HBase

Apache HBase™ 是Hadoop数据库，是一个分布式，可扩展的大数据存储。

当您需要对大数据进行随机，实时读/写访问时，请使用Apache HBase™。

该项目的目标是托管非常大的表 - 数十亿行X百万列 - 在商品硬件集群上。

Apache HBase是一个开源的，分布式的，版本化的非关系数据库，模仿Google的Bigtable：Chang等人的结构化数据分布式存储系统。

正如Bigtable利用Google文件系统提供的分布式数据存储一样，Apache HBase在Hadoop和HDFS之上提供类似Bigtable的功能。

特性

HBase 具有如下特性：

强一致性读写：HBase 不是“eventually consistent（最终一致性）”数据存储。这让它很适合高速计数聚合类任务；

自动分片(Automatic sharding)： HBase 表通过 region 分布在集群中。数据增长时，region 会自动分割并重新分布；

RegionServer 自动故障转移；

Hadoop/HDFS 集成：HBase 支持开箱即用地支持 HDFS 作为它的分布式文件系统；

MapReduce： HBase 通过 MapReduce 支持大并发处理；

Java 客户端 API：HBase 支持易于使用的 Java API 进行编程访问；

Thrift/REST API：HBase 也支持 Thrift 和 REST 作为非 Java 前端的访问；

Block Cache 和 Bloom Filter：对于大容量查询优化， HBase 支持 Block Cache 和 Bloom Filter；

运维管理：HBase 支持 JMX 提供内置网页用于运维。

HBase 的应用场景

HBase 不适合所有场景。

首先，确信有足够多数据，如果有上亿或上千亿行数据，HBase 是很好的备选。

如果只有上千或上百万行，则用传统的RDBMS 可能是更好的选择。因为所有数据可以在一两个节点保存，集群其他节点可能闲置。

其次，确信可以不依赖所有 RDBMS 的额外特性（例如，列数据类型、 第二索引、事务、高级查询语言等）。

第三，确信你有足够的硬件。因为 HDFS 在小于5个数据节点时，基本上体现不出它的优势。

虽然，HBase 能在单独的笔记本上运行良好，但这应仅当成是开发阶段的配置。

Hbase 的优缺点

Hbase 的优点：

列的可以动态增加，并且列为空就不存储数据，节省存储空间

Hbase 自动切分数据，使得数据存储自动具有水平扩展

Hbase 可以提供高并发读写操作的支持

与 Hadoop MapReduce 相结合有利于数据分析

容错性

版权免费

非常灵活的模式设计（或者说没有固定模式的限制）

可以跟 Hive 集成，使用类 SQL 查询

自动故障转移

客户端接口易于使用

行级别原子性，即，PUT 操作一定是完全成功或者完全失败

Hbase 的缺点：

不能支持条件查询，只支持按照 row key 来查询

容易产生单点故障（在只使用一个 HMaster 的时候）

不支持事务

JOIN 不是数据库层支持的，而需要用 MapReduce

只能在逐渐上索引和排序

没有内置的身份和权限认证

HBase 与 Hadoop/HDFS 的差异

HDFS 是分布式文件系统，适合保存大文件。官方宣称它并非普通用途文件系统，不提供文件的个别记录的快速查询。

另一方面，HBase 基于 HDFS，并能够提供大表的记录快速查找和更新。

这有时会可能引起概念混乱。HBase 内部将数据放到索引好的“StoreFiles”存储文件中，以便提供高速查询，而存储文件位于 HDFS中。

如果想了解 HBase 更深层次的内容，推荐阅读 Lars George 的《HBase: The Definitive Guide》。

参考资料

HBase教程

Apache HBase 入门教程