一. 什么時候需要HBase1. 半結構化或非結構化數(shù)據(jù) 對于數(shù)據(jù)結構字段不夠確定或雜亂無章很難按一個概念去進行抽取的數(shù)據(jù)適合用HBase。當業(yè)務發(fā)展需要增加存儲比如一個用戶的email，phone，address信息時RDBMS需要停機維護，而HBase支持動態(tài)增加. 2. 記錄非常稀疏 RDBMS的行有多少列是固定的，為null的列浪費了存儲空間。而如上文提到的，HBase為null的Column不會被存儲，這樣既節(jié)省了空間又提高了讀性能。 3. 多版本數(shù)據(jù) 根據(jù)Row key和Column key定位到的Value可以有任意數(shù)量的版本值，因此對于需要存儲變動歷史記錄的數(shù)據(jù)，用HBase就非常方便了。對于某一值，業(yè)務上一般只需要最新的值，但有時可能需要查詢到歷史值。 4. 超大數(shù)據(jù)量 當數(shù)據(jù)量越來越大，RDBMS數(shù)據(jù)庫撐不住了，就出現(xiàn)了讀寫分離策略，通過一個Master專門負責寫操作，多個Slave負責讀操作，服務器成本倍增。隨著壓力增加，Master撐不住了，這時就要分庫了，把關聯(lián)不大的數(shù)據(jù)分開部署，一些join查詢不能用了，需要借助中間層。隨著數(shù)據(jù)量的進一步增加，一個表的記錄越來越大，查詢就變得很慢，于是又得搞分表，比如按ID取模分成多個表以減少單個表的記錄數(shù)。經歷過這些事的人都知道過程是多么的折騰。采用HBase就簡單了，只需要加機器即可，HBase會自動水平切分擴展，跟Hadoop的無縫集成保障了其數(shù)據(jù)可靠性（HDFS）和海量數(shù)據(jù)分析的高性能（MapReduce）。 二. HTable一些基本概念1. Row key 行主鍵， HBase不支持條件查詢和Order by等查詢，讀取記錄只能按Row key（及其range）或全表掃描，因此Row key需要根據(jù)業(yè)務來設計以利用其存儲排序特性（Table按Row key字典序排序如1,10,100,11,2）提高性能。 2. Column Family（列族） 在表創(chuàng)建時聲明，每個Column Family為一個存儲單元。 3. Column（列） HBase的每個列都屬于一個列族，以列族名為前綴，如列article:title和article:content屬于article列族，author:name和author:nickname屬于author列族。 Column不用創(chuàng)建表時定義即可以動態(tài)新增，同一Column Family的Columns會群聚在一個存儲單元上，并依Column key排序，因此設計時應將具有相同I/O特性的Column設計在一個Column Family上以提高性能。 4. Timestamp HBase通過row和column確定一份數(shù)據(jù)，這份數(shù)據(jù)的值可能有多個版本，不同版本的值按照時間倒序排序，即最新的數(shù)據(jù)排在最前面，查詢時默認返回最新版本。Timestamp默認為系統(tǒng)當前時間（精確到毫秒），也可以在寫入數(shù)據(jù)時指定該值。 5. Value 每個值通過4個鍵唯一索引，tableName+RowKey+ColumnKey+Timestamp=>value 6. 存儲類型
將HTable的存儲結構理解為 即HTable按Row key自動排序，每個Row包含任意數(shù)量個Columns，Columns之間按Column key自動排序，每個Column包含任意數(shù)量個Values。理解該存儲結構將有助于查詢結果的迭代。 三. 模式設計應遵循的原則1. 列族的數(shù)量以及列族的勢 列族的數(shù)量越少越好，牽扯到了hbase的flushing；同一個表中不同列族所存儲的記錄數(shù)量的差別也需要考慮（列族的勢），會造成記錄數(shù)量少的列族的數(shù)據(jù)分散在多個region上，影響查詢效率。 2. 行鍵的設計 避免使用時序或者單調（遞增/遞減）行鍵，否則會導致連續(xù)到來的數(shù)據(jù)會被分配到統(tǒng)一region中。 3. 盡量最小化行鍵和列族的大小 避免hbase的索引過大，加重系統(tǒng)存儲的負擔 4. 版本的數(shù)量 HColumnDescriptor設置版本的數(shù)量，避免設置過大，版本保留過多。 作者：颯然Hang，架構師/后端工程師，working@中華萬年歷 |
|
|
