Java大数据：Hbase分布式存储入门

之前的系列文章当中，已经为大家介绍了大数据存储当中的MongoDB、Redis等数据库，今天接着来讲Hbase。Hbase在大数据存储当中，与Hadoop生态紧密相关，也是Hadoop生态当中必学的重要组件。下面我们从基础入门开始，来讲讲Hbase。

支持大数据处理的第一代框架，以Hadoop为主流代表，而基于Hadoop，产生了比较完善的大数据技术生态，发展至今已有二十多个组件。这其中，Hbase主要在大数据存储环节，发挥着重要作用。

Hbase简介

HBase，根据官方给出的定义，是面向列的非关系型分布式数据库，在Hadoop体系当中，基于分布式文件系统HDFS来工作。

Hbase的原型，来自于谷歌的BigTable，采用Java语言编程，实现了BigTable论文提到的一些压缩算法、内存操作和布隆过滤器等，这使得Hbase在海量数据存储、高性能读写场景当中，具备相当的优势。

Hbase特性

基于列式存储模型，实现数据高度压缩，节省存储成本；

采用LSM机制而不是B（+）树，更加适合海量数据实时写入；

高可靠，数据存储为多个副本（默认是3副本），且具备自动故障转移功能；

高扩展，支持分片扩展能力（基于Region），可实现自动、数据均衡；

强一致性读写，数据的读写都针对主Region上进行，属于CP型系统；

易操作，HBase提供了Java API、RestAPI/Thrift API等接口

查询优化，采用Block Cache和布隆过滤器来支持海量数据的快速查找。

Hbase整体架构

Hbase集群架构，通常涉及到HBase Master、Region Server、Zookeeper、HDFS等几个配合。

一个Hbase集群，由一个Master和几个Region Server组成。其中，Master负责维护表结构信息；实际的数据存储在Region Server上，最终Region Server保存的表数据会直接存储在HDFS上。

HBase Master

HBase Master作为管理节点，通常在集群当中会设置有一个主Master，一个备Master，主Master和备Master的管理，由Zookeeper实现。

Master的职责，包括：

管理监控所有的Region Server，负责Region Server故障转移；

负责表的相关操作（create、modify、remove、enable、disable），列族的相关操作（add、modify、remove），还有Region的move、assign、unassign；

平衡集群负载并定期检查并清理hbase:meta表。

Region Server

Region Server，主要负责服务和管理Region。在分布式集群中，Region Server与DataNode通常按1：1比例安装，从而实现利用HDFS中的短路径读取（Short Circuit），来降低延时。

Region Server的职责，包括：

数据的读取和写入，比如：get,put,delete,next等；

Region的拆分和压缩；

检查拆分并处理轻微压缩；

检查主要的压缩；

定期刷新MemStore到StoreFiles中的内存中写入；

定期检查RegionServer的WAL。

Zookeeper

在集群环境当中，Zookeeper总是扮演着“管家”的角色，而Hbase的Region Server非常依赖Zookeeper服务，ZooKeeper管理HBase所有Region Server的信息，包括具体的数据段存放在哪个Region Server上。

具体来说，ZooKeeper存储着hbase:meta信息。hbase:meta表记录着HBase中所有Region的相关信息。

HDFS

在Hadoop集群环境下，Hbase是运行于HDFS上的，所以对于HDFS的架构也建议要有比较清晰的了解和认知。尤其是在存储文件，处理故障转移和复制块的方面，HDFS当中的NameNode和DataNode，可以联动起来学习。

关于Java大数据，Hbase分布式存储入门，以上就为大家做了简单的介绍了。Hbase在大数据技术生态体系当中，重要性不言而喻，学习当中也应当给予相应的重视。