hbase solr二级索引-hbase二级索引实现(6-12-43)

HBase本文目录一览：

• 1、hbase采用了什么样的数据结构?
• 2、hbase底层依赖什么提供强大的计算能力
• 3、计算机里面Hbase作用是什么?
• 4、hbase(分布式、可扩展的NoSQL数据库)
• 5、es作为hbase二级索引的优点

hbase采用了什么样的数据结构?

1、综上所述，HBase采用了LSM-Tree、Bloom Filter、MemStore和Compaction等多种数据结构和技术，以实现高并发、高吞吐量的分布式存储和查询功能。

2、hbase的核心数据结构为LSM树。LSM树分为内存部分和磁盘部分。内存部分是一个维护有序数据集合的数据结构。

3、与nosql数据库们一样，RowKey是用来检索记录的主键。

hbase底层依赖什么提供强大的计算能力

扩展性：由于 HBase 的底层依赖于 HDFS，所以当磁盘空间不足时，可以动态地增加机器（即 DataNode 节点服务）来增加磁盘空间，从而避免像关系数据库那样进行数据迁移。

上图描述HadoopEcoSystem中的各层系统。其中，HBase位于结构化存储层，HadoopHDFS为HBase提供了高可靠性的底层存储支持，HadoopMapReduce为HBase提供了高性能的计算能力，Zookeeper为HBase提供了稳定服务和failover机制。

NTFS，是一种文件格式，是底层的，Hadoop HDFS为HBase提供了高可靠性的底层存储支持。HBase是Google Bigtable的开源实现，类似Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统。

上图描述Hadoop EcoSystem中的各层系统。其中，HBase位于结构化存储层，Hadoop HDFS为HBase提供了高可靠性的底层存储支持，Hadoop MapReduce为HBase提供了高性能的计算能力，Zookeeper为HBase提供了稳定服务和failover机制。

计算机里面Hbase作用是什么?

1、HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。

2、HBase的定位是hadoop的数据库，电脑培训发现是一个典型的Nosql，所以HBase是用来在大量数据中进行低延迟的随机查询的。

3、时序数据：HBase可以用于存储时序数据，如速度的展示，天气、温度、风速、车流量等。对象存储：HBase可以作为中等对象存储，对HDFS存储文件起到缓冲过渡的作用，减轻了NAMENODE元数据维护的压力。

4、HBase 是 Apache 的 Hadoop 项目的子项目，它不同于一般的关系数据库，而是一个适合于非结构化数据存储的数据库。HBase 分布式数据库具有如下几个显著特点。

hbase(分布式、可扩展的NoSQL数据库)

1、HBase是一种分布式、可扩展的NoSQL数据库，它是基于Hadoop的HDFS文件系统构建的。HBase被设计用来处理海量数据，并提供高可靠性、高性能的读写操作。

2、数据存储方式不同、适用场景不同。HBase是一种分布式、面向列的NoSQL数据库，而传统数据库通常是基于关系模型的关系型数据库。这两种数据库在数据存储方式上有所区别。

3、Hbase是一种NoSQL数据库，这意味着它不像传统的RDBMS数据库那样支持SQL作为查询语言。

4、HBase 是典型的 NoSQL 数据库，通常被描述成稀疏的、分布式的、持久化的，由行键、列键和时间戳进行索引的多维有序映射数据库，主要用来存储非结构化和半结构化的数据。

5、配置错误。HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库，可以解决HDFS随机写的问题，关闭时有省略号表示HBase配置错误，应去检修。

6、hbase是一种Nosql的分布式数据存储系统。具有可靠性，高能性，列存储，可伸缩的征，可以对大型数据进行实时、随机的读写访问。

es作为hbase二级索引的优点

1、HBase：基于HDFS，支持海量数据读写（尤其是写），支持上亿行、上百万列的，面向列的分布式NoSql数据库。天然分布式，主从架构，不支持事务，不支持二级索引，不支持sql。

2、现在比较著名的方案是华为提出的。要点是1） 保证主表和索引表在同一个regionserver上（通过自定义的balancer实现） 2） 使用coprocessor实现索引表的创建和插入。

3、优点： 海量URL管理 网速快 缺点： Nutch是为搜索引擎设计的爬虫，大多数用户是需要一个做精准数据爬取（精抽取）的爬虫。Nutch运行的一套流程里，有三分之二是为了搜索引擎而设计的。对精抽取没有太大的意义。