自1970年以來，關(guān)系數(shù)據(jù)庫用于數(shù)據(jù)存儲和維護(hù)有關(guān)問題的解決方案。大數(shù)據(jù)的出現(xiàn)后，好多公司實現(xiàn)處理大數(shù)據(jù)并從中受益，并開始選擇像 Hadoop 的解決方案。

Hadoop使用分布式文件系統(tǒng)，用于存儲大數(shù)據(jù)，并使用MapReduce來處理。Hadoop擅長于存儲各種格式的龐大的數(shù)據(jù)，任意的格式甚至非結(jié)構(gòu)化的處理。

Hadoop的限制

Hadoop只能執(zhí)行批量處理，并且只以順序方式訪問數(shù)據(jù)。這意味著必須搜索整個數(shù)據(jù)集，即使是最簡單的搜索工作。

當(dāng)處理結(jié)果在另一個龐大的數(shù)據(jù)集，也是按順序處理一個巨大的數(shù)據(jù)集。在這一點上，一個新的解決方案，需要訪問數(shù)據(jù)中的任何點（隨機(jī)訪問）單元。

Hadoop隨機(jī)存取數(shù)據(jù)庫

應(yīng)用程序，如HBase, Cassandra, couchDB, Dynamo 和 MongoDB 都是一些存儲大量數(shù)據(jù)和以隨機(jī)方式訪問數(shù)據(jù)的數(shù)據(jù)庫。

HBase是什么?

HBase是建立在Hadoop文件系統(tǒng)之上的分布式面向列的數(shù)據(jù)庫。它是一個開源項目，是橫向擴(kuò)展的。

HBase是一個數(shù)據(jù)模型，類似于谷歌的大表設(shè)計，可以提供快速隨機(jī)訪問海量結(jié)構(gòu)化數(shù)據(jù)。它利用了Hadoop的文件系統(tǒng)（HDFS）提供的容錯能力。

它是Hadoop的生態(tài)系統(tǒng)，提供對數(shù)據(jù)的隨機(jī)實時讀/寫訪問，是Hadoop文件系統(tǒng)的一部分。

人們可以直接或通過HBase的存儲HDFS數(shù)據(jù)。使用HBase在HDFS讀取消費(fèi)/隨機(jī)訪問數(shù)據(jù)。 HBase在Hadoop的文件系統(tǒng)之上，并提供了讀寫訪問。

HBase 和 HDFS

HBase的存儲機(jī)制

HBase是一個面向列的數(shù)據(jù)庫，在表中它由行排序。表模式定義只能列族，也就是鍵值對。一個表有多個列族以及每一個列族可以有任意數(shù)量的列。后續(xù)列的值連續(xù)地存儲在磁盤上。表中的每個單元格值都具有時間戳?？傊?，在一個HBase：

• 表是行的集合。
• 行是列族的集合。
• 列族是列的集合。
• 列是鍵值對的集合。

下面給出的表中是HBase模式的一個例子。

面向列和面向行

面向列的數(shù)據(jù)庫是存儲數(shù)據(jù)表作為數(shù)據(jù)列的部分，而不是作為行數(shù)據(jù)?？傊鼈儞碛辛凶?。

下圖顯示了列族在面向列的數(shù)據(jù)庫：

HBase 和 RDBMS

HBase的特點

• HBase線性可擴(kuò)展。
• 它具有自動故障支持。
• 它提供了一致的讀取和寫入。
• 它集成了Hadoop，作為源和目的地。
• 客戶端方便的Java API。
• 它提供了跨集群數(shù)據(jù)復(fù)制。

在哪里可以使用HBase？

• Apache HBase曾經(jīng)是隨機(jī)，實時的讀/寫訪問大數(shù)據(jù)。
• 它承載在集群普通硬件的頂端是非常大的表。
• Apache HBase是此前谷歌Bigtable模擬非關(guān)系型數(shù)據(jù)庫。 Bigtable對谷歌文件系統(tǒng)操作，同樣類似Apache HBase工作在Hadoop HDFS的頂部。

HBase的應(yīng)用

• 它是用來當(dāng)有需要寫重的應(yīng)用程序。
• HBase使用于當(dāng)我們需要提供快速隨機(jī)訪問的數(shù)據(jù)。
• 很多公司，如Facebook，Twitter，雅虎，和Adobe內(nèi)部都在使用HBase。

HBase 歷史