Hbase数据模型与存储结构

Hbase是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。依托Hadoop-HDFS作为其文件存储系统，利用MapReduce来处理海量数据，用Zookeeper作为其分布式协同服务，主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）。

二、 Hbase数据模型

======================================================================

1、存储模型分布

---

下边表示了一行，三列的数据，CF1、CF2、CF3是三个不同的列族，在t2时刻CF1下存入列名为q1，值为v1,rowkey为11248112；在t6时刻CF2、CF3下分别存入列名为q2，q3,值为v2，v3,rowkey为11248112；t3时刻没有存入 。和关系数据库不同这里的空白处是不占用空间的。

Row Key	Time Stamp	CF1	CF2	CF3
11248112	t6		CF2:q2=v2	CF3:q3=val3
	t3
	t2	CF1:q1=v1

2、单元格（cell）

---

（1）cell由行和列的坐标交叉决定；

（2）单元格是有版本的；

（3）cell的内容是未解析的字节数组；

（4）cell由_{row_ key， column( = +)， version} 唯一确定的单元。

（5）cell中的数据是没有类型的，全部是字节码形式存贮。

3、RowKey

---

（1）决定一行数据，按行检索数据，相当于一级索引

（2） 按照字典顺序排序的，说明数据是有序的

（3）只能存储64k的字节数据，RowKey越短越好

4、 列族（Column Family）

---

（1）HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘tb’, ‘f’；

列名以列族作为前缀，每个“列族”都可以有多个列(column)；如f:a, f:b, 新的列族成员（列）可以随后按需、动态加入；

（2）权限控制、存储以及调优都是在列族层面进行的；

（3）HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

5、时间戳（Timestamp）

---

（1）在HBase每个cell存储单元对同一份数据可以有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。

（2）时间戳的类型是 64位整型，一般由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫秒的当前系统时间。

时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。

三、hbase架构

===================================================================

1、Client

---

提供了访问HBase的一系列API接口，如Java Native API、Rest风格http API、Thrift API、scala等，并维护cache来加快对HBase的访问

2、Zookeeper

---

（1）保证任何时候，集群中只有一个master

（2）存贮所有Region的寻址入口。

（3）实时监控Region server的上线和下线信息，并实时通知Master

（4）存储HBase的schema和table元数据

如下：replication下存副本节点信息，meta-region-server存region server元数据信息，rs下regionserver节点信息，backup-masters存backup-masters节点信息，不在详细说明，顾名思义。

1. [zk: localhost:2181(CONNECTED) 11] ls /hbase

2. [replication, meta-region-server, rs, splitWAL, backup-masters, table-lock, flush-table-proc, region-in-transition, online-snapshot, master, running, recovering-regions, draining, namespace, hbaseid, table]

3、Master

---

（1）为Region server分配region

（2）负责Region server的负载均衡

（3）发现失效的RegionServer并重新分配其上的region