最近公司正好準備投入HBase，因此做了一些基礎學習準備，所以先暫時停止MySQL的更新，把HBase的學習心得跟大家分享一下，接下來一段時間都會發布HBase相關內容。
在學的過程中，發現跟MySQL相互對比，能更深入地瞭解存儲組件的設計。有任何問題或者想看的知識點，歡迎留言跟我溝通。
1.前言
隨着公司業務不斷髮展，開始遇見越來越多的複雜存儲場景。我們在關係型數據庫上已經有了比較好的技術積累，但是並不能解決所有問題。
因此，需要對更多存儲類型做技術儲備。
HBase作爲nosql的典型代表，是一個分佈式的、面向列的開源數據庫，在大數據存儲上廣受歡迎，因此，第一站就來到這裏。
網絡上對於HBase的文檔有很多，但是看了一圈，沒有特別能讓一個小白快速入門的介紹。
本文作爲一個入門文檔，希望能通過自己的理解，來快速認識HBase到底是什麼，它的結構、特點、適用場景有哪些，但不會有深入的技術點的說明。
嗯，就是快速，非常快速並且絲滑地去理解HBase到底是啥。
2. 適用場景
一開始，我們肯定需要了解的是，爲什麼要用HBase。
存儲組件比較多，我們就簡單談談MySQL和HBase的主要對比。
可以看到，在面對海量數據場景時，如果沒有較強的事務要求，查詢比較簡單，那麼HBase是非常適合的。
2. 基本概念
2.1 表、行、列和單元格
爲什麼正文要從這裏開始呢？
因爲這個是一切的基礎，也是我們初次接觸HBase最先想到的問題，HBase的數據格式是怎樣的？
但是在入門HBase的過程中，發現一個小白想搞明白HBase到底是個什麼存儲格式還是挺費勁的。
比如給你這樣一個HBaes的數據結構，是不是比較難理解是一個怎樣的層級概念？
一個好的辦法就是做 知識的遷移。所以，從我們熟悉的Mysql來說，是個非常好的方式。
Mysql的表結構我們非常熟悉，所以第一個問題就是，Mysql的表記錄在HBase中是如何存儲呢？
我們來舉個例子，有兩張mysql的表，表名叫user和location，表記錄如下。
user表
location表
這樣的結構，在HBase中的邏輯存儲應該是這樣的。
抽象出來的概念如下
相信有了這樣直接的對比，不用我說，大家也能明白HBase的基本存儲概念了。
RowKey：是Byte array，是表中每條記錄的“主鍵”，方便快速查找，Rowkey的設計非常重要。
Column Family：列族，擁有一個名稱(string)，包含一個或者多個相關列
Column：屬於某一個column family，familyName:columnName，每條記錄可動態添加
Value(Cell)：Byte array
Version Number：類型爲Long，默認值是系統時間戳，可由用戶自定義（這個概念在上文的邏輯存儲中不太好遷移類比，所以上文的模型中沒有給出，可以理解爲mysql中的mvcc的版本號）
那麼，在HBase中確定一個值的方式就比較清楚了。
通過RowKey-CF-Column-Version我們就能找到Value，這樣就明白了KV的查詢的結構關係。
如果用代碼來簡單表示，可以這樣顯示：
SortedMap<RowKey, List<SortedMap<Column,List<Value,TimeStamp>>>>
做個小結：
最基本的單位是列（column）。一列或者多列形成行（row），並且由唯一的行鍵（row
key）來確定存儲。反過來，一個表（table）中由若干行，其中每列可能由多個版本（version），在每一個單元格（cell）中存儲了不同的值。
2.2 分區概念
上面對存儲結構做了比較直白的說明，下面介紹HBase另一個比較核心的概念：regin。
HBase中擴展和負載均衡的基本單位稱爲regin，regin本質上是以行鍵排序的連續存儲的區間。
如果regin太大，系統會自動進行拆分（在中間的行鍵進行一拆二），反之，會把多個regin合併（非自動），以減少存儲文件數量。
如果類比mysql，可以看作是分區表partition的概念。
每一個regin只能由一臺regin服務器（region server）加載，每一臺region server可以加載多個region。
3. 架構
這張圖是HBase非常經典的整體架構圖。圖中展示了HBase的各種組件。
1）Client
Client包含了訪問Hbase的接口，另外Client還維護了對應的cache來加速Hbase的訪問，比如cache的.META.元數據的信息。
2）Zookeeper
Hbase通過Zookeeper來做master的高可用、RegionServer的監控、元數據的入口以及集羣配置的維護等工作。具體工作如下：
- 通過Zoopkeeper來保證集羣中只有1個master在運行，如果master異常，會通過競爭機制產生新的master提供服務
- 通過Zoopkeeper來監控RegionServer的狀態，當RegionSevrer有異常的時候，通過回調的形式通知Master RegionServer上下線的信息
- 通過Zoopkeeper存儲元數據的統一入口地址
3）HMaster
- master節點爲RegionServer分配Region
- 維護整個集羣的負載均衡
- 維護集羣的元數據信息
- 發現失效的Region，並將失效的Region分配到正常的RegionServer上
當RegionSever失效的時候，協調對應Hlog的拆分
4）HReginServer
HregionServer直接對接用戶的讀寫請求，是真正的“幹活”的節點。它的功能概括如下：
- 管理master爲其分配的Region 處理來自客戶端的讀寫請求
- 負責和底層HDFS的交互，存儲數據到HDFS
- 負責Region變大以後的拆分
- 負責Storefile的合併工作
5）HDFS
HDFS爲Hbase提供最終的底層數據存儲服務，同時爲Hbase提供高可用（Hlog存儲在HDFS）的支持，具體功能概括如下：
- 提供元數據和表數據的底層分佈式存儲服務
- 數據多副本，保證的高可靠和高可用性
看到這裏了，原創不易，點個贊吧，你最好看了～
知識碎片重新梳理，構建Java知識圖譜：https://github.com/saigu/JavaKnowledgeGraph （歷史文章查閱非常方便）
掃碼關注我的公衆號“阿丸筆記”，第一時間獲取最新更新。同時可以免費獲取海量Java技術棧電子書、各個大廠面試題。
