1.5.4 常見分布式存儲系統

本節將著重介紹幾個在實際生產環境中經常用到的分布式存儲系統，而像Cassandra這樣常見的鍵值存儲系統，我們也會在后續的編程實戰章節中使用到。

1．Hbase

HBase是一款面向列的開源分布式數據庫。其實就是Google的BigTable的開源實現，是Hadoop的一個子項目，是專門用于存儲非結構化數據的數據庫。面向列數據庫的邏輯模型前文已經介紹過，這里不再闡述。

HBase也是一個主從式的存儲系統。其系統架構由以下幾部分組成。

1）Zookeeper：一個獨立的集群協調項目，用在許多項目之中，可以簡化集群協調管理。

2）HMaster：整個集群的控制者，負責管理用戶的增刪改查，管理HRegionServer的負載均衡。同時若HRegionServer失效，負責進行失效方的資源遷移。此外，由于HBase使用了Zookeeepr的首領枚舉功能，且啟動后會啟動多個HMaster，因此可以避免單點故障問題。

3）HRegionServer：相當于集群中的數據節點，負責相應用戶I/O請求，并向HDFS中寫入數據。

此外，正如BigTable將實際數據存儲在GFS上一樣，HBase將其數據存放在HDFS上，這樣就可以簡化數據的分布式存放問題。

2．Cassandra

Cassandra不同于其他的存儲系統，它是一個全分布式的數據庫系統。它是一款混合型的非關系型數據庫。其基礎是Amazon的Dynamo，在此基礎上融合了Google BigTable的列族數據模型。同時又采用P2P的模型實現集群去中心化。Cassandra是一個在生產環境中廣泛使用的分布式存儲系統。在本書的后續實戰中，將會使用Cassandra作為存儲系統。

相比于HBase, Cassandra有以下幾個特點。

1）模式靈活：HBase中所有數據都是二進制存儲，而Cassandra則模仿一些面向文檔的存儲系統，支持一些基本類型，同時又采取列族的方式，便于擴展模式。

2）無單點故障：由于Cassandra去中心化，并不會像有些主從系統那樣主節點宕機導致整個集群不可使用。

3）可擴展性好：由于Cassandra是全分布式系統，因此可以進行簡單的水平擴展，方便擴大集群規模。

3．MongoDB

MongoDB是一種面向文檔的非關系型數據庫，也就是說，在MongoDB中每條記錄就是一個文檔，文檔之間獨立存儲，而且可以很好地和面向對象的設計相結合，無須像關系型數據庫那樣手動封裝SQL。此外，這種松散的存儲形式便于系統實現分布式存儲查詢。

MongoDB使用BSON作為數據存儲格式，這是一種類JSON的二進制存儲協議。MongoDB利用這種協議實現了高效的數據讀寫性能。

MongoDB由于是面向文檔的數據庫，因此相對來說模式自由，同時又支持大量的基本數據類型，相對于其他的NoSQL數據庫而言又有強大的查詢功能，因此在當今需求變化迅速、對并發要求較高的互聯網市場，是非常合適的產品。現在也成為最熱門的NoSQL數據庫之一。