HBase大势已成

　　对比传统RDBMS领域，NoSQL界的厮杀显然更加激烈。而在这场没有硝烟的战场中，mongodb和Cassandra无疑是风头最劲的两个产品。但是如果你着眼HBase，各大热门技术（比如Spark、Hadoop）及知名厂商（比如微软、SpliceMachine）的支持无疑描绘出一个更美好的未来，下面我们一起看GigaomAndrew带来的分析。

　　在Nosql数据库领域，统治产品无疑当属MongDB和DataStaxEnterprise（一个领先的ApacheCassandra发行版）。然而本周的两条新闻头条却开始关注一个尽管很顽强，但知名度低的选手——ApacheHBase，这个几乎包含在任何主流Hadoop发行版的NoSQL数据库。

　　Mongo的挑战

　　聚焦之前，有两个事件值得关注——7岁的MongoDB任命了第三任CEO，以及主打HBase的初创公司SpliceMachine新一轮融资超过300万美元。对比MongoDB和HBase，无论是独自还是联合发展，后者都没有任何超越前者的迹象。最终，即将离职的MongoDBCEOMaxSchireson将其离职原因归结于需要频繁奔波于公司在PaloAlto和NewYork的两个总部，以及其他的一些工作需求。

　　MongoDB似乎诠释了快速发展的苦恼，不仅仅表现在经营管理层，也表现在技术发展层面上——从许多开发者和圈内朋友那得知，MongoDB在大规模下表现非常差，不管是集群大小还是数据摄入体积。

　　分歧中的发展

　　但不得不说，HBase的势头正在上扬，并且不存在MongoDB发展中所遇见的问题。虽然HBase没有像MongoDB及Cassandra背后那些龙头企业撑腰，但其发展已经很好了：

　　HBase介绍

　　HBase是Hadoop生态系统中一个重要的NOSQL存储，它一些设计思想来自于Google的Bigtable，因此在Key-Value存储结构上与同出一门的Cassandra有相似之处。

　　HBase出现的背景

　　随着数据规模越来越大，大量业务场景开始考虑数据存储水平扩展，使得存储服务可以增加/删除，而目前的关系型数据库更专注于一台机器。

　　海量数据量存储成为瓶颈，单台机器无法负载大量数据。

　　单台机器IO读写请求成为海量数据存储时候高并发，大规模请求的瓶颈。

　　当数据进行水平扩展时候，如何解决数据IO高一致性问题。

　　结合Map/Reduce计算框架进行海量数据的离线分析。

　　应用场景

　　HBase与同时代的cassandra，mongoDB相比，其是一个重量级的nosql存储系统。根据一些信息来源，目前实际产线中cassandra最大部署规模在400台左右，Mongodb则实际应用少见。其它例如memcache,redis，实际上很难说它是个nosql存储，只能说是缓存存储，存储数据量有限。

　　cassandra出现这样的一个重要问题在于随着集群规模越来越大，由于缺乏master节点导致缓存命中率可能非常差。

　　而HBase在facebook部署有上千台规模。

　　HBase一个最重要的特性在于，其在满足海量存储规模的前提下，数据读写IO变化幅度并不是特别明显，延迟性变化幅度相对较小。

　　与cassandra不同的是，cassandra满足CAP原则的高可用性，分区可容忍性原则，而HBase则满足了分区可容忍性，高一致性原则，对于高可用性，HBase由于HMaster单点失败问题而无法满足。

　　另外一个重要特性在于，HBase与hadoopHDFS，Map/Reduce的天然结合，这是其他NOSQL存储无法比拟的优势。

　　例如在hadoop0.20.2map/reducenewAPI中，对于海量数据全局排序，由于缺乏TotalOrderPartitioner对newAPI支持，甚至直接都可以使用HBase库中的TotalOrderPartitioner包进行处理。

　　HBase与hadoop平台能够结合的一个最大优势在于，HBase分布式存储后数据分块的replication由hadoopHDFS自动分发完成。HBase是一个读写延迟性相对较低的nosql存储，与hadoopHDFS存储相比，HBASE更专注于单条数据交互读写，低延迟性；而HADOOPHDFS则更专注于批量数据的读写，更专注于高吞吐量，导致其延迟性较高。

　　因此对于在线业务应用场景产生的数据，需要进行离线分析时，直接对HADOOPHDFS操作，将使得前期工作更为复杂，需要考虑数据提前合并，避免HADOOP小文件存储对NameNodeeditlog产生的影响，同时还要考虑文件追加写入，这恰恰是HadoopHDFS不具有的功能。

　　因此HBase能够在Hadoop生态系统中出现，是有一定原因，它弥补了hadoop上述的缺陷，使得hadoop生态系统服务更加全面。

　　HBase部署的简单描述

　　HBase部署相对是一个较大的动作，其依赖于zookeepercluster,hadoopHDFS。

　　其中Zookeeper作用在于：

　　1，hbaseregionserver向zookeeper注册，提供hbaseregionserver状态信息（是否在线）

　　2，hmaster启动时候会将hbase系统表-ROOT-加载到zookeepercluster，通过zookeepercluster可以获取当前系统表.META.的存储所对应的regionserver信息。

　　HMaster主要作用在于，通过HMaster维护系统表-ROOT-,.META.，记录regionserver所对应region变化信息。此外还负责监控处理当前hbasecluster中regionserver状态变化信息。

　　hbaseregionserver则用于多个/单个维护region。

　　region则对应为hbase数据表的表分区数据维护。

　　HBase如今作为Hadoop的一部分存在，使用HDFS作为表格表示它可以从其他Hadoop负载中导入和导出数据，也可以单独工作。

　　ApacheHive可以用于HBase数据查询，为NoSQL数据库提供SQL接口。

　　MapR一直致力于提升HBase在操作应用程序方面的应用，为此该公司开发了自定义的HDFS读写版本，其发布的基于C++、兼容HBase数据库的M7Hadoop专为可操作性工作负载设计。

　　Continuuity的产品Reactor为Hadoop与HBase整合使用设计。

　　ApacheKnox、HortonworksXASecure和ZettasetOrchestrator都为HBase数据提供了安全服务。

　　微软现在提供基于云的集群服务，特别为基于Hadoop的AzureHDInsight云服务预览版本提供了HBase配置。这一基于HBase的实施应用于AzureBlob存储中。

　　上面提到过，SpliceMachine已经成功为HBase发行版融资，有趣的是它还是一个关系型数据库。这在一定程度上说明了，基于HBase多功能性的横向扩展数据库基础设施并不限制必须使用NoSQL应用程序。

　　展望HBase未来

　　从SpliceMachine和微软的产品来看，HBase是一个兼容了其他数据技术的NoSQL数据库。同时，人们对“DataLake”架构日益增长的兴趣也增加了HBase成功的几率。对于HBase的持续发展，让我们拭目以待。

　　小编结语：

　　更多内容尽在课课家教育！