HBase介绍

什么是HBase

HBase 是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用 HBASE 技术可在廉价 PC Server 上搭建起大规模结构化存储集群。仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。
HBase 是 Google Bigtable 的开源实现，有很多不同之处。比如：Google Bigtable利用 GFS 作为其文件存储系统，HBase 利用 Hadoop HDFS 作为其文件存储系统；Google运行 MAPREDUCE 来处理 Bigtable 中的海量数据，HBase 同样利用 Hadoop MapReduce 来处理HBase中的海量数据；Google Bigtable利用Chubby作为协同服务，HBase利用Zookeeper作为对应

HBase特点

1. 海量存储
   Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，
   能在几十到百毫秒内返回数据。

2. 列式存储
   Hbase 是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定

3. 易扩展
   Hbase 的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。

4. 高并发
   由于目前大部分使用 Hbase 的架构，都是采用的廉价 PC，因此单个 IO 的延迟其实并不小，一般在几十到上百 ms 之间。这里说的高并发，主要是在并发的情况下，Hbase 的单个IO 延迟下降并不多。能获得高并发、低延迟的服务

5. 稀疏
   稀疏主要是针对 Hbase 列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的

HBase架构

Hbase 由 Client、Zookeeper、Master、HRegionServer、HDFS 等几个组件组成,架构图如下：

1. Client

   Client 包含了访问 Hbase 的接口，另外 Client 还维护了对应的 cache 来加速 Hbase 的访问

2. Zookeeper
   HBase 通过 Zookeeper 来做 master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。具体如下：
   通过 Zoopkeeper 来保证集群中只有 1 个 master 在运行，如果 master 异常，会通过竞争机制产生新的 master 提供服务
   通过 Zoopkeeper 来监控 RegionServer 的状态，当 RegionSevrer 有异常的时候，通过回调的形式通知 Master RegionServer 上下线的信息
   通过 Zoopkeeper 存储元数据的统一入口地址

3. Hmaster
   master 节点的主要职责如下：
   为 RegionServer 分配 Region
   维护整个集群的负载均衡
   维护集群的元数据信息
   发现失效的 Region，并将失效的 Region 分配到正常的 RegionServer 上
   当 RegionSever 失效的时候，协调对应 Hlog 的拆分

4. HregionServer
   HregionServer 直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：
   管理 master 为其分配的 Region
   处理来自客户端的读写请求
   负责和底层 HDFS 的交互，存储数据到 HDFS
   负责 Region 变大以后的拆分
   负责 Storefile 的合并工作

5. HDFS
   HDFS 为 Hbase 提供最终的底层数据存储服务，同时为 HBase 提供高可用（Hlog 存储在HDFS）的支持，具体功能概括如下：
   提供元数据和表数据的底层分布式存储服务
   数据多副本，保证的高可靠和高可用性

RegionServer中的组件

1. Write-Ahead logs
   HBase 的修改记录，当对 HBase 读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件中，然后再写入内存中。在系统出现故障的时候，数据可以通过这个日志文件重建。
2. Region
   Hbase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一个 RegionServer 中可以有多个不同的 region。
3. Store
   数据存储， 包括内存存储(MemStore)和磁盘存储（HFile）
4. MemStore
   顾名思义，就是内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在WAL 中之后，RegsionServer 会在内存中存储数据。当数据同步到磁盘（HFile）后清空内存和WAL
5. HFile
   这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile 是以 Hfile的形式存储在 HDFS 的