HBase基礎
什麼是HBase
它第一句就告訴我們了是Hadoop的Database，跟Hadoop有關係的，a distributed分佈式的，scalable可擴展的，根據這句話的描述，我們可以知道，HBase的數據是存儲再Hadoop中HDFS中的，它數據是要落盤的。我們搭建HBase的時候呢，它是一個集羣，是分佈式的，可擴展的意思就是橫向擴展的意思。可以添加很多很多的節點。big data store海量數據的存儲。所以HBase是存儲系統。
什麼時候用HBase
其中有些詞彙我們拿出來分析一下，random隨機的，realtime實時的，read/write讀寫，Big Data海量數據，這句話大概意思就是，你想隨機實時的讀寫海量數據，這個時候我們就可以考慮使用HBase。並且看圖：
它還是一個數十萬行和數百萬列的大表。這是它項目的目標，支持這麼大的表
而且它還說了是將谷歌的BigTable進行了開源實現，相當於借鑑了谷歌的BigTable
HBase定義
HBase是一種分佈式、可擴展、支持海量數據存儲的NoSQL數據庫
思考題：什麼是NoSQL？
說的具體點，就是，非關係型，分佈式，不提供ACID的數據庫設計模式，這裏的ACID指的是數據庫四個事務特性。原子，一致，隔離，持久。以鍵值形式，和麪向文檔形式存儲。
我們其實再大數據領域，已經有了海量存儲系統，HDFS，那麼爲什麼還要一個HBase呢？我們關心存儲系統，主要關心就是讀寫問題，HDFS的讀寫太慢了，它是批量讀寫，一次寫海量數據，一次讀海量數據，不能做到隨機讀寫，比如說：我在10億條數據中修改一個數據，HDFS是不支持這個操作的，我們的HDFS主要做什麼呢？主要存儲靜態數據，所以我們搞了個HBase，它快在了哪裏呢？快在了隨機實時讀寫上。它是支持這個的。我現在有海量的數據，在10億條數據中修改某一條，刪除某一條，都是能做到的
HBase數據模型
所謂的數據模型，就是指的我們HBase的數據結構。我數據扔進去之後，給用戶展現出什麼樣子的。底層又存儲成什麼樣的。
邏輯上，HBase的數據模型同關係型數據庫很類似，數據存儲在一張表中，有行有列。但從HBase的底層物理存儲結構（K-V）來看，很多個kv鍵值對我們通常稱之爲Map，HBase更像是一個multi-dimensional map
HBase簡單邏輯結構
這個簡單的邏輯架構先帶我們認識HBase的結構。後面還會豐富它，並且糾正它，這裏只是爲了方便好理解。
所謂的邏輯結構，就是HBase給我們展現出來的是什麼樣的數據。
如圖所示：底下這張圖就是HBase他給我們用戶呈現出來的樣子。與我們關係型數據庫中的表是一樣的，非常相似。有行有列
而在這張圖中，有一個非常重要的概念在裏面，就是personal_info和Office_info的位置，我們稱之爲列族。它的英文爲Colum n Family，意思就是多個列的組合。一個列族下面有多個列。
在底層存儲的時候，一個列族的數據，我們是存儲在一起的，不同列族的數據，我們是分開存儲的。
第二個就是列的概念，相當於關係型數據庫中的字段是一個概念。其實這個列理解起來簡單
但是它沒有那麼簡單，我們關係型數據庫中是不是要建表，建表的時候需要聲明這個表中有哪些字段。有哪些列，都要提前規劃好，而每個字段都會有相應的數據類型跟隨，是Int類型，還是Varchar類型，而在我們HBase中建表的時候，我們其實是不需要聲明列的，我們建表的時候只需要聲明列明就夠了。
我們沒有列怎麼插入數據呢？我們HBase的列，就是在我們插入數據的時候纔會出現。那我們是不是這個列可以隨便寫呢，我們插入數據的時候，想插入那個列，就插入哪個列，如果這個列以前沒有，那麼插入數據的時候是不是就有了呀。這個其實是和我們的底層存儲有關係的。一會兒我們說底層存儲時會講。
下一個概念教RowKey，非常非常重要，在HBase中非常重要。這個RowKey可以和關係型數據庫中的主鍵做一個類比
