Hbase（笔记三）

一、Hbase简介

1. Hbase具有高可靠，高性能，面向列，可伸缩的特点。
2. Hbase作为分布式数据库，可以用来存储非结构化和半结构化的松散数据。
3. Hbase是一个稀疏的多维度的排序的映射表。
4. Hbase通过行键，列族，列限定符，列时间戳来定义一个数据。
5. Hbase每一个值都是未经解释的字符串也就是Bytes数组。
6. Hbase一个行有一个行键和任意多个列。
7. Hbase属于列式存储。

二、Hbase功能组件

1.  库函数：一般用于键接每个客户端。
2. Master服务器：分区信息进行维护和管理；维护了一个Region服务器列表；整个集群中有哪些Region服务器在工作；负责对Region进行分配；负载均衡。
3. Region服务器：负责存储不同的Region。

三、Hbase设计了三层结构实现Region的寻址和定位

1. 首先要构建一个元数据表，假设这个元数据表只有两列，第一列是Region的id，第二列是Region服务器的id。
2. Hbase最开始构建时有一个映射表，这个映射表被称为.META表，.META表是用于存储元数据的。
3. 
4. 为了加速寻址，客户端会缓存位置信息，同时，需要解决缓存失效问题，如何解决呢？先去寻找缓存，如果找不到，则判定失效→三层寻址。

四、用户读写数据

1. 用户写入数据

　　　2.用户读取数据

五、缓存的刷新

1. 系统会周期性的把MemStore缓存里的内容刷写到磁盘的StoreFile文件中，清空缓存，并在HLog里面写入一个标记。
2. 每次刷新都生成一个新的StoreFile文件，因此，每个Store包含多个StoreFile文件。
3. 每个Region服务器都有一个自己的HLog文件，每次启动都检查该文件，确认最近一次执行缓存刷新操作之后是否发生新的写入操作，如果发现更新，则先写入到MemStore，再刷写到StoreFile，最后删除旧的HLog文件，开始为用户提供服务。

六、Hbase性能优化方法

1. 时间靠近的数据都存在一起→时间戳：a.按升序排序；b.越到后时间戳会越来越大；c.长整型变量64位。Long.MAX_VALUE_timestamp作为行键，用系统最大的整数值减去时间戳→排序就反过来了从而改变了排序的顺序。
2. 提升读写性能：设置HColumnDescriptor.setInMemory选项为true→放入缓存中去。
3. 设置HColumnDescriptor.setMaxVersionsMaxVersions，设置最大版本数。
4. 设置TimeToLive参数，生命周期。

七、Hbase性能检测

1. Master-status
2. Ganglia
3. OpenTSDB
4. Ambari

八、Hbase使用SQL

1. Hive
2. Phoenix

九、Hbase利用Coprocessor特性去构建二级索引，Coprocessor提供了两个实现：

1. endpoint：相当于存储过程。
2. observer：相当于触发器。