4.12 HBase简介 表4-1 HBase和 BigTable的底层技术对应关系 HBase Bigtable 文件存储系统 GFS HDFS 海量数据处理 Map reduce Hadoop Map reduce 协同服务管理 Chubby Zookeeper 《大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu. edu
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 4.1.2HBase简介 表4-1 HBase和BigTable的底层技术对应关系 BigTable HBase 文件存储系统 GFS HDFS 海量数据处理 MapReduce Hadoop MapReduce 协同服务管理 Chubby Zookeeper
4.12 HBase简介 关系数据库已经流行很多年,并且 Hadoop已经有了HDFS和 MapReduce, 为什么需要 HBase? Hadoop可以很好地解决大规模数据的离线批量处理问题,但是, 受限于 Hadoop MapReduce编程框架的髙延迟数据处理机制,使 得 Hadoop无法满足大规模数据实时处理应用的需求 HDFS面向批量访问模式,不是随机访问模式 传统的通用关系型数据库无法应对在数据规模剧增时导致的系统 扩展性和性能问题(分库分表也不能很好解决 ˆ传统关系数据库在数据结构变化时一般需要停机维护;空列浪费 存储空间 -因此,业界出现了一类面向半结构化数据存储和处理的高可扩展、 低写入/査询延迟的系统,例如,键值数据库、文档数据库和列族 数据库(如 Big Table和 HBase等) HBase已经成功应用于互联网服务领域和传统行业的众多在线式 数据分析处理系统中 《大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu. edu
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 4.1.2HBase简介 关系数据库已经流行很多年，并且Hadoop已经有了HDFS和MapReduce， 为什么需要HBase? •Hadoop可以很好地解决大规模数据的离线批量处理问题，但是， 受限于Hadoop MapReduce编程框架的高延迟数据处理机制，使 得Hadoop无法满足大规模数据实时处理应用的需求 •HDFS面向批量访问模式，不是随机访问模式 •传统的通用关系型数据库无法应对在数据规模剧增时导致的系统 扩展性和性能问题（分库分表也不能很好解决） •传统关系数据库在数据结构变化时一般需要停机维护；空列浪费 存储空间 •因此，业界出现了一类面向半结构化数据存储和处理的高可扩展、 低写入/查询延迟的系统，例如，键值数据库、文档数据库和列族 数据库（如BigTable和HBase等） •HBase已经成功应用于互联网服务领域和传统行业的众多在线式 数据分析处理系统中
●4.13 HBase与传统关系数据库的对比分析 HBase与传统的关系数据库的区别主要体现在以下几个方面: (1)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, 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 (2)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。 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 ·(3)存储模式:关系数据库是基于行模式存储的。 HBase是基于列 存储的,每个列族都由几个文件保存,不同列族的文件是分离的 《大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu. edu
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 4.1.3HBase与传统关系数据库的对比分析 • HBase与传统的关系数据库的区别主要体现在以下几个方面： • （1）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，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 • （2）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。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 • （3）存储模式：关系数据库是基于行模式存储的。HBase是基于列 存储的，每个列族都由几个文件保存，不同列族的文件是分离的
●4.13 HBase与传统关系数据库的对比分析 · HBase与传统的关系数据库的区别主要体现在以下几个方面: (4)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 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 (5)数据维护;在关系数据库中,更新操作会用最新的当前值去替 换记录中原来的旧值,旧值被覆盖后就不会存在。而在 HBase中执行 更新操作时,并不会删除数据旧的版本,而是生成一个新的版本,旧 有的版本仍然葆 ·(6)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和 Big Table这些分布式数据库就是为了实现 深话的水平拉开的,能彭轻易地通过在集群中增加或者减少硬 《大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu. edu
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 4.1.3HBase与传统关系数据库的对比分析 • HBase与传统的关系数据库的区别主要体现在以下几个方面： • （4）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 • （5）数据维护：在关系数据库中，更新操作会用最新的当前值去替 换记录中原来的旧值，旧值被覆盖后就不会存在。而在HBase中执行 更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧 有的版本仍然保留 • （6）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和BigTable这些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
4.2 HBase访问接口 表4-2 HBase访问接口 类型 特点 场合 Native java api最常规和高效的访问方式适合 Hadoop MapReduce业 并行批处理 HBase表数据 HBase shell HBase的命令行工具,最适合HB管理使用 简单的接口 Thrift Gateway利用Th序列化技术,适合其他异构系统在线访问 支持C++、PHP、 PythonHBase表数据 等多种语言 REST Gateway 解除了语言限制 支持REST风格的 Http Api访问 HBase Pig 使用 Pig latin流式编程语|适合做数据统计 言来处理 HBase中的数据 Hiv 简单 当需要以类似SQL语言方式来 访问 HBase的时候 《大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu. edu
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 4.2 HBase访问接口 表4-2 HBase访问接口 类型 特点 场合 Native Java API 最常规和高效的访问方式 适合Hadoop MapReduce作业 并行批处理HBase表数据 HBase Shell HBase的命令行工具，最 简单的接口 适合HBase管理使用 Thrift Gateway 利用Thrift序列化技术， 支持C++、PHP、Python 等多种语言 适合其他异构系统在线访问 HBase表数据 REST Gateway 解除了语言限制 支持REST风格的Http API访问 HBase Pig 使用Pig Latin流式编程语 言来处理HBase中的数据 适合做数据统计 Hive 简单 当需要以类似SQL语言方式来 访问HBase的时候