Hbase背景

[geosmart]

介绍Hbase出场背景、解决问题、应用场景

官方Hbase简介

Use Apache HBase™ when you need random, realtime read/write access to your Big Data.
当需对大数据进行随机，实时读/写时采用Hbase；

This project's goal is the hosting of very large tables -- billions of rows X millions of columns -- atop clusters of commodity hardware.
Hbase项目的目标是在集群中存储数十亿行，数百万列的超级大表；

Apache HBase is an open-source, distributed, versioned, non-relational database modeled after Google's Bigtable: A Distributed Storage System for Structured Data by Chang et al.
Hbase是一个开源的分布式的非关系型数据库，其数据模型是基于Google的Bigtable论文（结构化数据的分布式存储系统）开发的；

Just as Bigtable leverages the distributed data storage provided by the Google File System, Apache HBase provides Bigtable-like capabilities on top of Hadoop and HDFS.
正如Google的Bigtable用Google文件系统分布式存储数据，Hbase基于Hadoop的HDFS(Hadoop File System)来存储海量数据；

一句话：Hbase是山寨Google的Bigtable的开源、分布式、列数据库，可以解决海量数据的存储问题，适用于需要随机、实时读/写的场景；

Hbase的出场背景

HBase 是Powerset在2007年创建的，最初是Hadoop的一部分。之后，它逐渐成为Apache软件基金会旗下的顶级项目，具备Apache软件许可证，版本为2.0。

下面是一个HBase随时间发展的简短概述：
2006年11月：Google发布BigTable论文。
2007年2月：HBase宣布在Hadoop项目中成立。
2007年10月：HBase第一个“可用”版本（Hadoop 0.15.0）。
2008年1月：Hadoop成为Apache的顶级项目，HBase成为Hadoop的子项目。
2008年10月：Hadoop 0.18.1发布。
2009年1月：HBase 0.19.0发布。
2009年9月：HBase0.20.0发布，性能有明显提升。
2010年5月：HBase成为Apache的顶级项目。
2010年6月：HBase 0.89.20100621，第一个开发版本。
2011年1月：HBase 0.90.0发布，稳定性和持续性有所提升。
2011年年中：HBase 0.92.0发布，支持协议处理器和安全控制。
2010年5月前后，HBase的开发者决定打破一直依赖的、步调一致的Hadoop的版本编号。原因是HBase有一个更快的发布周期，同时更接近1.0版本的水平，比Hadoop的预期更快。
为此，版本号从0.20.x跳到了0.89.x，跳跃相当明显。此外，还做了一个决定，将0.89.x定为早期的开发版本。在0.89的基础上最终发布了0.90，即面向所有用户的稳定版。

Powerset
公司位于旧金山，开发了一套用于互联网的自然语言搜索引擎。在2008年7越1日，微软公司收购了Powerset，之后Powerset放弃了对HBase开发的后续支持。

Hbase解决的问题

传统关系数据库的设计不能满足海量数据的读写需求：扩容问题、写单点问题；

Hbase的特点：

• 可动态扩容，Hadoop/HDFS Integration
• 强一致性读写， Strongly consistent reads/writes
• 自动分片， Automatic sharding
• 失败自动切换，Automatic RegionServer failover

Hbase与Hive的关系

联系

• Hbase和Hive都是Hadoop生态中的重要组件，数据都是存储在HDFS上的；

区别

• Hive时效性在秒-分钟级别，适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网站的日志；HiveSQL的执行可以基于Spark或者MapReduce；
• HBase时效性在毫秒（100ms）级别，适合准实时查询，例如 Facebook 用 HBase 进行消息和实时的分析。Hbase可以基于Phoenix SQL访问；

Hbase与RDBMS的区别

	HBase	RDBMS
硬件架构	类似于 Hadoop 的分布式集群，硬件成本低廉	传统的多核系统，硬件成本昂贵
容错性	由软件架构实现，由于由多个节点组成， 所以不担心一点或几点宕机	一般需要额外硬件设备实现 HA 机制
数据库大小	PB	GB、TB
数据排布方式	稀疏的、分布的多维的 Map	以行和列组织
数据类型	Bytes	丰富的数据类型
事物支持	ACID 只支持单个 Row 级别	全面的 ACID 支持，对 Row 和表
查询语言	只支持 Java API （除非与其他框架一起使用，如 Phoenix、Hive）	SQL
索引	只支持 Row-key， 除非与其他技术一起应用，如 Phoenix、Hive	支持
吞吐量	百万查询/每秒	数千查询/每秒

Hbase的适用场景

1. 写密集型应用：每天写多读少的应用，比如IM的历史消息，游戏的日志；
2. 查询场景明确且简单，如扫描一条记录或根据rowkey进行前缀扫描，因此Hbase需要根据查询需求设计RowKey；
3. 对性能和可靠性要求非常高的应用，由于HBase本身没有单点故障，可用性非常高。
4. 数据量较大，而且增长量无法预估的应用，HBase支持在线扩展，即使在一段时间内数据量呈井喷式增长，也可以通过HBase横向扩展来满足功能。

Hbase的限制场景

• 不适合以复杂查询条件来查询数据的应用，原生HBase只支持基于rowkey的查询，对于HBase来说，单条记录或者小范围的查询是可以接受的，大范围的查询由于分布式的原因，在性能上没有保障；

• 不适合事务要求高的应用，如多表Join查询