HBase概述_hbase表-CSDN博客

本文链接：https://blog.csdn.net/weixin_52851967/article/details/127585423

本文介绍了HBase，它是分布式海量列式非关系型数据库，可实时随机读写超大规模数据集。阐述了其特点，如海量存储、列式存储等，适用于交通、金融等领域海量明细数据存储。还介绍了HBase的数据模型和整体架构，包括Zookeeper、HMaster等组件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、HBase 简介

1.1、HBase是什么

HBase 基于 Google的BigTable论文而来，是一个分布式海量列式非关系型数据库系统，可以提供超大规模数据集的实时随机读写。

接下来，通过一个场景初步认识HBase列存储

如下MySQL存储机制，空值字段浪费存储空间

id	NAME	AGE	SALARY	JOB
1	小明	32		学生
2	小红		10w	程序猿

如果是列存储的话，可以这么玩......

rowkey：1 name：小明

rowkey：1 age：23

rowkey：1 job：学生

rowkey：2 name ：小红

rowkey：2 salary：10w

rowkey：2 job：律师

....

列存储的优点：

减少存储空间占用。
支持好多列

1.2、HBase的特点

海量存储：底层基于HDFS存储海量数据
列式存储：HBase表的数据是基于列族进行存储的，一个列族包含若干列
极易扩展：底层依赖HDFS，当磁盘空间不足的时候，只需要动态增加DataNode服务节点就可以
高并发：支持高并发的读写请求
稀疏：稀疏主要是针对HBase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。
数据的多版本：HBase表中的数据可以有多个版本值，默认情况下是根据版本号去区分，版本号就是插入数据的时间戳
数据类型单一：所有的数据在HBase中是以字节数组进行存储

1.3、HBase的应用

交通方面：船舶GPS信息，每天有上千万左右的数据存储。
金融方面：消费信息、贷款信息、信用卡还款信息等
电商方面：电商网站的交易信息、物流信息、游览信息等
电信方面：通话信息

总结：HBase适合海量明细数据的存储，并且后期需要有很好的查询性能（单表超千万、上亿，且并发要求高）

2、HBase数据模型

HBase的数据也是以表（有行有列）的形式存储

HBase逻辑架构

HBase物理存储

概念	描述
Namespace （数据库）	命名空间，类似于关系型数据库的database概念，每个命名空间下有多个表。HBase两个自带的命名空间，分别是hbase和default, hbase中存放的是HBase内置的表，default表是用户默认使用的命名空间。一个表可以自由选择是否有命名空间，如果创建表的时候加上了命名空间后，这个表名字以<Name space>:<Table>作为区分！
Table	类似于关系型数据库的表概念。不同的是，HBase定义表时只需要声明列族即可，数据属性，比如超时时间 (TTL），压缩算法 (COMPRESSION) 等，都在列族的定义中定义，不需要声明具体的列。
RoW（一行逻辑数据）	HBase表中的每行数据都由一个Rowkey和多个Column（列）组成。一个行包含了多个列，这些列通过列族来分类,行中的数据所属列族只能从该表所定义的列族中选取,不能定义这个表中不存在的列族，否则报错NoSuchColumnFamilyException。
Rowkey （每行数据主键）	Rowkey由用户指定的一串不重复的字符串定义，是一行的唯一标识！数据是按照RowKey的字典顺序存储的，并日查询数据时只能根据RowKey进行检素，所以RowKey的设计十分重要。如果使用了之前已经定义的Rowkey，那么会将之前的数据更新掉！
Column Family（列族）	列族是多个列的集合。一个列族可以动态地灵活定义多个列。表的相关属性大部分都定义在列族上，同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性。列族存在的意义是HBase会把相同列族的列尽量放在同一台机器上，所以说，如果想让某几个列被放到一起，你就给他们定义相同的列族。
Column Qualifier（列）	Hbase中的列是可以随意定义的，一个行中的列不限名字、不限数量，只限定列族。因此列必须低赖于列族存在！列的名称前必须带着其所属的列族！例如info：name, info：age
TimeStamp (时间戳-》版本)	用于标识数据的不同版本 (version）。时间戳默认由系统指定，也可以由用户显式指定。在读取单元格的数据时，版本号可以省略，如果不指定，Hbase默认会获取最后一版本的数据返回！
Cell	一个列中可以存储多个版本的数据。而每个版本就称为一个单元格 (Cell)
Region（表的分区）	Region由一个表的若干行组成！在Region中行的排序按照行键(rowkey）字典排序。Region不能跨RegionSever，且当数据量大的时候，HBase会拆分Region.

3、HBase整体架构

Zookeeper

实现了HMaster的高可用
- 保存了HBase的元数据信息，是所有HBase表的寻址入口
对HMaster和HRegionServer实现了监控

HMaster（Master）

为HRegionServer分配Region
- 维护整个集群的负载均衡
维护集群的元数据信息
发现失效的Region，并将失效的Region分配到正常的HRegionServer上

HRegionServer（RegionServer）

负责管理Region
接受客户端的读写数据请求
切分在运行过程中变大的Region

Region

每个HRegion由多个Store构成，
每个Store保存一个列族（Columns Family），表有几个列族，则有几个Store，
每个Store由一个MemStore和多个StoreFile组成，MemStore是Store在内存中的内容，写到文件后就是StoreFile。StoreFile底层是以HFile的格式保存。