Hbase 概述

Hbase 是构件在HDFS上的分布式列存储系统

Hbase 是基于谷歌Big table 模型开发的，典型的key/value

Hbase 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

Hbase 表的特点

1.大： 一个表有数十亿行，上百万列

2.面向列存储： 面向列的存储和权限控制，列族独立检索

3.稀疏： 空列不会占用存储空间，表可以设计的非常稀疏

4.数据多版本：每个单元中的数据可以有多个版本，默认情况下是自动分配，是单元格插入时的时间戳

5.数据类型单一：都是字符串，没有其他类型

Hbase 数据模型

Hbase 基本概念

1.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

2.Column Famliy 列族，拥有一个名称（string）,包含一个或者多个相关列

3.Column 属于某一个columnfamliy famliyNode:columnName ,每条记录可以动态添加

4.Version Number 类型为Long ,默认是系统时间戳，可以由用户自定义

5.Value :Byte arry

Hbase 物理模型

1.每个column famliy 存储在HDFS上的一个单独文件中，空值不会被保存

2.key 和Version number 在每一个column famliy 中均有一份、

3.Hbase 为每个值维护多级索引

物理存储：

                1.Table 中所有行按照row key 的字典排序

                2.Table 在行的分割方向上分割为多个Region

                3. 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 就会等分成2个Region 之后会有越来越多的Region

                 4. Region是Hbase 中分布式存储和负载均衡的最小单元，不同的Region 分布在不同的RegionServer

5、Region虽然是分布式存储的最小单元，但并不是存储的最小单元。Region由一个或者多个Store组成，每个store保存一个columns family；每个Strore又由一个memStore和0至多个StoreFile组成，StoreFile包含HFile；memStore存储在内存中，StoreFile存储在HDFS上

。

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

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 AheadLog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ReplayHLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复

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：

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

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

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

作者：起个什么呢称呢
链接：https://www.jianshu.com/p/73bdbe1f70a2