浅析Hbase
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://cloud.tencent.com/developer/article/1552006
无论是 NoSQL，还是大数据领域，HBase 都是非常"炙热"的一门数据库。本文将对 HBase 做一些基础性的介绍，旨在入门。
一、简介
HBase 是一个开源的、面向列的非关系型分布式数据库，目前是Hadoop体系中非常关键的一部分。在最初，HBase是基于谷歌的 BigTable 原型实现的，许多技术来自于Fay Chang在2006年所撰写的Google论文"BigTable"。与 BigTable基于Google文件系统（File System）一样，HBase则是基于HDFS(Hadoop的分布式文件系统)之上而开发的。
HBase 采用 Java 语言实现，在其内部实现了BigTable论文提到的一些压缩算法、内存操作和布隆过滤器等，这些能力使得HBase 在海量数据存储、高性能读写场景中得到了大量应用，如 Facebook 在 2010年11 月开始便一直选用 HBase来作为消息平台的存储层技术。HBase 以 Apache License Version 2.0开源，这是一种对商业应用友好的协议，同时该项目当前也是Apache软件基金会的顶级项目之一。
有什么特性
- 基于列式存储模型，对于数据实现了高度压缩，节省存储成本
- 采用 LSM 机制而不是B(+)树，这使得HBase非常适合海量数据实时写入的场景
- 高可靠，一个数据会包含多个副本(默认是3副本)，这得益于HDFS的复制能力，由RegionServer提供自动故障转移的功能
- 高扩展，支持分片扩展能力(基于Region)，可实现自动、数据均衡
- 强一致性读写，数据的读写都针对主Region上进行，属于CP型的系统
- 易操作，HBase提供了Java API、RestAPI/Thrift API等接口
- 查询优化，采用Block Cache 和 布隆过滤器来支持海量数据的快速查找
与RDBMS的区别
对于传统 RDBMS 来说，支持 ACID 事务是数据库的基本能力，而 HBase 则使用行级锁来保证写操作的原子性，但是不支持多行写操作的事务性，这主要是从灵活性和扩展性上做出的权衡。
ACID 要素包含 原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）以及持久性（Durability）
总体来说， HBase 与传统关系数据库的区别，如下表所示：
特性 | HBase | RDBMS |
|---|---|---|
硬件架构 | 类似于 Hadoop 的分布式集群，硬件成本低廉 | 传统的多核系统，硬件成本昂贵 |
容错性 | 由软件架构实现，由于由多个节点组成 ，所以不担心一点或几点宕机 | 一般需要额外硬件设备实现 HA 机制 |
数据库大小 | PB | GB、TB |
数据排布方式 | 稀疏的、分布的多维的 Map | 以行和列组织 |
数据类型 | Bytes | 丰富的数据类型 |
事物支持 | ACID 只支持单个 Row 级别 | 全面的 ACID 支持，对 Row 和表 |
查询语言 | 只支持 Java API （除非与其他框架一起使用，如 Phoenix、Hive） | SQL |
索引 | 只支持 Row-key，除非与其他技术一起应用，如 Phoenix、Hive | 支持 |
吞吐量 | 百万查询/每秒 | 数千查询/每秒 |
二、数据模型
下面，我们以关系型数据库的一个数据表来演示 HBase 的不同之处。
先来看下面这张表：
ID | 设备名 | 状态 | 时间戳 |
|---|---|---|---|
1 | 空调 | 打开 | 20190712 10:05:01 |
2 | 电视机 | 关闭 | 20190712 10:05:08 |
这里记录的是一些家庭设备上报的状态数据(DeviceState)，其中包括设备名、状态、时间戳这些字段。
在 HBase 中，数据是按照列族(Column Family，简称CF)来存储的，也就是说对于不同的列会被分开存储到不同的文件。那么对于上面的状态数据表来说，在HBase中会被存储为两份：
列族1. 设备名
Row-Key | CF:Column-Key | Timestamp | Cell Value |
|---|---|---|---|
1 | DeviceState:设备名 | 20190712 10:05:01 | 空调 |
2 | DeviceState:设备名 | 20190712 10:05:08 | 电视机 |
列族2. 状态
Row-Key | CF:Column-Key | Timestamp | Cell Value |
|---|---|---|---|
1 | DeviceState:状态 | 20190712 10:05:01 | 打开 |
2 | DeviceState:状态 | 20190712 10:05:08 | 关闭 |
这里Row-key是唯一定位数据行的ID字段，而Row-key 加上 CF、Column-Key，再加上一个时间戳才可以定位到一个单元格数据。其中时间戳用来表示数据行的版本， 在HBase中默认会有 3 个时间戳的版本数据，这意味着对同一条数据(同一个Rowkey关联的数据)进行写入时，最多可以保存3个版本。
在查询某一行的数据时，HBase需要同时从两个列族(文件)中进行查找，最终将结果合并后返回给客户端。 由此可见如果列族太多，则会影响读取的性能，在设计时就需要做一些权衡。
由此可见，HBase的使用方式与关系型数据库是大不相同的，在使用 HBase 时需要抛弃许多关系型数据库的思维及做法，比如强类型、二级索引、表连接、触发器等等。
然而 HBase 的灵活性及高度可伸缩性却是传统 RDBMS 无法比拟的。