前言

本周学习了部分关于Hadoop生态圈周边的一些系统，简单的做个小结，本篇文章主要讲的是HBase的介绍。HBase是一个在HDFS上构建的面向列的分布式数据库，他与传统的RDBMS还是有许多的不同之处的。HBase的出现可以解决海量数据存储的问题，而且他可以比较容易的解决伸缩性的问题，这个在以往的传统关系型数据库中都是很大的难题。下面是简单的对于HBase的介绍。

HBase介绍

先说说我的个人感受，当我第一次看到HBase是一个面向列式的存储结构时，我立马想到了Google的BigTable，因为他也是面向列式存储的，然后里面同样有列簇的概念，也是属于稀疏存储。所以如果你了解了BigTable相信理解HBase也不会太难。

HBase系统结构

这个当然用图形的方式表现呢出来最直观。

撇开图片下方的Hadoop的部分，上一部分才是HBase的结构，因为HBase所存储的数据是在Hadoop的HDFS中，所以会有所关联。简单的来说，HBase也遵循主从关系，即一个master，然后好多个slave。在这里是一个master节点控制着若干个HRegionServer节点，然后在每个HRegionServer下又会控制到好多个HRegion。HRegion才是真正存储数据的地方。然后这期间会由Zookeeper控制协调中间的服务。

HBase的面向列的存储

HBase的面向列的存储特性是他的一大特点，这样就可以真正做到宽度的效果，列可以做到很多，同样给出一个示例图，在此示例图中，有3个列簇。

其实在真实的存储中，空余的部分其实是不占空间的，只是效果图这么画而已。

HBase和RDBMS的比较

传统的RDBMS历经了了几十年的发展，已经形成了许多成熟的特性，而且各方面已经成熟化了，比如MySQL这样的。但是如果在数据并发读写和数据规模这2方面，传统的关系型数据库可能就会比较吃紧了。而HBase要做的事情恰恰在于此。因为HBase本身是一个分布式的数据库系统，所以可以让使用者专注于业务上的处理逻辑，中间的数据传输全部都被HBase抽象处理了。而且HBase支持自动分区，当表增长到一定阈值 ，他可以将一个HRegion分裂为2个HRegion。而且HBase可以实现简单的扩展，通过增加节点数来进行线性的扩展。

在使用HBase时可能会碰到的问题

1、第一个问题是可能会碰到文件描述符用完的情况。因为在HBase中，数据文件在启动 时就被打开，并在处理过程中始终保持打开状态，以便节省每次访问操作打开文件所需的代价，所以适当的时候可以增加最大文件描述符数量的限制。

2、datanode的线程用完的情况。默认情况下Hadoop的datanode上最大只能容纳256个线程运行，而在datanode中打开每个文件连接都会使用一个线程，所以256个线程的限制很快就会达到。可以把dfs.datanode.max.xciervers的值调高，并重启集群。

参考资料：<<Hadoop权威指南>>.Tom.White