Hbase的基础性介绍与入门

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：

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：

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

列族2. 状态

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。