本节书摘来异步社区《HBase权威指南》一书中的第1章，第1.5节，作者： 【美】Lars George 译者： 代志远 , 刘佳 , 蒋杰 责编： 杨海玲，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.5　HBase：Hadoop数据库

看过BigTable的架构之后，我们可能会简单地认为HBase完全是Google的BigTable的开源实现。但是这个说法可能过于简单，因为两者之间还有些差异（大多是细微的）值得一提。

1.5.1　历史

HBase是Powerset㉑在2007年创建的，最初是Hadoop的一部分。之后，它逐步成为Apache软件基金会旗下的顶级项目，具备Apache软件许可证，版本为2.0。

HBase项目的主页是http://hbase.apache.org/，通过这个主页可以链接到文档（documentation）、wiki、源代码库（source repository），以及已经发布的库和源代码的下载站点。

下面是一个HBase随时间发展的简短概述。

• 2006年11月：Google发布BigTable论文。
• 2007年2月：HBase宣布在Hadoop项目中成立。㉒
• 2007年10月：HBase第一个“可用”版本（Hadoop 0.15.0）。
• 2008年1月：Hadoop成为Apache的顶级项目，HBase成为Hadoop的子项目。
• 2008年10月：HBase 0.18.1 发布。
• 2009年1月：HBase 0.19.0发布。
• 2009年9月：HBase 0.20.0 发布，性能有明显提升。
• 2010年5月：HBase成为Apache的顶级项目。
• 2010年6月：HBase 0.89.20100621，第一个开发版本。
• 2011年1月：HBase 0.90.0 发布，稳定性和持久性有所提升。
• 2011年年中：HBase 0.92.0 发布，支持协处理器和安全控制。

文字2010年5月前后，HBase的开发者决定打破一直依赖的、步调一致的Hadoop的版本编号。原因是HBase有一个更快的发布周期，同时更接近1.0版本的水平，比Hadoop的预期更快。

为此，版本号从0.20.x跳到了0.89.x，跳跃相当明显。此外，还做了一个决定，将0.89.x定为早期的开发版本。在0.89的基础上最终发布了0.90，即面向所有用户的稳定版。

1.5.2　命名

HBase与BigTable最大的不同就是命名。表1-1罗列了两个系统之间相同组件的命名有哪些不同。

更多的差异参见附录F。

1.5.3　小结

让我们回到1.3.1节来看看怎样用维度来描述HBase系统。HBase是一个分布式的、持久的、强一致性的存储系统，具有近似最优的写性能（能使I/O利用率达到饱和） 和出色的读性能，它充分利用了磁盘空间，支持特定列族切换可选压缩算法。

HBase继承自BigTable模型，只考虑单一的索引，类似于RDBMS中的主键，提供了服务器端钩子，可以实施灵活的辅助索引解决方案。此外，它还提供了过滤器功能，减少了网络传输的数据量。

HBase并未将说明性查询语言作为核心实现的一部分，对事务的支持也有限。但行原子性和“读-修改-写”操作在实践中弥补了这个缺陷，它们覆盖了大部分的使用场景并消除了在其他系统中经历过的死锁、等待问题。

HBase在进行负载均衡和故障恢复时对客户端是透明的。在生产系统中，系统的可扩展性体现在系统自动伸缩的过程中。更改集群并不涉及重新全量负载均衡和数据重分区，但整个处理过程完全是自动化的。

①例如，参见Michael Stonebraker和UğurÇetintemel撰写的文章“‘One Size Fits All’：An Idea Whose Time Has Come and Gone”（http://www.cs.brown.edu/~ugur/fits_all.pdf）。

②相关信息可以在Hadoop的官方网站http://hadoop.apache.org/中找到。也可以到Tom White编写的《Hadoop权威指南（第2版）》（原出版社为O’Reilly）一书中查阅你想了解的Hadoop知识。

③此处引用的是Kimball集团的Ralph Kimball博士的一篇题为“Rethinking EDW in the Era of Expansive Information Management”的演讲（http://www.informatica.com/campaigns/rethink_edw_kimball.pdf），这个演讲讨论了一个不断发展的企业数据仓库市场的需求。

④Edgar F. Codd定义了13个规则（编号为0～12），这些规则促使数据库管理系统（Datebase Management System，DBMS）被考虑为RDBMS。HBase需要满足更多的通用规则，但也有一些规则没有满足，最重要的是规则5：全面的数据子语言规则，这个规则定义了至少需要支持一种关系型语言。详情见维基百科关于科德十二定律的链接http://en.wikipedia.org/wiki/Codd's_12_rules。

⑤见Facebook提供的信息http://www.facebook.com/note.php?note_id=89508453919。

⑥请看博文http://www.facebook.com/note.php?note_id=454991608919，这篇博文来自Facebook的工程团队。150亿条墙消息和1200亿条聊天消息，共计1350亿条消息一个月。此外，Facebook还添加了SMS和其他一些应用，这些都会使数据量变得更为庞大。

⑦Facebook使用了Haystack，Haystack优化了二进制大对象的存储结构，提供了二进制小对象存储，例如图片。

⑧见http://www.slideshare.net/brizzzdotcom/facebook-messages-hbase，这是Facebook的员工Nicolas Spiegelberg写的，他也是HBase的committer。

⑨Linux、Apache、MySQL和PHP（或者Perl和Python）的缩写。

⑩Atomicity、Consistency、Isolation和Durability的缩写。

⑪Memcached是基于内存的、非持久化的、非分布式的键值存储系统。参见Memcached项目的主页http://memcached.org/。

⑫见维基百科中的“NoSQL”（http://en.wikipedia.org/wiki/NoSQL）。

⑬见Eric Brewer的论文http://www.cs.berkeley.edu/~brewer/cs262b-2004/PODC-keynote.pdf，后期Gilbert与Lynch发表了PDF版，详情见http://lpd.epfl.ch/sgilbert/pubs/BrewersConjecture-SigAct.pdf。

⑭见Brewer的论文“Lessons from giant-scale services. Internet Computing”，IEEE，2001，5 (4)：46~55 (http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=939450)。

⑮见Jim Gray等人的“FT 101”（http://research.microsoft.com/en-us/um/people/gray/talks/UCBerkeley_Gray_FT_Avialiability_talk.ppt）。

⑯DDI这个词是Salmen博士等人于2009年在“Cloud Data Structure Diagramming Techniques and Design Patterns”一文中提出的。

⑰请注意，这仅仅是一个演示用例，所以故意将模式设计得很简单。

⑱在5.1.3节中会看到，还可以不设置qualifier。

⑲虽然HBase不支持在线的region合并，但是有离线处理合并的工具，详情见11.6节。

⑳有关Apache ZooKeeper的更多信息请参见Apache ZooKeeper官方网站（http://hadoop.apache.org/zookeeper/）。

㉑Powerset公司位于旧金山，开发了一套用于互联网的自然语言搜索引擎。在2008年7月1日，微软公司收购了Powerset，之后Powerset放弃了对HBase开发的后续支持。

㉒在Apache JIRA（网站上的问题追踪系统）中找到HBASE-287，里面可以找到当时的记录，读者可以看到Mike Cafarella提交的最初代码，这个代码很快就被Jim Kellerman采纳了，Jim Kellerman当时就职于Powerset。