相对于rdbms

hbase架构

hbase vs rdbms

• 数据类型
  HBase只有简单的字符串类型
• 数据操作
  HBase只有简单的增、删、改、查等操作，没有表之间的关联
• 存储模式
  HBase基于列存储的，每个列族由几个文件保存
• 数据维护
  HBase不是真正意义上的更新数据
• 可伸缩性
• 应用场景
  Hbase适合大量插入同时又有读的情况
  HBase很适合寻找按照时间排序top n的场景
• HBase的瓶颈是硬盘传输速度，RDBMS的瓶颈是硬盘寻道时间
• 索引不同造成行为的差异

传统数据库的行式存储

• 数据存放在数据文件内
• 数据文件的基本组成单位：块/页
• 块内结构：块头、数据区

行式存储的问题

• 读某个列必须读入整行
• 行不等长，修改数据可能导致行迁移
• 行数据较多时可能导致行链

行标识访问：B树索引

B树索引

B树索引的缺点
空间代价，创建时间代价，维护代价
重复值多时影响效率

B树

hbase和mapreduce

• hbase集成了mapreduce框架，对表中大量数据进行并行处理
• hbase为mapreduce每个阶段提供了相应的类用来处理表数据
• InputFormat类
  • hbase实现了TableInputFormatBase类，该类提供了对表数据的大部分操作，其子类TableInputFormat则提供了完整的实现，用于处理表数据并声称键值对
• Mapper类和Reducer类
  • hbase实现了TableMapper类和TableReducer类
• OutputFormat类
  • hbase实现的TableOutputFormat将输出的<key,value>对写到指定的hbase表中