產生背景
Google 發表的三駕馬車（既谷歌文件系統 GFS、MapReduce 和 BigTable）論文 ，被譽為計算機科學進入大數據時代的標誌。因早期 Hadoop 開發者，只實現了 Hadoop 文件系統和 Hadoop MapReduce，並未實現 BigTable，故而 BigTable 在Hadoop 大數據生態裡面，相當一段時間裡，一直是缺席的。直到 PowerSet 公司推出 Hbase 項目，才算是真正實現了 BigTable 的開源版。PowerSet 早期是一家十分著名的創業公司，創業領域為下一代搜索引擎：自然搜索引擎。雖然在2008年發佈了自己的正式產品，但結果不盡人意，後期因微軟踏足搜索引擎領域而被收購。但是其在開發語義搜索引擎系統過程中，需要用到類似 Googe BigTable 的系統，而研發出來的 Hbase，確對整個大數據開源社區做出了很大貢獻。
簡介
Hbase 是 Googe BigTable 的開源實現，是 Apace Hadoop 大數據生態系統中的重要成員。是⼀個構建在 HDFS 上的分佈式列存儲系統。從邏輯上講，HBase 將數據按照表、⾏和列進⾏存儲，它是⼀個分佈式的、稀疏的、持久化存儲的多維度排序表。
Hbase與BigTable
HBase 依賴於 HDFS 做底層的數據存儲，BigTable 依賴 Google GFS 做數據存儲。HBase 依賴於 MapReduce 做數據計算，BigTable 依賴 Google MapReduce 做數據計算。HBase 依賴於 ZooKeeper 做服務協調，BigTable 依賴 Google Chubby 做服務協調。
應用場景舉例
⽹頁庫（ 360搜索—⽹絡爬⾍）商品庫（淘寶搜索--歷史賬單查詢）交易信息（淘寶數據魔⽅）雲存儲服務（⼩⽶）監控信息（OpenTSDB）
Hbase數據模型
Hbase 數據模型：邏輯數據模型和物理數據存儲。邏輯數據模型：邏輯數據模型是用戶從數據庫所看到的模型，他直接與 Hbase 數據建模相關。物理數據存儲：物理數據模型是面向計算機物理表示的模型，描述了 Hbase 是數據在存儲介質（包括內存和磁盤）上的組織架構。
邏輯數據模型（ HBase 表結構邏輯）
1、 基本概述類似與數據庫中的 database 和 table 邏輯概念，Hbase 分別將之稱為 namespace 和 table,一個 namespace 中包含了一組 table。
Hbase 內置了兩個缺省 namespace：
<code>- hbase：系統內建表，包括namespace和meta表
- default：用戶建表時未指定namespace的表都創建在此。/<code>
Hbase 表由一系列行構成，每行數據有一個 rowkey，以及若干 column family 構成，每個 column family 可包含無限列。
2、名詞概念 rowkey: Hbase 表中數據以 rowkey 作為唯一標示的，類似於關係型數據庫中的主鍵，每行數據有一個rowkey，為定位改行數據的索引。同一張表 rowkey 為全局有序的，rowkey 是沒有數據類型的，以字節數組（byte[]）形式保存。針對 Hbase 的查詢特性，rowkey 對 Hbase 而言查詢性能影響很大，故而 rowKey 的設計就尤為重要，設計的時候要兼顧基於 rowkey 的單行查詢也要兼容 rowkey 的範圍掃描。
column family： 列簇由多個列共同組成。每行數據都有相同的 column family。column family 屬於 schema 的一部分，定義表時必須指定好。每個 column family 包含無數個動態列。為訪問控制的基本單元。同一 column family 中的數據在物理上會存儲在一個文件中。
column qualifier： 內部列標示，Hbase 每列數據看通過 column family:column qualifier 定位。column qualifier 不屬於 schema 的一部分，可以動態指定，且每行數據可以有不同的qualifier。跟 rowkey 類似，column qualifier 也會沒有數據類型的，以字節數組（byte[]）形式保存。
cell：通過 rowkey、column family、column qualifier 可以唯一定位一個 cell，內部保存了多個版本的數值，默認情況下，每個數據的版本號是寫入時間戳。cell內的數據也是沒有類型的，以數組形式保存。
timestamp： cell 內部數據是多版本的，Hbase 默認是將寫入時間戳作為版本號。用戶可根據業務需求自行設置版本號，默認為3個版本。讀數據若沒有指定版本號，則返回最新版本的數據，若存儲的版本超過設置的存儲最大版本號，則會自動清理。
3、模型特點
- 可擴展性強，支持數十億行，上百萬列，支持數十萬個版本
- 可以存儲非常稀疏的數據
- 支持點查，根據主鍵獲取一行數據
- 支持掃描，快速獲取某些行區間範圍的數據，高效獲取某幾列的數據
- HBase 中支持的數據類型：byte[]（底層所有數據的存儲都是字節數組）
- 主要用來存儲結構化和半結構化的鬆散數據
物理數據存儲
Hbase 是列簇式存儲引擎，它以 column family 為單位存儲數據，每個 column family 內部數據是以為 key value 形式存儲。在 Hbase 中，同一表中的數據的按照 rowkey 升序排列的，同一行中的不同列是按照 column qualifier 升序排列的，同一個 cell 中的數據是按照版本號降序排列的。
作者：studytime
原文：https://www.studytime.xin
閱讀更多 加米穀大數據 的文章
