Apache HBase

Apache HBase 是一个开源的分布式非关系型数据库,属于宽列存储(列族)模型,构建在 Hadoop 分布式文件系统之上。它以 Google 的 Bigtable 论文为设计蓝本,旨在为超大规模的稀疏表提供随机、实时的读写能力,是 Hadoop 生态中重要的存储组件。

概述

HBase 将数据组织为表,每张表由行键和若干列族构成,同一列族下的列可以动态增减,非常适合列稀疏的场景。数据按行键有序存储并自动分区为区域,分布到集群的多台节点上,从而支持水平扩展。HBase 底层依赖 HDFS 保证数据可靠性,并借助预写日志实现故障恢复。

核心特点

• 面向列族的宽列模型,支持动态列和稀疏存储,节省空间。
• 基于行键的有序存储,支持高效的范围扫描与随机点查。
• 采用 LSM 树结构写入,通过内存表与合并压实优化写入性能。
• 自动分区与负载均衡,可线性扩展到数千节点存储数十亿行数据。
• 与 Hadoop、MapReduce、Spark 等大数据组件深度集成。

应用场景

HBase 常用于需要存储海量数据并进行实时随机访问的场景,如时序监控数据、用户行为日志、消息与订单历史、搜索引擎的网页库等。当数据量达到十亿行以上、传统关系型数据库难以承载时,HBase 提供了可扩展且成本可控的解决方案。

常见问题

问:HBase 和关系型数据库有何不同?答:HBase 不支持复杂的多表关联和标准 SQL 事务,而是以行键为核心提供高吞吐的键值式访问,强项在于海量稀疏数据的水平扩展。

问:HBase 一定要依赖 Hadoop 吗?答:HBase 默认以 HDFS 作为底层存储以获得数据可靠性,通常与 Hadoop 生态一同部署,因此在大数据平台中最为常见。