更新時(shí)間:2018年11月26日16時(shí)34分 來源:傳智播客 瀏覽次數(shù):
1、簡(jiǎn)介
hbase是bigtable的開源java版本。是建立在hdfs之上,提供高可靠性、高性能、列存儲(chǔ)、可伸縮、實(shí)時(shí)讀寫nosql的數(shù)據(jù)庫(kù)系統(tǒng)。
它介于nosql和RDBMS之間,僅能通過主鍵(row key)和主鍵的range來檢索數(shù)據(jù),僅支持單行事務(wù)(可通過hive支持來實(shí)現(xiàn)多表join等復(fù)雜操作)。
主要用來存儲(chǔ)結(jié)構(gòu)化和半結(jié)構(gòu)化的松散數(shù)據(jù)。
Hbase查詢數(shù)據(jù)功能很簡(jiǎn)單,不支持join等復(fù)雜操作,不支持復(fù)雜的事務(wù)(行級(jí)的事務(wù))
Hbase中支持的數(shù)據(jù)類型:byte[]
與hadoop一樣,Hbase目標(biāo)主要依靠橫向擴(kuò)展,通過不斷增加廉價(jià)的商用服務(wù)器,來增加計(jì)算和存儲(chǔ)能力。
HBase中的表一般有這樣的特點(diǎn):
² 大:一個(gè)表可以有上十億行,上百萬列
² 面向列:面向列(族)的存儲(chǔ)和權(quán)限控制,列(族)獨(dú)立檢索。
² 稀疏:對(duì)于為空(null)的列,并不占用存儲(chǔ)空間,因此,表可以設(shè)計(jì)的非常稀疏。
2、表結(jié)構(gòu)邏輯視圖
HBase以表的形式存儲(chǔ)數(shù)據(jù)。表有行和列組成。列劃分為若干個(gè)列族(column family)
3、Row Key
與nosql數(shù)據(jù)庫(kù)們一樣,row key是用來檢索記錄的主鍵。訪問hbase table中的行,只有三種方式:
1 通過單個(gè)row key訪問
2 通過row key的range
3 全表掃描
Row key行鍵 (Row key)可以是任意字符串(最大長(zhǎng)度是 64KB,實(shí)際應(yīng)用中長(zhǎng)度一般為 10-100bytes),在hbase內(nèi)部,row key保存為字節(jié)數(shù)組。
Hbase會(huì)對(duì)表中的數(shù)據(jù)按照rowkey排序(字典順序)
存儲(chǔ)時(shí),數(shù)據(jù)按照Row key的字典序(byte order)排序存儲(chǔ)。設(shè)計(jì)key時(shí),要充分排序存儲(chǔ)這個(gè)特性,將經(jīng)常一起讀取的行存儲(chǔ)放到一起。(位置相關(guān)性)
注意:
字典序?qū)nt排序的結(jié)果是
1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序,行鍵必須用0作左填充。
行的一次讀寫是原子操作 (不論一次讀寫多少列)。這個(gè)設(shè)計(jì)決策能夠使用戶很容易的理解程序在對(duì)同一個(gè)行進(jìn)行并發(fā)更新操作時(shí)的行為。
4、列族
hbase表中的每個(gè)列,都?xì)w屬與某個(gè)列族。列族是表的schema的一部分(而列不是),必須在使用表之前定義。
列名都以列族作為前綴。例如courses:history , courses:math 都屬于 courses 這個(gè)列族。
訪問控制、磁盤和內(nèi)存的使用統(tǒng)計(jì)都是在列族層面進(jìn)行的。
列族越多,在取一行數(shù)據(jù)時(shí)所要參與IO、搜尋的文件就越多,所以,如果沒有必要,不要設(shè)置太多的列族
5、時(shí)間戳
HBase中通過row和columns確定的為一個(gè)存貯單元稱為cell。每個(gè) cell都保存著同一份數(shù)據(jù)的多個(gè)版本。版本通過時(shí)間戳來索引。時(shí)間戳的類型是 64位整型。時(shí)間戳可以由hbase(在數(shù)據(jù)寫入時(shí)自動(dòng) )賦值,此時(shí)時(shí)間戳是精確到毫秒的當(dāng)前系統(tǒng)時(shí)間。時(shí)間戳也可以由客戶顯式賦值。如果應(yīng)用程序要避免數(shù)據(jù)版本沖突,就必須自己生成具有唯一性的時(shí)間戳。每個(gè) cell中,不同版本的數(shù)據(jù)按照時(shí)間倒序排序,即最新的數(shù)據(jù)排在最前面。
為了避免數(shù)據(jù)存在過多版本造成的的管理 (包括存貯和索引)負(fù)擔(dān),hbase提供了兩種數(shù)據(jù)版本回收方式:
² 保存數(shù)據(jù)的最后n個(gè)版本
² 保存最近一段時(shí)間內(nèi)的版本(設(shè)置數(shù)據(jù)的生命周期TTL)。
用戶可以針對(duì)每個(gè)列族進(jìn)行設(shè)置。
6、Cell
由{row key, column( =
cell中的數(shù)據(jù)是沒有類型的,全部是字節(jié)碼形式存貯。
作者:傳智播客大數(shù)據(jù)培訓(xùn)學(xué)院
首發(fā): http://cloud.itcast.cn
北京校區(qū)