《大数据与云计算》课件——11.Hbase.pptxVIP

;;存储与管理贯穿大数据处理过程的始终。;传统的关系型数据库难以应对大数据挑战。;我们知道一台普通PC机的硬盘大概可以存储1Tb的数据，那么10Tb，100Tb，1000Tb怎么办？再比如现在我们大多数同学都有云存储空间，而且还不小有50GB的空间，那么10个、100个、10000个同学呢？我们说1万个同学就有1万个50GB大小的空间,也就是500TB，这500TB的信息显然不可能在一台计算机上存储。那又该如何存储，如何查询呢？;HBase是一个分布式的非关系型数据库，一个高可靠、高性能、可伸缩的分布式数据库，是Nosql数据库，也就是NotOnly的缩写。它的扩展性强，并发性能好，数据模型灵活。属于Hadoop的组件，它使用Java语言编写，需要运行在HDFS文件系统之上，使用Zookeeper作为协同服务组件。HBase与Hadoop当中的其他组件一样，可以运行在多台计算机上，可以提供数10亿行乘以数百万列的大数据存储、管理，以及随机访问和实时读、写的能力。;;随着web2.0应用的发展，关系数据库逐渐呈现不足：;HBase的原型是Google的分布式存储系统BigTable;作为BigTable的开源实现，HBase是一个高可靠、高性能、面向列、可伸缩的分布式数据库，主要用来存储非结构化和半结构化的数据。

;数据类型：

关系数据库采用关系模型，具有丰富的数据类型和存储方式，比如我们刚才说的同学的成绩，这个就是整型的数据类型，只能是整数。姓名就是字符型，长度也可以固定，比如10个字符（5个汉字的长度）。HBase则采用了更加简单的数据模型，它把数据存储为未经解释的字符串，全部都是字符串。;数据操作：

关系数据库中包含了丰富的操作，其中会涉及复杂的多表连接。比如我们在关系型数据库中有两张表，有一张是我们的成绩信息，有一张表是我们的寝室信息家庭信息等等。这两张表有一个相同的字段姓名，这样我们就可以通过这个相同的字段把两张表连接起来。HBase操作则不存在复杂的表与表之间的关系，只有简单的插入、查询、删除、清空等，因为HBase在设计上就避免了复杂的表和表之间的关系。所以HBase也就不支持复杂的条件查询，只能是通过行键查询。;存储模式：

关系数据库是基于行模式存储的。我们说每一行???是一条记录。HBase是基于列存储的，每个列簇都由几个文件保存，不同列簇的文件是分离的。并且列簇中的列是可以动态增加的，而关系数据库需要一开始就设计好。除此之外，HBase可以自动切分数据，关系型数据库则需要我们人工切分数据。;数据索引：

关系数据库通常可以针对不同列构建复杂的多个索引，以提高数据访问性能。HBase只有一个索引——行键，通过巧妙的设计，HBase中的所有访问方法，或者通过行键访问，或者通过行键扫描，从而使得整个系统不会慢下来。;可伸缩性：

关系数据库很难实现横向扩展，纵向扩展的空间也比较有限。相反，HBase分布式数据库就是为了实现灵活的水平扩展而开发的，能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩。;;随着信息化浪潮和互联网应用的兴起，传统的关系型数据库在一些业务上开始呈现不足：

;NoSQL最初被理解为一味用新型数据库替代传统关系型数据库，但两者各有优缺点，无法完全取代

;;键值数据库(Key-Value)将数据存储为键值对集合，其中键作为唯一标识符，可以用来定位值。

;;;;;一个文档可以包含非常复杂的数据结构，如嵌套对象，且每个文档可以有完全不同的数据结构。;;;;;;;;HBase本质上是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳。;;逻辑视图vs.物理视图;关系型数据库当中要修改表的结构就是很复杂的一件事，比如增加一个字段。举个例子来说，如果我们的成绩表当中忘记了计算机成绩这一列，你都录入了一大半数据才发现，这个时候你要先修改表的结构增加一列，然后在一行一行的输入每个同学的计算机成绩。如果是hbase就简单了，我把这一列直接扩充到hbase里面就可以了。;29;表：HBase采用表来组织数据，表由行和列组成，列划分为若干个列族

;列限定符：列族里的数据通过列限定符（或列）来定位

;HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格，因此可视为一个“四维坐标”[行键,列族,列限定符,时间戳]；如果把坐标看成“键”，单元格数据看成“值”，HBase也可看成一个键值数据库。;;;;;分布式文件系统(HDFS)是指文件系统管理的物理存储资源不仅存储在本地节点上，还可以通过网络连接存储在非本地节点上。;HBase与HDFS的区别;;HBase使用HDFS作为底层的文件系统，HBase的数据最终会写到HDFS中。就像其