HBase高级培训课程.pdfVIP

Hadoop高级开发培训 张子良编著 zhangziliang04@ 第1章 HBase概述 本章导读  1.Hbase发展历史  2.Hbase技术特点 1.1 Hbase发展历史  概述 HBase是一个分布式的、面向列的开源数据库，该技术来源于Chang et al所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统 ”。就像Bigtable利用了Google文件系统（File System）所提供的分布 式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。 HBase是Apache 的Hadoop项目的子项目。HBase不同于一般的关系数 据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是 HBase基于列的而不是基于行的模式。 2006年发起，2010年升级为Apach顶层项目 1.2 Hbase技术特点  技术特点 1 大表：一个表可以有上亿行，上百万列 2 面向列:面向列(族)的存储和权限控制，列(族)独立检索。 3 稀疏:对于为空(null)的列，并不占用存储空间，因此，表 可以设计的非常稀疏。 第2章 HBase逻辑视图 本章导读  1.表存储结构  2.Row key  3.Columns family  4.Time Stamp  5.Cell 2.1 表存储结构  示例 HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(row family) 2.2 Row key  Row Key 与nosql数据库们一样,row key是用来检索记录的主 键。访问hbase table 中的行，只有三种方式： 1 通过单个row key访问 2 通过row key的range 3 全表扫描 Row key行键 (Row key)可以是任意字符串(最大长度 是64KB，实际应用中长度一般为 10-100bytes)，在 hbase内部，row key保存为字节数组。 存储时，数据按照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这 个特性，将经常一起读取的行存储放到一起。(位置相关性) 2.3 Columns Family  列簇 hbase表中的每个列，都归属与某个列族。列族是表的schema的一部 分(而列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如 courses:history，courses:math都属于courses 这个列族。 访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用 中，列族上的控制权限能帮助我们管理不同类型的应用：我们允许一 些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继 承的列族、一些应用则只允许浏览数据（甚至可能因为隐私的原因不 能浏览所有数据）。 2.4 Time Stamp  时间戳 HBase 中通过row和columns确定的为一个存贮单元称为cell 。每个cell都保存 着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是64位整 型。时间戳可以由hbase(在数据写入时自动)赋值，此时时间戳是精确到毫秒 的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版 本冲突，就必须自己生成具有唯一性的时间戳。每个cell中，不同版本的数据 按照时间倒序排序，即必威体育精装版的数据排在最前面。 为了避免数据存在过多版本造成的的管理(包括存贮和索引)负担，hbase提供 了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段 时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。 2.5 Cell  时间戳 由{row key, column(=family + label), version} 唯一确定的单元。cell中 的数据是没有类型的，全部是字节码形式存贮。 关键字：无类型、字节码 第3章 Hbase物理存储 本章导读  1.HTable  2.HRegion  3.Store 