近些年来，各种互联网+的公司如雨后春笋般出现，做一个在线平台或者做一个APP基本成为这些公司的标配。Web系统的流行，数据收集越来越容易，促使各类数据库系统应用得越来越广泛。

我们在平时的技术讨论或者实际应用中经常会提到传统数据库。提到传统数据库，很多人会很容易联想到Oracle、MySQL、SQL Server等带有很明显关系型数据库特征的数据库系统。在我看来，传统数据库并不等于这些数据库，而是看你怎么用的。一般来说，传统数据库包括以下三个鲜明的特点：

ACID一言以蔽之就是原子性、一致性、隔离性、持久化事务，它是四个单词的缩写：

• Atomicity 原子性 事务中所有操作要么全部完成，要么全失败。

• Consistency 一致性 在事务开始时或者结束时，数据库应该处于同一状态。

• Isolation 隔离性 事务将假定只有它自己在操作数据库，彼此不知晓。

• Durablity 一旦事务完成，就不能返回。

要做到ACID，从编程的角度来说，数据库系统一定会用到锁。

一般对事务要求比较高的主要是交易场景，银行系统、大型在线电商交易系统用得比较多。对于绝大多数创业公司而言，事务是一个偏理论的概念。实际上在，在线系统中，事务是一个很有用的东西，我们举个栗子：

用户A在平台购买增值服务的场景，会有很多种处理方式。

一般的程序员会如下处理：

1. 在财务表中增加一条用户A的扣费记录。（扣费）

2. 在用户增值服务表中增加一条用户A的增值服务记录。（开通服务）

用户至上的程序员会如下处理：

1. 在用户增值服务表中增加一条用户A的增值服务记录。（开通服务）

2. 在财务表中增加一条用户A的扣费记录。（扣费）

三年以上工作经验的程序员会如下处理：

1. 在财务表中增加一条用户A的扣费记录。（扣费）

2. 判断财务表中是否扣费成功，不成功通知系统交易失败。

3. 在用户增值服务表中增加一条用户A的增值服务记录。（开通服务）

4. 判断用户增值服务表中是否增加成功，不成功删除财务表中的扣费并且通知系统交易失败。

那么用上事务之后，你只要提交给数据库一般程序员操作，数据库就会给你三年以上工作经验的程序员的操作结果，在主从架构读写分离的数据库结构中效果还会更好。

传统的数据库系统可以存很多种类型的数据，主要包括：

1. 数字家族、整数和小数。整数又可以分为32位的，64位的…

2. 字符串类型。字符串又分为固定长度的和可变长度的…

3. 时间家族。日期、时间…

4. 二进制流…

这么多类型，确实很丰富。我们所看到的，都可以是字符，就算二进制流，也可以通过Base64转码用字符串表示。当然，在讲字符串的时候，我们是把编程语言进化到了一个很高级的程度，开发的友好性大于存储成本。

对于传统数据库系统的常用操作，我们一般会说CURD。即对表的增删改查，基本都用SQL语句来实现。SQL语句的结构主要分为以下几大部分：

1. 操作，select、insert、update、delete。

2. 表对象。

3. 字段范围(*/f1/f2…)。

4. Where条件。

5. Order排序(desc/asc)。

6. 查询范围限制（top/limit）。

……

SQL语句是为使用者友好而设计的，无论何种数据库引擎，SQL最后都被映射成为IO和内存操作。

在传统数据库系统中，一般来说在第一次写入数据之前，都需要创建库和创建表，而每一个表都有确定的表头，确定列数，每一列的名字以及确定的数据类型。在新数据的写入或者数据的修改的时候，数据库系统会根据创建好的表结构严格校验数据的合法性，对表结构的调整一般都需要很大的修改代价。

在存储单元里，同一行的数据会分布在相邻的存储单元里。

列式存储相对于行式存储而言，其同一列的数据会分布在相邻的存储单元里。

题外话：除了行存储和列存储，常见还有文档模型，典型的代表就是MongoDB。如果用传统的行的角度来看，不同的行列数可以不一样，列的名字和数据类型也可以不一样，列里面可以是另一个嵌套的行。

在互联网化的大环境下，很多系统都很容易在短时间内系统收集上亿的数据，并且这些数据经过加工，还要为几十万、几百万甚至更多用户提供访问。从平台角度来说，一般就是从小到大，从简单到复杂的过程。主要来说，具有一下三方面特点：

