HBase超详细版本教学一weixin45284133的博客-

HBase基础

什么是HBase

它第一句就告诉我们了是Hadoop的Database，跟Hadoop有关系的，a distributed分布式的，scalable可扩展的，根据这句话的描述，我们可以知道，HBase的数据是存储再Hadoop中HDFS中的，它数据是要落盘的。我们搭建HBase的时候呢，它是一个集群，是分布式的，可扩展的意思就是横向扩展的意思。可以添加很多很多的节点。big data store海量数据的存储。所以HBase是存储系统。

什么时候用HBase

其中有些词汇我们拿出来分析一下，random随机的，realtime实时的，read/write读写，Big Data海量数据，这句话大概意思就是，你想随机实时的读写海量数据，这个时候我们就可以考虑使用HBase。并且看图：

它还是一个数十万行和数百万列的大表。这是它项目的目标，支持这么大的表

而且它还说了是将谷歌的BigTable进行了开源实现，相当于借鉴了谷歌的BigTable

HBase定义

HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库
思考题：什么是NoSQL？

说的具体点，就是，非关系型，分布式，不提供ACID的数据库设计模式，这里的ACID指的是数据库四个事务特性。原子，一致，隔离，持久。以键值形式，和面向文档形式存储。
我们其实再大数据领域，已经有了海量存储系统，HDFS，那么为什么还要一个HBase呢？我们关心存储系统，主要关心就是读写问题，HDFS的读写太慢了，它是批量读写，一次写海量数据，一次读海量数据，不能做到随机读写，比如说：我在10亿条数据中修改一个数据，HDFS是不支持这个操作的，我们的HDFS主要做什么呢？主要存储静态数据，所以我们搞了个HBase，它快在了哪里呢？快在了随机实时读写上。它是支持这个的。我现在有海量的数据，在10亿条数据中修改某一条，删除某一条，都是能做到的

HBase数据模型

所谓的数据模型，就是指的我们HBase的数据结构。我数据扔进去之后，给用户展现出什么样子的。底层又存储成什么样的。
逻辑上，HBase的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从HBase的底层物理存储结构（K-V）来看，很多个kv键值对我们通常称之为Map，HBase更像是一个multi-dimensional map

HBase简单逻辑结构

这个简单的逻辑架构先带我们认识HBase的结构。后面还会丰富它，并且纠正它，这里只是为了方便好理解。

所谓的逻辑结构，就是HBase给我们展现出来的是什么样的数据。
如图所示：底下这张图就是HBase他给我们用户呈现出来的样子。与我们关系型数据库中的表是一样的，非常相似。有行有列

而在这张图中，有一个非常重要的概念在里面，就是personal_info和Office_info的位置，我们称之为列族。它的英文为Colum n Family，意思就是多个列的组合。一个列族下面有多个列。

在底层存储的时候，一个列族的数据，我们是存储在一起的，不同列族的数据，我们是分开存储的。

第二个就是列的概念，相当于关系型数据库中的字段是一个概念。其实这个列理解起来简单

但是它没有那么简单，我们关系型数据库中是不是要建表，建表的时候需要声明这个表中有哪些字段。有哪些列，都要提前规划好，而每个字段都会有相应的数据类型跟随，是Int类型，还是Varchar类型，而在我们HBase中建表的时候，我们其实是不需要声明列的，我们建表的时候只需要声明列明就够了。

我们没有列怎么插入数据呢？我们HBase的列，就是在我们插入数据的时候才会出现。那我们是不是这个列可以随便写呢，我们插入数据的时候，想插入那个列，就插入哪个列，如果这个列以前没有，那么插入数据的时候是不是就有了呀。这个其实是和我们的底层存储有关系的。一会儿我们说底层存储时会讲。

下一个概念教RowKey，非常非常重要，在HBase中非常重要。这个RowKey可以和关系型数据库中的主键做一个类比

我们这个RowKey，在我们的HBase中比哪个主键要强太多了。那么这个重要性体现在什么地方呢？首先我们观察一下，会发现它时有序的。也就是说，我们HBase中的数据是有序的。排序的时候我们是按照RowKey的字典顺序排序的。看第二个11和第三个2就会发现了。他是一个字符一个字符比的

而在我们检索数据库的时候，我们需要对数据库进行查询，我们检索数据的时候只能根据这个RowKey去检索。比如说稳要查一下这个李四的电话号码是多少？如果是关系型数据库，稳直接用SQL就可以查询select name from 表名 where name = 李四，我们如果在HBase中查询李四数据的时候，只能查询RowKey11这条数据在哪里

用其他的什么列区检索能不能实现？其实也是能实现的，只不过性能是非常差的，如果稳通过name去检索李四，它会扫描全表，将姓名等于李四的过滤出来。如果我们就想要姓名等于李四的手机号，通过RowKey去查询，我们怎么做呢？我们可以将姓名这个字段融入到RowKey当中。RowKey是我们自己设定的，我们就可以通过RowKey加上Name去过滤李四。RowKey我们自己设计，想怎么设计，就怎么设计。我们效率之所以高，也是因为RowKey是有序的。完全可以混入二分查找法来加速我们的查询。至于RowKey到底怎么设计，我们后面再说。
这里注意一个小点，就是同一个RowKey的列族是会别切分的。如图：

我们HBase是一个分布式存储系统，一旦涉及到分布式，我们就要有一个分区的概念，这里和Kafka比较类似。它的分区时横向分的，而每一个分区都叫做Region，Region地区地域的意思。而每一个分区都有一个RowKey的范围。至于分区怎么分，我们后面会说。相同的RowKey不可以跨Region，言外之意就是一行的数据只能存储在一个分区里面。

下面还有一个概念叫做Store，Store存储的意思，它时干什么用的呢？他就是干数据存储的一个组件。那么我一个Store存储的单元是什么？也就是说我一个Store负责的区域是什么？它负责的是一个Region中的一个列族。如图：

我们的一个表中会有多个Region，我们的一个表中也会有很多个列族，而我们刚才的那个图中应该有几个Store才对呢？有6个才对。
下图是回顾总结。

HBase简单物理结构

所谓物理结构，就是HBase在底层是怎么存储的。我们以上面的一个Store为例，看一下它底层是怎么存储的。以张三这个数据为例

我们存储一行数据要存储这么多东西？它看着也像一张表。我们看一下都是什么，如图所示：

看到这里我们感觉HBase更像一个多维的Map，V是谁呢？就是什么张三，北京电话，谁是K呢？每一行除去V，前面的一大堆都叫K。这个K是多个字段组成的，所以我们叫他多维的Map。下面的一行数据对应的就是上面的一个小单元格，入下面张三一大行数据，对应的就是上面一个单元格张三的位置，北京也是如此。但是我们上面只有三个单元格，为啥下面有四行数据呢？最后两行数据都是电话，为什么会存储两条数据呢？其实是更新了。HBase会认时间戳的，他会显示最新时间戳的数据信息。它是以追加一条数据的方式，实现了修改和删除的功能。为什么不直接修改呢？是因为我们的数据是海量数据，直接修改数据首先要定位数据，开销非常大。其实HBase是牺牲了一部分读取的性能换来了它写性能的提升。我们在HBase中删除一条数据使用Delete的时候，我们会将数据类型进行更改变成Delete，当HBase检索到这条数据看到它这个类型，HBase会判断的，删除的数据不会再显示。这个删除的数据不会永久保留，我们后续再说
这里还牵扯数来一个版本的问题，就是时间戳，我们可以设定我们要几个版本的数据，我想保留一条数据的三个版本，我就将version设成3，会显示出最近一条数据追加更新的三条历史记录一样的东西。