|
HBASE应⽤场景 1、⽤户画像 ⽐如⼤型的视频⽹站，电商平台产⽣的⽤户点击⾏为、浏览⾏为等等存储在HBase中为后续的智能推荐做数据⽀撑。 2、消息/订单存储 这个场景主要应⽤在电商平台，因为HBase提供了⼀个低延时、⾼并发的访问能⼒ 3、对象存储 这⾥的对象存储实际是中等对象存储，是对HDFS存储⽂件的⼀个缓冲过度，因为如果我们⼤量的1M或2M这种⼩⽂件直接存储在HDFS上，会对NAMENODE造成元数据维护的压⼒，所以在HBase中可以很好的做过度合并后在持久化到HDFS上。HBase提供了中等对现象的存储能⼒，中等对象的⼤⼩范围在100k⾄10M之间。 4、时序数据 这⾥的时序数据是指随着时间⽽变化的数据，⽐如速度的展⽰，天⽓、温度、风速、车流量等等 5、Cube分析（KyLin） 通过KyLin将Hive或kafka中的数据，来构建Cube，这些Cube会存储在HBase中，以供其他的应⽤或其他的系统做实时查询或实时展⽰。 6、Feeds流 这个场景主要是应⽤在抖⾳、或其他⼩视频系统中，可以把Feeds流理解为⼀种内容聚合器，它可以帮助⽤户实时的获取最新的订阅源内容。 作者：机灵⿁⿁ 来源：简书 ⼀、Hbase能做什么？
海量数据存储： 上百亿⾏ x 上百万列 并没有列的限制 当表⾮常⼤的时候才能发挥这个作⽤， 最多百万⾏的话，没有必要放⼊hbase中准实时查询： 百亿⾏ x 百万列，在百毫秒以内 ⼆、Hbase在实际场景中的应⽤：交通⽅⾯： 船舶GPS信息，全长江的船舶GPS信息，每天有1千万左右的数据存储。⾦融⽅⾯： 消费信息，贷款信息，信⽤卡还款信息等电商： 淘宝的交易信息等，物流信息，浏览信息等移动： 通话信息等，都是基于HBase的存储。 Hbase的特点：容量⼤： 传统关系型数据库，单表不会超过五百万，超过要做分表分库，不会超过30列 Hbase单表可以有百亿⾏、百万列，数据矩阵横向和纵向两个维度所⽀持的数据量级都⾮常具有弹性⾯向列： ⾯向列的存储和权限控制，并⽀持独⽴检索，可以动态增加列，即，可单独对列进⾏各⽅⾯的操作 列式存储，其数据在表中是按照某列存储的，这样在查询只需要少数⼏个字段的时候，能⼤⼤减少读取的数量多版本： Hbase的每⼀个列的数据存储有多个Version，⽐如住址列，可能有多个变更，所以该列可以有多个version稀疏性： 为空的列并不占⽤存储空间，表可以设计的⾮常稀疏。 不必像关系型数据库那样需要预先知道所有列名然后再进⾏null填充拓展性： 底层依赖HDFS，当磁盘空间不⾜的时候，只需要动态增加datanode节点服务(机器)就可以了⾼可靠性： WAL机制，保证数据写⼊的时候不会因为集群异常⽽导致写⼊数据丢失 Replication机制，保证了在集群出现严重的问题时候，数据不会发⽣丢失或者损坏 Hbase底层使⽤HDFS，本⾝也有备份。 7.⾼性能： 底层的LSM数据结构和RowKey有序排列等架构上的独特设计，使得Hbase写⼊性能⾮常⾼。 Region切分、主键索引、缓存机制使得Hbase在海量数据下具备⼀定的随机读取性能，该性能针对Rowkey的查询能够到达毫秒级别 LSM树，树形结构，最末端的⼦节点是以内存的⽅式进⾏存储的，内存中的⼩树会flush到磁盘中
|