• 对数据高并发读写的要求

数据库读写压力巨大，硬盘IO无法承受。一般处理方法是主从架构，读写分离，分库、分表，缓解写压力，增强读库的可扩展性。

• 对海量数据的存储和访问

存储记录数量有限，SQL查询效率极低的情况下。通过分库、分表，缓解数据增长压力。

• 伸缩性，可用性，可靠性方面的需求

横向扩展艰难，无法通过快速增加服务器节点实现，系统升级和维护造成服务不可用。通过主从架构，增强读库的扩展性，利用MMM架构处理写的瓶颈。

1. 受业务规则影响，需求变动导致分库分表的维护复杂。

2. 系统数据访问层代码需要修改。

1. Slave实时性的保障，对于实时性很高的场合可能需要做一些处理（在第一个购买增值服务的例子中，添加扣费记录之后，在读写分离的场景下，立马去从库查询扣费记录不一定能查到）。

2. 高可用性问题，Master就是那个致命点，容易产生单点故障。

本身扩展性差，一次只能一个Master可以写入，只能解决有限数据量下的可用性。

分布式领域CAP理论

• Consistency 一致性：数据一致更新，所有数据变动都是同步的。

• Availability(可用性)：好的响应性能。

• Partition tolerance：分区容忍性。

在分布式系统中，这三个要素最多只能同时实现两点，不可能三者兼顾；对于分布式数据系统，分区容忍性是基本要求；对于大多数Web应用，牺牲一致性而换取高可用性，是目前多数分布式数据库产品的方向。

• Basically Available：基本可用 支持分区失败。

• Soft state 软状态：状态可以有一段时间不同步，异步。

• Eventually consistent：最终一致性 ，最终数据是一致的就可以了，而不是时时一致。

• Google的BigTable

BigTable提出了一种很有趣的数据模型，它将各列数据进行排序存储。数据值按范围分布在多台机器，数据更新操作有严格的一致性保证。

• Amazon的Dynamo

Dynamo使用的是另外一种分布式模型。Dynamo的模型更简单，它将数据按key进行hash存储。其数据分片模型有比较强的容灾性，因此它实现的是相对松散的弱一致性：最终一致性。

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；Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；Google Bigtable利用 Chubby作为协同服务，HBase利用ZooKeeper作为对应。

1. 列的可以动态增加，并且列为空就不存储数据，节省存储空间。

2. HBase自动切分数据，使得数据存储自动具有水平scalability。

3. HBase可以提供高并发读写操作的支持，分布式架构，读写锁等待的概率大大降低。

4. 不能支持条件查询，只支持按照Rowkey来查询。

5. 暂时不能支持Master server的故障切换，当Master宕机后，整个存储系统就会挂掉。

HBase是一个列式存储的数据库系统，跟所有的数据库系统一样，数据库是依赖文件系统的，在传统数据库里面我们经常提到存储引擎，例如MySQL有MyISAM/InnoDB，Oracle/SqlServer不开源，没有那么多选择，但都会有自己的存储引擎，说得通俗一点就是虚拟文件系统，HBase的文件系统是HDFS，一种分布式文件系统，所以HBase天然具备分布式的特性。同时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。

你也可以把HBase看成一个多维度的Map模型去理解它的数据模型。正如下图。

NameNode存储DataNode信息，ZooKeeper负责调度。

一个Region只会存在一台RegionServer上，一台RegionServer上可以包含多个Region。

一个逻辑的表包含多个Region，分布在各个RegionServer上，对应用程序来说只有一个大表不用管分表分库。

• Region的定位

-ROOT-

.META

• 存储分布

每一行包含N个列，以列的形式分布在不同Region里面。

• Client

HBase的访问接口，维护cache加快HBase的访问。

• Zookeeper

监控Master，保证只有一个Master；

存储Region的入口地址；

监控RegionServer上下线，并告知Master；

存储Hbase shcema和Table的元数据。

• Master

分配Region到RegionServer；

RegionSever的负载均衡；

发现失效的RegionServer并重新分配其上的Region

管理用户对Table的增删改查操作。

• RegionServer

维护Region，处理对这些Region的IO；

Split&Compact。

HBase是三维有序存储的，通过RowKey（行键），column key（column family和qualifier）和TimeStamp（时间戳）这个三个维度可以对HBase中的数据进行快速定位。

RowKey是HBase表结构设计中很重要的一环 ，HBase中RowKey可以唯一标识一行记录，在HBase查询的时候，有以下2种方式：

1. 按指定RowKey获取唯一一条记录，get方法

   （org.apache.hadoop.hbase.client.Get）

2. 按指定的条件获取一批记录，scan方法

   （org.apache.hadoop.hbase.client.Scan）

第一种类似key-value查找，第二种可以实现简单的条件查询功能。