Hbase原理、基本概念、基本架构
概述
HBase是一个构建在HDFS上的分布式列存储系统；
HBase是基于GoogleBigTable模型开发的，典型的key/value系统；
HBase是ApacheHadoop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
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逻辑视图
注意上图中的英文说明
Hbase基本概念
RowKey：是Bytearray，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要。
ColumnFamily：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
VersionNumber：类型为Long，默认值是系统时间戳，可由用户自定义
Value(Cell)：Bytearray
Hbase物理模型
每个columnfamily存储在HDFS上的一个单独文件中，空值不会被保存。
Key和Versionnumber在每个columnfamily中均有一份；
HBase为每个值维护了多级索引，即：<key,columnfamily,columnname,timestamp>
物理存储:
1、Table中所有行都按照rowkey的字典序排列；
2、Table在行的方向上分割为多个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就会等分会两个新的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Region分布到不同RegionServer上。
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columnsfamily；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Regionserver分配region
负责Regionserver的负载均衡
发现失效的Regionserver并重新分配其上的region
管理用户对table的增删改查操作
RegionServer
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Regionserver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WriteAheadLog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LoadRegion的过程中，会发现有历史HLog需要处理，因此会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
storinglargeamountsofdata(100sofTBs)
needhighwritethroughput
needefficientrandomaccess(keylookups)withinlargedatasets
needtoscalegracefullywithdata
forstructuredandsemi-structureddata
don'tneedfullRDMScapabilities(crossrow/crosstabletransaction,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
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