HBase分布式数据库学习笔记

分布式架构的 HBase，挺适合应对 PB 级大数据，是半结构化和非结构化数据。你只要理解 Region 和 RegionServer 的分布逻辑，基本就能掌握它的伸缩方式。列式存储的机制，读起来还挺高效。数据按列族组织，比如cf:price、cf:count这种结构，查询只拿需要的列，速度快，资源也省。实时读写能力也不赖。写进去的数据，立马就能读，靠的是内存缓存加WAL。这对日志系统、实时统计场景挺友好。强一致性靠的是 Zookeeper 帮忙搞协调，挂了一台 Region Server 也能自动转移，不用太担心容错问题。配上MapReduce还能跑批，起来也方便。还有个点多人会忽略：行键的

关系数据库的局限性- 可扩展性差- 性能瓶颈- 数据结构变更需停机维护- 空间浪费 HBase 的优势- 高可扩展性- 低写入/查询延迟- 半结构化数据处理 应用场景- 互联网服务- 传统行业在线数据分析

HBase，是 Hadoop 生态圈中的一员猛将，尤其适合 PB 级别的大数据。说白了，它是一个分布式的列式数据库，基于 HDFS 构建，简单来说，就是可以存大数据、存得快、存得稳。你能想象它的背后架构嘛？它采用了 Master-Slave 架构，Master 负责表管理和 Region 分配，而 RegionServer 则负责数据的存储和。因为它的分布式特性，系统的扩展性和高可用性棒。比如，随着数据量增长，它会自动拆分 Region，确保性能不掉链子。 HBase 的数据模型也有趣，数据以行（Row）和列族（Column Family）组织。每行数据通过行键唯一标识，列族下可以有多个列，每

HBase 是一个挺强的分布式数据库，专门用来大规模的非结构化数据。如果你正在做需要高吞吐量、大规模存储的项目，HBase 会是一个不错的选择。它和 Google 的 Bigtable 有点类似，都是基于列的存储方式，这样能高效地管理海量数据。而且，HBase 本身运行在 Hadoop 上，性能还是蛮强的。 相比传统的关系型数据库，HBase 更适合存储像日志、社交媒体数据、传感器数据这类结构不太固定的数据。简单来说，HBase 就像是大数据时的一把好刀。不过，你也得注意，它并不适合 OLTP 那种需要高频复杂查询的场景。如果你需要强一致性，可以考虑结合 Zookeeper。 如果你需要深度了

Bigtable是一种分布式数据库，用于管理庞大的数据集。它为大数据环境提供高可扩展性和容错能力。

HBase是一个开源的分布式NoSQL数据库，由Apache软件基金会开发。设计用于处理大规模数据，构建在Hadoop之上，利用HDFS作为底层存储系统。HBase以表格形式组织数据，每个表格由行和列族组成，支持PB级数据处理。核心概念包括行键、列族、列和时间戳。HBase 1.3.1版本具有高可用性、扩展性和实时读写能力，优化了数据模型并支持多版本查询。常用于实时分析、日志存储和物联网数据处理。

hbase 的安装包里头内容还挺全，适合你刚上手或者想自己动手搭个分布式数据库环境的朋友。HBase 是跑在 Hadoop 上的，主打一个能抗压、能扩展，PB 级数据都不带眨眼的。安装包是 1.1.2 版本，虽然有点年头，但基础知识和结构还蛮适合学习的，里面文档和配置文件都备齐了，改改就能跑起来。

分布式数据库带来的新挑战 分布式数据库在提升数据处理能力的同时，也引入了新的问题： 通信开销与故障率: 分布式系统的网络通信需求较高，容易受网络速度和稳定性的影响。通信问题可能导致系统响应缓慢，甚至故障。同时，系统复杂性也会增加故障率，恢复过程也更加复杂，影响整体可靠性。 数据存取复杂性: 相比集中式数据库，分布式数据库的数据存取路径更加复杂，涉及数据定位、跨节点访问等操作，导致更高的存取开销。

分布式数据库系统是一种数据库系统，其中数据分布在多个计算机上，这些计算机通过网络连接。每个计算机都可以独立地处理其本地数据，也可以同时访问和处理其他计算机上的数据。这允许数据库系统扩展到比单个计算机所能处理的更大的规模。