HBase概述
1.HBase是一个构建在HDFS上的分布式列存储系统
2.HBase是Apache Hadoop生态系统中的重要一员，主要用于海量结构化数据存储
3.从逻辑上讲，HBase讲数据按照表、行和列进行存储
HBase是Hadoop生态系统的一个组成部分
Hbase与HDFS对比
两者都具有良好的容错性和扩展性，都可以扩展到成百上千个节点;
HDFS适合批处理场景
不支持数据随机查找
不适合增量数据处理
不支持数据更新
Hbase表的特点
大：一个表可以有数十亿行，上百万列;
无模式：每行对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，同一张表中不同的行可以有截然不同的列;
面向列：面向列（族）的存储和权限控制，列（族）独立检索
稀疏：对于空（null）的列，并不占用存储空间，表可以设计的非常稀疏;
数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元插入时的时间戳;
数据类型单一：Hbase中的数据都是字符串，没有类型
行存储与列存储
数据是按行存储的
没有索引的查询实用大量I/O
建立索引和物化视图需要花费大量时间和资源
面向查询的需求，数据库必须被大量膨胀才能满足性能要求
数据是按列存储-每一列单独存放
数据即是索引
指访问查询涉及的列-大量降低系统I/O
每一列由一个线索来处理-查询的并发处理
数据类型一致，数据特征相似-高效压缩
Hbase数据模型
HBase是基于Google Big Table模型开发的，典型的key/value系统;
Hbase逻辑视图
Rowkey与Column Family
Hbase基本概念
Row Key
Byte array
表中每条记录的 “主键"
方便快速查找
Column Family
拥有一个名称(string)
包含一个或者多个相关列
Column
属于某一个column family
包含在某一列中 Column Family
Version Number
每个rowkey唯一
默认值->系统时间戳
类型为Long
Value（Cell）
Byte array
Hbase数据模型
HBase schema可以有多个Table
每个表可由多个Column Family组成
HBase可以有Dynamic Column
列名称是编码在cell中的
不同的cell可以拥有不同的列
version number 可由用户提供
无需以递增的顺序插入
每一行的rowkey必须是唯一的
Table可能非常稀疏
很多cell可以是空的
Row Key是主键
Hbase支持的操作
所有操作均是基于rowkey的;
支持CRUD（Create、Read、Update和Delete）和Scan;
单行操作
Put
Get
Scan
多行操作
Scan
MultiPut
没有内置join操作，可使用MapReduce解决
Hbase物理模型
每个column family存储在HDFS上的一个单独文件中;
Key和Version number在每个column family中均有一份;
HBase 为每个值维护了多级索引，即：key,column family,column name,timestamp
空值不会被保存。
物理存储
Table中的所有行都按照row key的字典序排列
Table在行的方向上分割为多个Region;
Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候，region就会等分成两个新的region，之后会有越来越多的region;
Table在行的方向上分割为多个Region;
Region是HBase中分布式存储和负载均衡的最小单元。
不同Region分布到不同RegionServer上;Table在行的方向上分割为多个Region;
Region虽然是分布式存储的最小单元，但并不是存储的最小单元。
Region由一个或者多个Store组成，每个store保存一个columns family;
每个Store又由一个memStore和0至多个StoreFile组成;
memStore存储在内存中，StoreFile存储在HDFS上;
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。并实时通知给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的增删改查操作
Zookeeper作用
HBase依赖Zookeeper
默认情况下，HBase管理ZooKeeper实例
Master与RegionServers启动时会向Zookeeper注册
Zookeeper的引入使得Master不再是单点故障
HBase容错性
Master容错：Zookeeper重新选择一个新的Master
无Master过程中，数据读取仍照常进行
无Master过程中，region切分、负载均衡等无法进行
RegionServer容错：定时向Zookeeper汇报心跳，如果一段时间内为出现心跳
Master将该RegionServer上的Region重新分配到其他RegionServer上
失效服务器上"预写"日志由住服务器进行分割并派送给新的RegionServer
Zookeeper容错：Zookeeper是一个可靠地服务
一般配置3或5个Zookeeper实例
Region定位
第一次读取：
步骤1：读取ZooKeeper中ROOT表的位置
步骤2：读取ROOT表中.META表的位置
步骤3：读取.META表中用户表的位置
步骤4：读取数据
如果已经读取过一次，则root和.META都会缓存到本地则直接去用户表的位置读取数据
ROOT表与.META表
ROOT表
ROOT表包含.META表所在的region列表，该表只会有一个Region;
Zookeeper中记录了ROOT表的location
.META表
.META表包含所有的用户空间region列表，以及REgionServer的服务器地址
何时使用HBase
需数据进行随机读操作或者随机写操作
大数据上高并发操作，比如每秒对PB级数据进行上千次操作
读写访问均是非常简单的操作
Hbase在淘宝的应用
交易历史记录查询系统
百亿行数据表，千亿级二级索引表
每天千万行更新
查询场景简单，检索条件少
关系型数据库所带来的问题
基于userId+time+id的rowkey设计
成本考虑