我們這個RowKey，在我們的HBase中比哪個主鍵要強太多了。那麼這個重要性體現在什麼地方呢？首先我們觀察一下，會發現它時有序的。也就是說，我們HBase中的數據是有序的。排序的時候我們是按照RowKey的字典順序排序的。看第二個11和第三個2就會發現了。他是一個字符一個字符比的
而在我們檢索數據庫的時候，我們需要對數據庫進行查詢，我們檢索數據的時候只能根據這個RowKey去檢索。比如說穩要查一下這個李四的電話號碼是多少？如果是關係型數據庫，穩直接用SQL就可以查詢select name from 表名 where name = 李四，我們如果在HBase中查詢李四數據的時候，只能查詢RowKey11這條數據在哪裏
用其他的什麼列區檢索能不能實現？其實也是能實現的，只不過性能是非常差的，如果穩通過name去檢索李四，它會掃描全表，將姓名等於李四的過濾出來。如果我們就想要姓名等於李四的手機號，通過RowKey去查詢，我們怎麼做呢？我們可以將姓名這個字段融入到RowKey當中。RowKey是我們自己設定的，我們就可以通過RowKey加上Name去過濾李四。RowKey我們自己設計，想怎麼設計，就怎麼設計。我們效率之所以高，也是因爲RowKey是有序的。完全可以混入二分查找法來加速我們的查詢。至於RowKey到底怎麼設計，我們後面再說。
這裏注意一個小點，就是同一個RowKey的列族是會別切分的。如圖：
我們HBase是一個分佈式存儲系統，一旦涉及到分佈式，我們就要有一個分區的概念，這裏和Kafka比較類似。它的分區時橫向分的，而每一個分區都叫做Region，Region地區地域的意思。而每一個分區都有一個RowKey的範圍。至於分區怎麼分，我們後面會說。相同的RowKey不可以跨Region，言外之意就是一行的數據只能存儲在一個分區裏面。
下面還有一個概念叫做Store，Store存儲的意思，它時幹什麼用的呢？他就是幹數據存儲的一個組件。那麼我一個Store存儲的單元是什麼？也就是說我一個Store負責的區域是什麼？它負責的是一個Region中的一個列族。如圖：
我們的一個表中會有多個Region，我們的一個表中也會有很多個列族，而我們剛纔的那個圖中應該有幾個Store纔對呢？有6個纔對。
下圖是回顧總結。
HBase簡單物理結構
所謂物理結構，就是HBase在底層是怎麼存儲的。我們以上面的一個Store爲例，看一下它底層是怎麼存儲的。以張三這個數據爲例
我們存儲一行數據要存儲這麼多東西？它看着也像一張表。我們看一下都是什麼，如圖所示：
看到這裏我們感覺HBase更像一個多維的Map，V是誰呢？就是什麼張三，北京電話，誰是K呢？每一行除去V，前面的一大堆都叫K。這個K是多個字段組成的，所以我們叫他多維的Map。下面的一行數據對應的就是上面的一個小單元格，入下面張三一大行數據，對應的就是上面一個單元格張三的位置，北京也是如此。但是我們上面只有三個單元格，爲啥下面有四行數據呢？最後兩行數據都是電話，爲什麼會存儲兩條數據呢？其實是更新了。HBase會認時間戳的，他會顯示最新時間戳的數據信息。它是以追加一條數據的方式，實現了修改和刪除的功能。爲什麼不直接修改呢？是因爲我們的數據是海量數據，直接修改數據首先要定位數據，開銷非常大。其實HBase是犧牲了一部分讀取的性能換來了它寫性能的提升。我們在HBase中刪除一條數據使用Delete的時候，我們會將數據類型進行更改變成Delete，當HBase檢索到這條數據看到它這個類型，HBase會判斷的，刪除的數據不會再顯示。這個刪除的數據不會永久保留，我們後續再說
這裏還牽扯數來一個版本的問題，就是時間戳，我們可以設定我們要幾個版本的數據，我想保留一條數據的三個版本，我就將version設成3，會顯示出最近一條數據追加更新的三條歷史記錄一樣的東西。
需要更多大數據資料或者討論技術，加微信
