Hadoop第11周练习—HBase基础知识

bsbforever

1 书面作业1：数据即日志... 3
1.1     书面作业1内容... 3
1.2     回答... 3
2 书面作业2：HBase合并过程... 3
2.1     书面作业2内容... 3
2.2     回答... 4
3 书面作业3：HBase一致性... 4
3.1     书面作业3内容... 4
3.2    回答... 4

1 书面作业1：数据即日志
1.1 书面作业1内容
我们常说HBase是“数据即日志”的数据库，它是怎样修改和删除数据的？和Oracle这类传统的RDBMS有什么区别？
1.2 回答
HBase通过插入数据进行修改和删除，修改是根据时间戳完成的，删除时在插入的行上增加了删除标志。HBase的操作都是插入数据、顺序写，这点和关系型数据库中的写日志很相似，所以说HBase数据即日志。
HBase和Oracle传统的RDBMS区别：
1. 修改和删除数据方式不一样：在关系型数据做修改和删除数据时不会增加新的数据记录，直接对老数据进行修改或删除，一旦完成修改或删除，则原始数据发生变化。HBase HBase通过插入数据进行修改和删除。
2. 数据存储方式不一样： HBase是列式存储，传统Oracle关系型数据库是行式存储。HBase在做数据分析等场景比关系型数据库要好，数据分析时通常只需要读取部分列，HBase可以只读取这些列，而关系型数据库就需要全部列
3.  寻址方式不同：HBase的性能瓶颈在硬盘传输，而关系型数据库的瓶颈在硬盘寻道时间
4. 压缩效率不同：HBase等列式数据库相近的列里存的数据格式都很相近的，可以大幅度的压缩。所以压缩率会很高。行式数据库的压缩就没那么高，这样列式数据库不但节省了硬盘空间，也减少了io。但是对于联机事务系统的随机读写，还是行式数据库更合适。
2 书面作业2：HBase合并过程
2.1 书面作业2内容
HBase合并storefile的原因是什么？在合并的过程中会做什么操作？如果在合并过程中恰好有涉及到有关storefile的查询发生，会发生什么情况（这个问题需要自行研究）？
2.2 回答
HBase合并Storefile的原因是由于HBase持久化数据保存在HDFS造成的，HDFS不擅长处理小文件，所以需要对Storefile进行合并。
HBase合并时做了两件事，第一删除有删除标记的数据和过期的旧版本数据，第二将多个小Storefile文件合并成一个大Storefile文件
如果在合并过程中恰好有涉及到有关Storefile查询发生，HBase先是把小Storefile加载到内存中用于用户在内存中检索相关数据，在内存中建立一个独立镜像备份专门提供查询，当合并完成后撤销内存空间中的镜像。
3 书面作业3：HBase一致性
3.1 书面作业3内容
HBase具有怎样的一致性水平？
3.2 回答
HBase是最终一致性的系统，因为HBase是架构在Hadoop之上的数据库，“错误是常态”是Hadoop座右铭，在CAP理论中HBase为了满足可用性和分区容错性牺牲了一部分的数据一致性。
举例：我们要进行电信的指标汇总，并且把汇总结果冗余三份分布在3个datanode中，我们可以设置阀值只要有2份结果保存了我们就可以继续做下面的操作，在一定时间范围内允许第3份结果稍后一致性同步，这就是最终一致性。所以说hbase是适用于AP理论的系统，最终一致性也满足分布式集群的特点。

注：
CAP理论是由EricBrewer教授提出的，在设计和部署分布式应用的时候，存在三个核心的系统需求，这个三个需求之间存在一定的特殊关系。三个需求如下：
C: Consistency一致性
A: Availability可用性
P:Partition Tolerance分区容错性
CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。