HBase学习笔记--HBase初识

回答三个问题：
1.HBase是做什么的？
2.HBase和其他数据库有什么区别？
3.HBase的包含什么模块，它的结构是什么样子？

HBase是做什么的？

hbase官网
通过构建一个表，来实现随机实时读写HDFS
支持大表：10亿行级别和100万列级别表。
随机访问
实时读写
分布式(强一致性读写,自动恢复)
多版本
高并发（存疑)
非关系型

HDFS支持随机访问吗？
HDFS文件不支持随机写入，只支持追加写。（HDFS部分学习）
HDFS支持实时读写吗？
HDFS不支持低延时的数据访问。
非关系型，就是不存在固定的表结构。（not only sql)

根据不能支持就加一层的思路，HBase肯定是在HDFS上面加了一些东西，从而支持了上述的特点。在官网介绍上，还没有看到高并发的论述，这里先存一个疑。

HBase和其他数据库有啥区别

数据块存储结构
存储结构：B树，LSM树。
B树的结构式B树做索引，行存做存储。特点在于读快写慢
LSM树，推迟和批量修改。先写到内存中，然后flush到磁盘，到一定的情况下，再进行合并优化读性能。

HBase的优势和Hadoop紧密绑定,它的高可拓展性，可以在保证数据一致性的同时，提供高性能。
这点先这么看吧，和hdfs紧密绑定，咋紧密了，别的就不可以读写hdfs了吗？主要应该是扩展性好吧？生态好吧？
MongoDB,Cassandra之后学习了再对比~

HBase使用场景

数据量大，否则没有发挥分布式的优势。
没有RDBMS要求，比如事务，二级索引，高级查询语言。（这部分要看看phoenix)

HBase数据模型

为了支持HBase功能，需要在数据结构和模块上进行设计。
HBase Data模型

逻辑视图

表结构

物理视图

物理上也是一个k-v结构，key是row key + time stamp + column family + type + column value是内容，一个列簇存到一起。

NameSpace

用来对逻辑上的db进行分组，从而可以进行多租配额，访问控制，RS隔离等。

Versions

用来支持多版本，log类型的。存储时需要倒序排列。

ACID

HBase支持行更新的原子性。
支持Read Commit隔离级别

HBase模块组成

CataLog Table

也是一个hbase的表，k-v结构，作用是快速通过table的rowkey信息，定位到region,regionServer信息，regionServer进行读写操作。

key
    table,region start key,region id
value
   info: regioninfo 序列化的RegionInfo信息
   info: server
   info: serverstartCode

表的region如果变大，需要分裂，这时候value会增加分裂后的字段。

啥时候失效更新？如何更新？

HBase客户端

提供接口,JAVA API,Thrift Rest API,Map Reduce接口
支持DML,DDL操作
HBase读取数据时，先定位RegionServer，然后发送请求到RegionServer。这里面需要一个索引来定位，这个索引就是元数据。
如果元数据失效了，那么就直接访问meta表。
为了提高写效率，支持批量和缓存。
为了提高读效率，支持filter。

Master

作用是处理RegionServer接口，元数据变动。
region assingn，server crash，balance等都需要Master参与。

RegionServer

服务和管理Region，一般和datanode放一起。
协处理器，regionServer上执行用户的代码。

Region

存储列簇(Column Family),可用性和分布式的基本元素。
一个regionServer管理20-200个region，每个region（5-20Gb)

Region数不能太多的原因：
region读写需要缓存；
可能master负载高;
影响MR tasks个数。

Zookeeper

Master高可用
hbase:meta存储
RegionServer宕机恢复
分布式锁

【下一个小节装一个hbase单机版】