51工具盒子概述 {#概述}
- HBase是一个构建在HDFS上的分布式列存储系统；
- HBase是基于Google BigTable模型开发的，典型的key/value系统；
- HBase是Apache Hadoop生态系统中的重要一员，主要用于海量结构化数据存储；
- 从逻辑上讲，HBase将数据按照表、行和列进行存储。
- 与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。
Hbase表的特点 {#hbase表的特点}
- 大：一个表可以有数十亿行，上百万列；
- 无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列；
- 面向列：面向列（族）的存储和权限控制，列（族）独立检索；
- 稀疏：空（null）列并不占用存储空间，表可以设计的非常稀疏；
- 数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳；
- 数据类型单一：Hbase中的数据都是字符串，没有类型。
Hbase数据模型 {#hbase数据模型}
Hbase逻辑视图 
Hbase基本概念
- RowKey：是Byte array，是表中每条记录的"主键"，方便快速查找，Rowkey的设计非常重要。
- Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列
- Column：属于某一个columnfamily，familyName:columnName，每条记录可动态添加
- Version Number：类型为Long，默认值是系统时间戳，可由用户自定义
- Value(Cell)：Byte array
Hbase物理模型 {#hbase物理模型}
每个column family存储在HDFS上的一个单独文件中，空值不会被保存。
Key 和 Version number在每个 column family中均有一份；
HBase 为每个值维护了多级索引，即：<key, column family, column name, timestamp>
物理存储:
- Table中所有行都按照row key的字典序排列；
- Table在行的方向上分割为多个Region；
- Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region，之后会有越来越多的region；
- Region是Hbase中分布式存储和负载均衡的最小单元，不同Region分布到不同RegionServer上。
HBase架构及基本组件 {#hbase架构及基本组件}
Hbase基本组件说明：
- [ ] Client
- 包含访问HBase的接口，并维护cache来加快对HBase的访问，比如region的位置信息
- [ ] Master
- 为Region server分配region
- 负责Region server的负载均衡
- 发现失效的Region server并重新分配其上的region
- 管理用户对table的增删改查操作
- [ ] Region Server
- Regionserver维护region，处理对这些region的IO请求
- Regionserver负责切分在运行过程中变得过大的region
- [ ] Zookeeper作用
- 通过选举，保证任何时候，集群中只有一个master，Master与RegionServers 启动时会向ZooKeeper注册
- 存贮所有Region的寻址入口
- 实时监控Region server的上线和下线信息。并实时通知给Master
- 存储HBase的schema和table元数据
- 默认情况下，HBase 管理ZooKeeper 实例，比如， 启动或者停止ZooKeeper
- Zookeeper的引入使得Master不再是单点故障
Write-Ahead-Log（WAL）
该机制用于数据的容错和恢复：
每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复
HBase容错性 {#hbase容错性}
- [ ] Master容错：Zookeeper重新选择一个新的Master
- 无Master过程中，数据读取仍照常进行；
- 无master过程中，region切分、负载均衡等无法进行；
- [ ] RegionServer容错：定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳，Master将该RegionServer上的Region重新分配到其他RegionServer上，失效服务器上"预写"日志由主服务器进行分割并派送给新的RegionServer
- [ ] Zookeeper容错：Zookeeper是一个可靠地服务，一般配置3或5个Zookeeper实例
Region定位流程： {#region定位流程}
- [ ] 寻找RegionServer
- ZooKeeper--> -ROOT-(单Region)--> .META.--> 用户表
- [ ] ROOT-
- 表包含.META.表所在的region列表，该表只会有一个Region；
- Zookeeper中记录了-ROOT-表的location。
- [ ] META.
- 表包含所有的用户空间region列表，以及RegionServer的服务器地址。
Hbase使用场景 {#hbase使用场景}
storing large amounts of data(100s of TBs)
need high write throughput
need efficient random access(key lookups) within large data sets
need to scale gracefully with data
for structured and semi-structured data
don't need fullRDMS capabilities(cross row/cross table transaction, joins,etc.)
大数据量存储，大数据量高并发操作
需要对数据随机读写操作
读写访问均是非常简单的操作
Hbase与HDFS对比 {#hbase与hdfs对比}
两者都具有良好的容错性和扩展性，都可以扩展到成百上千个节点；
HDFS适合批处理场景
不支持数据随机查找
不适合增量数据处理
不支持数据更新
参考文档： {#参考文档}
1、http://www.alidata.org/archives/1509（存储模型比较详细）
2、http://www.searchtb.com/2011/01/understanding-hbase.html（技术框架以及存储模型）
3、http://wenku.baidu.com/view/b46eadd228ea81c758f578f4.html（读和写的流程比较详细）
