技术25期：我终于看懂了HBase，太不容易了...

普适极客 2021-05-14

606

前言

本文主要介绍HBase的适用场景、基本结构、特点等，便于读者快速理解“什么是HBase”。

01 HBase的适用场景

HBase和关系型数据库对比如下：

通过对比可以看到，HBase适用于面对海量数据时，没有较强的事务要求，查询比较简单的场景。

02 HBase的数据模型

举个例子，在MySql中现有两张表，表名分别是User和Location，表记录如下所示：

id	UserName	Age
1	张三	20
2	李四	26

User表

id	Province	City
1	浙江	杭州
2	江苏	南京

Location表

以上两张表在HBase中的逻辑存储如下：

行键	User	Location
UserName	Age	Province	City
1	张三	20	浙江	杭州
2	李四	26	江苏	南京

HBase表逻辑视图

HBase的基本存储概念如下：

行键(RowKey)：每一行都以行键（Row Key）来进行唯一标识，行键可以是任意字符串。
列族（Colunm Family）:是一些列的集合，列族支持动态扩展，无须预定义列的数量以及类型。
列标识（Column Qualifier）:列族中的数据通过列标识来进行定位，通常以 Column Family：Colunm Qualifier 来确定列族中的某列。
时间戳（Timestamp）:在默认情况下，每一个单元格插入数据时都会用时间戳来进行版本标识。
单元格（Cell）:每一个行键、列族、列标识共同确定一个单元格，每个单元格保存着同一份数据的多个版本，不同时间版本的数据按照时间先后顺序排序，最新的数据排在最前面。

那么，在HBase中如何确定一个列值就显而易见了，通过行键-列族-列标识符-时间戳，就可以查找到对应的列值。

03 HBase的分区概念

HBase中扩展和负载均衡的基本单位称为regin，regin本质上是以行键排序的连续存储的区间。如果类比MySql，可看作是分区表partition的概念。

如果regin太大，系统会自动进行拆分（在中间的行键进行一拆二），反之，会把多个regin合并（非自动），以减少存储文件数量。每一个regin只能由一台regin服务器（region server）加载，每一台region server可以加载多个region。

04 HBase的架构

HBase读写数据的流程一般是由Client客户端请求到Zookeeper，然后Zookeeper返回HRegionServer地址给Client客户端，Client客户端得到Zookeeper返回的地址去请求HRegionServer，HRegionServer读写数据后返回给Client客户端。HBase架构图如下所示：