RegionServer 組成部分：
- Region：存儲用戶數(shù)據(jù)的最小單元，一個RegionServer中包含多個Region
- Store：對應(yīng)表的列簇，一個Region中包含多個Store
- MemStore：是一個內(nèi)存式的數(shù)據(jù)結(jié)構(gòu)，一個Store中包含一個MemStore
- StoreFile：MemStore滿了之后就會把數(shù)據(jù)存儲到StoreFile
- HFile：多個StoreFile會被封裝成HFile，HFile最終持久化到HDFS中
- HLog：一個RegionServer包含一個HLog，用于實現(xiàn)預(yù)寫日志，保證HBase的高可用
- Region：存儲用戶數(shù)據(jù)的最小單元，一個RegionServer中包含多個Region
- Store：對應(yīng)表的列簇，一個Region中包含多個Store
- MemStore：是一個內(nèi)存式的數(shù)據(jù)結(jié)構(gòu)，一個Store中包含一個MemStore
- StoreFile：MemStore滿了之后就會把數(shù)據(jù)存儲到StoreFile
- HFile：多個StoreFile會被封裝成HFile，HFile最終持久化到HDFS中
- HLog：一個RegionServer包含一個HLog，用于實現(xiàn)預(yù)寫日志，保證HBase的高可用
2018-06-19
LSM-tree主要目標是快速地建立索引。B-tree是建立索引的通用技術(shù)，但是，在大并發(fā)插入數(shù)據(jù)的情況下，B-tree需要大量的磁盤隨機IO，很顯然，大量的磁盤隨機IO會嚴重影響索引建立的速度。特別地，對于那些索引數(shù)據(jù)大的情況（例如，兩個列的聯(lián)合索引），插入速度是對性能影響的重要指標，而讀取相對來說就比較少。LSM-tree通過磁盤的順序?qū)?，來達到最優(yōu)的寫性能，因為這會大大降低磁盤的尋道次數(shù)，一次磁盤IO可以寫入多個索引塊。
2018-06-19
在經(jīng)典的 RDBMS 中，我們設(shè)計表結(jié)構(gòu)模型時，只需要確定有多少個列即可，然后就可以對這個表進行數(shù)據(jù)的操作。而對于 HBase 來說，設(shè)計表結(jié)構(gòu)模型時不需要確定列，只需要確定列簇（Cloumn Family）即可，列的數(shù)量根據(jù)列簇里面的數(shù)據(jù)進行動態(tài)伸縮，為空的列并不占用存儲空間。
2018-06-19
行式存儲與列式存儲：
行式存儲是經(jīng)典的 RDBMS 的存儲解決方案，有以下特性：
- 在底層的存儲結(jié)構(gòu)上，每行的數(shù)據(jù)都存儲在一起
- 行式存儲維護大量的索引，存儲成本較高，但是對于隨機讀的效率非常高
- 強事務(wù)支持
- 適用場景：OLTP 應(yīng)用
列式存儲是 HBase 等 NoSQL 列式數(shù)據(jù)庫的解決方案，有以下特性：
- 在底層的存儲結(jié)構(gòu)上，每列的數(shù)據(jù)都存儲在一起
- 列式存儲由于其稀疏性的特性，存儲成本較低。
- 適用場景：OLAP 應(yīng)用，事務(wù)要求不高且數(shù)據(jù)量大
行式存儲是經(jīng)典的 RDBMS 的存儲解決方案，有以下特性：
- 在底層的存儲結(jié)構(gòu)上，每行的數(shù)據(jù)都存儲在一起
- 行式存儲維護大量的索引，存儲成本較高，但是對于隨機讀的效率非常高
- 強事務(wù)支持
- 適用場景：OLTP 應(yīng)用
列式存儲是 HBase 等 NoSQL 列式數(shù)據(jù)庫的解決方案，有以下特性：
- 在底層的存儲結(jié)構(gòu)上，每列的數(shù)據(jù)都存儲在一起
- 列式存儲由于其稀疏性的特性，存儲成本較低。
- 適用場景：OLAP 應(yīng)用，事務(wù)要求不高且數(shù)據(jù)量大
2018-06-19
最新回答 / hbliucl
沒有rowKey怎么詢嗎？????如果根據(jù)rowkey查詢數(shù)據(jù), 肯定是預(yù)先知道了rowkey的值的, get '表名', 'rowkey', api也有類似的方式2. 如何獲得全部的rowKey?????scan '表名' 取出全部rowkey, api操作也是類似的
最新回答 / 成都加米谷大數(shù)據(jù)
大數(shù)據(jù)看書的話，只能說是補充理論方面的東西，如果有Java基礎(chǔ)的話，就推薦看主流大數(shù)據(jù)框架相關(guān)的書，包括Hadoop、Spark、Flink等。大數(shù)據(jù)書籍推薦：《Hadoop權(quán)威指南》《Hadoop權(quán)威指南》這本書可以說是Hadoop入門的經(jīng)典書目，對于Hadoop的生態(tài)體系做了全面深入的解讀，包括如何使用Hadoop構(gòu)建可靠、可伸縮的分布式系統(tǒng)，如何分析海量數(shù)據(jù)集，如何建立與運行Hadoop集群等知識?！禜ive編程指南》一本Apache Hive的編程指南，對于Hadoop Hive走了全面而詳細的介...
2018-06-15
