式
|
基礎類型
|
key-value形式、文檔形式、圖形形式……
可以存儲基礎類型、對象、集合……
|
|
擴展性
|
有類似join這樣的多表查詢機制限制，擴展難
|
擴展相對容易
|
二、HBse簡單介紹
HDFS是大型數據集分析處理的文件系統，具有高延遲的特點，它傾向於讀取整個數據集而不是指定的某個記錄，因而在處理低延的用戶請求時，HBase則爲更好的選擇，它可以實現某條數據的快速定位，提供實時的讀寫功能。
HBase：HadoopDataBase，一個基於HDFS和Zookeeper的列式數據庫。是一個高可靠、高性能、面向列、可伸縮、實時讀寫的分佈式數據庫。
HBase利用HDFS作爲它的文件存儲系統；利用基於YARN的MapReduce處理HBase的海量數據；利用Zookeeper作爲其分佈式協同服務。
它主要用來存儲非結構化和半結構化的鬆散數據
注意：並不是所有的情況都適用於HBase。
-
當數據量達到數億或數十億則是一個好的選擇，原因是當數據量不大時，所有的數據可能在HBase的單個節點上，而其它的集羣則可能處於空閒的狀態。
-
HBase並沒有RDBMS所提供的索引、事務、高級查詢語言等功能，不可以把RDBMS構建的應用直接移植到HBase上
HBase的數據模型
HBase的數據模型主要包含：行鍵、列族、時間戳、單元格、HLog(WAL log)
-
行鍵（Row Key）
行鍵是一個字節數組，任何的字符串都可以作爲行鍵，注意：行鍵只可以存儲64KB的字節數據。要對錶進行訪問，需要通過行鍵進行。
-
列族/列標籤
HBase中的每個列都是歸屬於某個列族的，列表則以列族作爲前綴，每個列族都可以有多個列成員，通過列標籤來表示，新的列族成員可以動態增加。HBase中會把同一列族裏面的數據存儲在同一目錄下，在幾個文件中保存。
-
時間戳
HBase中的每個cell存儲單元，會以同一份數據存儲多個版本，HBase引入時間戳區分每個版本之間的差異，時間戳的類型是64位整數，不同版本的數據根據時間戳倒序排序。時間戳可以在HBase寫入數據時自己動賦值也可以由客戶指定顯示賦值。
-
單元格
它的內容是沒有解析的字節數組。由行和列座標交叉決定，同時單元格是有版本的，數據沒有數據類型的都是由二進制字節碼形式存儲。
HBase體系架構及組件
如下圖爲HBase的體系架構圖
-
Zookeeper
這個組件主要用來存儲HBase的Schema和Table元數據，它可以保障在任何時間，集羣中只有一個Master。同時來存儲所有Region的尋址入口，進行實時監控RegionServer的上線和下線信息，並且實時通知HMaster
-
HMaster
它類似於HDFS中的NameNode，它的主要作用是爲RegionServer分配Region，同時負責RegionServer的負載均衡。它也會管理用戶對Table的增、刪、改操作
-
HRegionServer
它類似於HDFS中的DataNode，它負責維護Region，處理對Region的I/O請求。同時會負責切分在運行過程中變得過大的Region
-
Client
它包含了訪問HBase的接口，同時維護Cache來加快對HBase的訪問性能。
-
Region
Region是HBase中分佈式存儲和負載均衡的最小單元。HBase會自動把表水平切分爲多個區域，也就是多個Region，每一個Region會保存一個表裏某段連續的數據。每個表一開始只有一個Region，當數據越來越多從而達到一個閥值的時候，這個Region會等分成兩個Region（這個過程也稱爲裂變）
-
MemStore和StoreFile
一個Region會由多個Store組成，一個Store包含內存中的MemStore和磁盤StoreFile
HBase的執行原理
從上面的圖可以看到，一個Table包含了多個Region，每一個Region又包含了多個Store，同時每個Store又由一個MemStore和0至多個StoreFile組成。
StoreFile是以HFile的格式保存在HDFS上的
寫入操作的執行
-
把數據寫入到MemStore中
-
當MemStroe中的數據達到一定的閥值時，HRegionServer啓動FlashCache進程寫入StoreFile，每次寫入會形成一個單獨的StoreFile
-
當StoreFile文件數量達到一定閥值時，系統會進行合併，在合併過程中會進行版本合併和刪除工作，形成更大的StoreFile
-
當一個Region中所有的StoreFile大小之和超過一定閥值時，會把當前的Region分割爲兩個，並由HMaster分配到相應的RegionServer服務器上，以實現負載均衡
查找數據
會先從MemStroe中查找，如果從MemStore中找不到數據，會再從StoreFile上查找