HBase 系列（一）—— HBase 簡介
一、Hadoop的侷限
HBase 是一個構建在 Hadoop 檔案系統之上的面向列的資料庫管理系統。
要想明白為什麼產生 HBase，就需要先了解一下 Hadoop 存在的限制？Hadoop 可以通過 HDFS 來儲存結構化、半結構甚至非結構化的資料，它是傳統資料庫的補充，是海量資料儲存的最佳方法，它針對大檔案的儲存，批量訪問和流式訪問都做了優化，同時也通過多副本解決了容災問題。
但是 Hadoop 的缺陷在於它只能執行批處理，並且只能以順序方式訪問資料，這意味著即使是最簡單的工作，也必須搜尋整個資料集，無法實現對資料的隨機訪問。實現資料的隨機訪問是傳統的關係型資料庫所擅長的，但它們卻不能用於海量資料的儲存。在這種情況下，必須有一種新的方案來解決海量資料儲存和隨機訪問的問題，HBase 就是其中之一 (HBase，Cassandra，couchDB，Dynamo 和 MongoDB 都能儲存海量資料並支援隨機訪問)。
注：資料結構分類：
- 結構化資料：即以關係型資料庫表形式管理的資料；
- 半結構化資料：非關係模型的，有基本固定結構模式的資料，例如日誌檔案、XML 檔案、JSON 檔案、Email 等；
- 非結構化資料：沒有固定模式的資料，如 WORD、PDF、PPT、EXL，各種格式的圖片、視訊等。
二、HBase簡介
HBase 是一個構建在 Hadoop 檔案系統之上的面向列的資料庫管理系統。
HBase 是一種類似於 Google’s Big Table 的資料模型，它是 Hadoop 生態系統的一部分，它將資料儲存在 HDFS 上，客戶端可以通過 HBase 實現對 HDFS 上資料的隨機訪問。它具有以下特性：
- 不支援複雜的事務，只支援行級事務，即單行資料的讀寫都是原子性的；
- 由於是採用 HDFS 作為底層儲存，所以和 HDFS 一樣，支援結構化、半結構化和非結構化的儲存；
- 支援通過增加機器進行橫向擴充套件；
- 支援資料分片；
- 支援 RegionServers 之間的自動故障轉移；
- 易於使用的 Java 客戶端 API；
- 支援 BlockCache 和布隆過濾器；
- 過濾器支援謂詞下推。
三、HBase Table
HBase 是一個面向 列 的資料庫管理系統，這裡更為確切的而說，HBase 是一個面向 列族 的資料庫管理系統。表 schema 僅定義列族，表具有多個列族，每個列族可以包含任意數量的列，列由多個單元格（cell ）組成，單元格可以儲存多個版本的資料，多個版本資料以時間戳進行區分。
下圖為 HBase 中一張表的：
- RowKey 為行的唯一標識，所有行按照 RowKey 的字典序進行排序；
- 該表具有兩個列族，分別是 personal 和 office;
- 其中列族 personal 擁有 name、city、phone 三個列，列族 office 擁有 tel、addres 兩個列。
圖片引用自 : HBase 是列式儲存資料庫嗎 www.iteblog.com/archives/24…
Hbase 的表具有以下特點：
-
容量大：一個表可以有數十億行，上百萬列；
-
面向列：資料是按照列儲存，每一列都單獨存放，資料即索引，在查詢時可以只訪問指定列的資料，有效地降低了系統的 I/O 負擔；
-
稀疏性：空 (null) 列並不佔用儲存空間，表可以設計的非常稀疏 ；
-
資料多版本：每個單元中的資料可以有多個版本，按照時間戳排序，新的資料在最上面；
-
儲存型別：所有資料的底層儲存格式都是位元組陣列 (byte[])。
四、Phoenix
Phoenix 是 HBase 的開源 SQL 中間層，它允許你使用標準 JDBC 的方式來操作 HBase 上的資料。在 Phoenix 之前，如果你要訪問 HBase，只能呼叫它的 Java API，但相比於使用一行 SQL 就能實現資料查詢，HBase 的 API 還是過於複雜。Phoenix 的理念是 we put sql SQL back in NOSQL，即你可以使用標準的 SQL 就能完成對 HBase 上資料的操作。同時這也意味著你可以通過整合 Spring Data JPA 或 Mybatis 等常用的持久層框架來操作 HBase。
其次 Phoenix 的效能表現也非常優異，Phoenix 查詢引擎會將 SQL 查詢轉換為一個或多個 HBase Scan，通過並行執行來生成標準的 JDBC 結果集。它通過直接使用 HBase API 以及協處理器和自定義過濾器，可以為小型資料查詢提供毫秒級的效能，為千萬行資料的查詢提供秒級的效能。同時 Phoenix 還擁有二級索引等 HBase 不具備的特性，因為以上的優點，所以 Phoenix 成為了 HBase 最優秀的 SQL 中間層。
參考資料
更多大資料系列文章可以參見 GitHub 開源專案： 大資料入門指南