Cassandra和HBase中怎樣使用的BigTable模型

這篇文章將為大家詳細講解有關Cassandra和HBase中怎樣使用的BigTable模型，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

眾所周知，BigTable是NoSQL數據庫的王者，其論文更是NoSQL理論的基石，但遺憾的是BigTable不開源，于是有了開源的BigTable版本這一說法，其中的佼佼者包括今天提到的兩位：Cassandra和HBase。下面億速云小編來講解下Cassandra和HBase中怎樣使用的BigTable模型?

Cassandra和HBase中怎樣使用的BigTable模型

1.FundamentallyDistributed（分布式存儲）

項目從最初規劃上，就是為海量數據服務的，當然分布式存儲的思想也是扎根于其血脈中。分布式系統主要需要考慮兩個方面：partitioning（分區存儲，也可以理解為通常說的Sharding）、replication（數據復制，主要是將數據復制成多份以提高可用性）。

2.ColumnOriented（列式存儲）

和普通的RDBMS不一樣，普通的RDBMS通常是行式存儲的，一行數據是連續存在一段磁盤空間上的。而列式存儲是將各個列分別進行連續的存儲。也正是因此，它對于處理字段中的NULL字段，能夠不占用過多的空間。同時能夠支持靈活松散的列定義。也就是我們通常所說的schema-less。

Cassandra和HBase中怎樣使用的BigTable模型

3.Sequentialwrite（順序寫磁盤）

BigTable型系統的一個特點是其對寫性能進行的優化。它的寫都是通過先記一條操作日志，然后直接寫在內存中的數據集合，然后其集合按條件或定時將數據flush到磁盤。這里涉及到的記操作日志或者數據flush到磁盤都會順序的磁盤操作。故而避免了磁盤隨機操作造成的無謂的磁盤尋道時間。

4.Mergedread（讀操作數據合并）

上面說到寫操作是通過定時將數據直接flush到磁盤進行的，每次flush都會生成一個數據塊，那可能造成一個數據在多個數據塊中的情況，而在讀的時候就需要將這多個版本中的值進行合并。其中在判斷一個數據塊是否包含指定值時使用了bloom-filter算法。

5.PeriodicDataCompaction（定期數據合并）

同樣是上面說到的，一個數據可能存在于多個數據塊，如果我們不做處理，隨著時間的推移，數據塊會越來越多。所以BigTable型系統會進行定時的數據合并。在上面講到的將內存中的數據直接flush到磁盤的過程中，flush之前進行了一次數據的排序操作，既是說存在磁盤中的塊中的數據，都是順序的，那么對一堆順序的數據進行排重合并，其實和我們熟知的多路歸并排序很相似。故而其定時數據合并的效率也是非常高的。

關于Cassandra和HBase中怎樣使用的BigTable模型就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。