HBase体系架构

Client
• 包含访问HBase的接口并维护cache来加快对HBase的访问
Zookeeper
• 保证任何时候，集群中只有一个master
• 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Master
• 存储HBase的schema和table元数据
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的增删改操作
RegionServer
• Region server维护region，处理对这些region的IO请求
• Region server负责切分在运行过程中变得过大的region
Region
• HBase自动把表水平划分成多个区域(region)，每个region会保存一个表
里面某段连续的数据；每个表一开始只有一个region，随着数据不断插
入表，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（裂变）；
• 当table中的行不断增多，就会有越来越多的region。这样一张完整的表
被保存在多个Regionserver 上。
Memstore 与 storefile
• 一个region由多个store组成，一个store对应一个CF（列族）
• store包括位于内存中的memstore和位于磁盘的storefile写操作先写入
memstore，当memstore中的数据达到某个阈值，hregionserver会启动
flashcache进程写入storefile，每次写入形成单独的一个storefile
• 当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、
major compaction），在合并过程中会进行版本合并和删除工作
（majar），形成更大的storefile
• 当一个region所有storefile的大小和超过一定阈值后，会把当前的region
分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载
均衡
• 客户端检索数据，先在memstore找，找不到再找storefile

Tips：
1、这里的HMaster相当于HDFS集群中的NameNode，而不同的是，HDFS中，元数据是在NameNode中，而这里的元数据在Zookeeper中；HregionServer相当于DataNode，来存储数据。
2、StoreFile是HBase系统中的叫法，因为它是存储在HDFS中，所以在ＨＤＦＳ中叫做Hfile
3、HBase虽然同时支持存储与查询，但是用于查询较多，因为它不支持严格的事务，所以，一般有较复杂的业务逻辑的存储，肯定是先存到关系型数据库中，再存入HBase
4、HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion可以分布在不同的 HRegion server上。
5、Client是直接请求HRegionServer的。而不是通过HMaster（类似Nginx）