1、HBase概述
HBase是hadoop生态系统中的重要组成部分，是一个开源的、面向列、适合存储海量非结构化数据或半结构化数据，具备高可靠性、高性能、可灵活扩展伸缩、支持实时数据读写的分布式存储系统
存储在Hbase中的表的特征
1、大：一个表可以有上亿行，上百万列
2、任意模式：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，同一张表中的不同的行，它们的列可以不相同
3、面向列：面向列（簇）的存储和权限控制，列（簇）独立检索
4、稀疏：对于为空（NULL）的列，并不占用存储空间，因此，表可以设计的非常稀疏
5、多个数据版本：每个单元中的数据可以有多个数据版本，默认情况下自动分配版本号，版本号是单元格插入时的时间戳
6、唯一数据类型：Hbase中的数据都是字符串类型，没有其它数据类型
2、HBase数据模型
1、Table
1、Table中的数据可以非常稀疏
2、每个Table中的所有行都是按照row key的字典序排序
2、Row Key
1、它是byte array（字节数组）
2、它是表中每条记录的主键
3、通过Row Key方便查找每行记录
3、ColumnFamily
1、每个ColumnFamily都有一个名称
2、它包含一个或者多个列
3、每个表可以由多ColumnFamily组成
4、每个ColumnFamily存储在HDFS上的一个单独的文件中
5、Key和版本号在每个ColumnFamily中都保存有一份
4、Column
1、它属于某一个ColumnFamily。比如，FamilyName:columnName
2、HBase表中的列是动态的列
5、TimeStamp
1、每一个Row Key可以有多个版本号
2、版本号可以由用户来提供
6、Cell
1、存储具体的byte array
2、单元内的空值不会被保存
3、HBase物理模型
1、每个Table会在行的方向上，分割为多个Region
2、Region按照数据大小来分割，每一个Table刚开始只有一个region，随着数据的增多，region就会不断的增大，当增大到一个阀值的时候，region就会等分成两个新的region。当Table越来越大的时候，region就会越来越多
3、每个region是HBase中分布式操作和负载均衡的最小单位，不同的region可能分布到不同的regionServer上
4、Region虽然是分布式操作的最小单元，但并不是存储的最小单元，在region里面，又划分了很多更小的单位进行存储，如下所示
1、Region由一个或者多个Store组成，每个Store保存一个ColumnFamily
2、每个Store又由一个memStore和多个storefile组成
3、memstore存储在内存中，storefile存储的HDFS上
4、HBase基本架构
1、Client
可以有多个Client运行在不同机器上，Client也会维护了一个缓存，用来加快对HBase的访问速度
2、Zookeeper
1、保证在任何时候，集群中有且仅有一个master
2、存储了所有region的寻址入口
3、实时监控RegionServer的健康状况，并实时的通知给Master
4、存储的HBase的shecma和table的元数据信息
3、Master
1、为RegionServer分配region
2、负责regionserver的负载均衡
3、如果发现失效的RegionServer，Master会重新分配它上面的region
4、管理用户对table的增删改查操作
4、Region Server
1、RegionServer的作用就是维护region，处理对这些region的I/O请求
2、RegionServer也负责切分超过阀值的region
5、Hbase中的Zookeeper
1、Hbase的运行依赖于Zookeeper
2、Master与RegionServer启动时会向Zookeeper注册，Zookeeper可以监控Master和RegionServer的健康状况
3、Hbase通过引入Zookeeper解决了Master的单点故障
6、Hbase支持的操作
1、HBase所有的操作均基于rowkey的操作
2、HBase支持增删改查和scan
3、Hbase支持单行操作
1、Put
2、Get
3、Scan
4、Hbase支持多行操作
1、Scan
2、MultiPut
5、Hbase没有内置的join操作，但可以通过MapReduce来解决
7、Hbase Write-Ahead-Log（预先写日志）
8、Hbase容错机制
1、Master容错：
实际生产环境中，HBase一般配置多个Master，当对外提供服务的Master挂掉之后，Zookeeper会重新选举一个新的Master
1、数据读取不受影响，因为数据读取过程不需要与Master交互
2、region切分、负载均衡等无法进行
2、RegionServer容错：
1、定期的向Zookeeper提供心跳，如果Zookeeper一段时间没有收到心跳信息，Zookeeper会通知Master，RegionServer挂掉了，Master会将该RegionServer上的region重新分配到其他RegionServer上
2、失效RegionServer上的预写日志，会由主服务器进行分割，然后分配给对应的RegionServer上
3、Zookeeper容错：
Zookeeper可以提供一个可靠的服务，一般我们配置3个、5个、7个等奇数个实例
9、Hbase中的region定位
1、首先要访问Zookeeper，查找到ROOT表的位置
2、从ROOT表里面获取META表的位置，我们在对应RegionServer上读取META表
3、在META表里面定位到我们要找的region的位置
4、到RegionServer上来读取对应region上面的数据
10、Hbase与关系型数据库的比较
如果，您认为阅读这篇博客让您有些收获，不妨点击一下右下角的【推荐】。
如果，您希望更容易地发现我的新博客，不妨点击一下左下角的【关注我】。
如果，您对我的博客所讲述的内容有兴趣，请继续关注我的后续博客，我是【刘超★ljc】。
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。