hbase為什麼可以儲存海量的稀疏資料
之前的系列文章當中，已經為大家介紹了大資料儲存當中的MongoDB、Redis等資料庫，今天接著來講Hbase。Hbase在大資料儲存當中，與Hadoop生態緊密相關，也是Hadoop生態當中必學的重要元件。下面我們從基礎入門開始，來講講Hbase。
支援大資料處理的第一代框架，以Hadoop為主流代表，而基於Hadoop，產生了比較完善的大資料技術生態，發展至今已有二十多個元件。這其中，Hbase主要在大資料儲存環節，發揮著重要作用。
Hbase簡介
HBase，根據官方給出的定義，是面向列的非關係型分散式資料庫，在Hadoop體系當中，基於分散式檔案系統HDFS來工作。
Hbase的原型，來自於谷歌的BigTable，採用Java語言程式設計，實現了BigTable論文提到的一些壓縮演算法、記憶體操作和布隆過濾器等，這使得Hbase在海量資料儲存、高效能讀寫場景當中，具備相當的優勢。
Hbase特性
基於列式儲存模型，實現資料高度壓縮，節省儲存成本；
採用LSM機制而不是B（+）樹，更加適合海量資料實時寫入；
高可靠，資料儲存為多個副本（預設是3副本），且具備自動故障轉移功能；
高擴充套件，支援分片擴充套件能力（基於Region），可實現自動、資料均衡；
強一致性讀寫，資料的讀寫都針對主Region上進行，屬於CP型系統；
易操作，HBase提供了Java API、RestAPI/Thrift API等介面
查詢最佳化，採用Block Cache和布隆過濾器來支援海量資料的快速查詢。
Hbase整體架構
Hbase叢集架構，通常涉及到HBase Master、Region Server、Zookeeper、HDFS等幾個配合。
一個Hbase叢集，由一個Master和幾個Region Server組成。其中，Master負責維護表結構資訊；實際的資料儲存在Region Server上，最終Region Server儲存的表資料會直接儲存在HDFS上。
HBase Master
HBase Master作為管理節點，通常在叢集當中會設定有一個主Master，一個備Master，主Master和備Master的管理，由Zookeeper實現。
Master的職責，包括：
管理監控所有的Region Server，負責Region Server故障轉移；
負責表的相關操作（create、modify、remove、enable、disable），列族的相關操作（add、modify、remove），還有Region的move、assign、unassign；
平衡叢集負載並定期檢查並清理hbase：meta表。
Region Server
Region Server，主要負責服務和管理Region。在分散式叢集中，Region Server與DataNode通常按1：1比例安裝，從而實現利用HDFS中的短路徑讀取（Short Circuit），來降低延時。
Region Server的職責，包括：
資料的讀取和寫入，比如：get，put，delete，next等；
Region的拆分和壓縮；
檢查拆分並處理輕微壓縮；
檢查主要的壓縮；
定期重新整理MemStore到StoreFiles中的記憶體中寫入；
定期檢查RegionServer的WAL。
Zookeeper
在叢集環境當中，Zookeeper總是扮演著“管家”的角色，而Hbase的Region Server非常依賴Zookeeper服務，ZooKeeper管理HBase所有Region Server的資訊，包括具體的資料段存放在哪個Region Server上。
具體來說，ZooKeeper儲存著hbase：meta資訊。hbase：meta表記錄著HBase中所有Region的相關資訊。
HDFS
在Hadoop叢集環境下，Hbase是運行於HDFS上的，所以對於HDFS的架構也建議要有比較清晰的瞭解和認知。尤其是在儲存檔案，處理故障轉移和複製塊的方面，HDFS當中的NameNode和DataNode，可以聯動起來學習。
關於Java大資料，Hbase分散式儲存入門，以上就為大家做了簡單的介紹了。Hbase在大資料技術生態體系當中，重要性不言而喻，學習當中也應當給予相應的重視。