一、HBase 是什麼？
HBase 是一個分佈式的、面向列的開源數據庫，該技術來源於 Fay Chang 所撰寫的 Google 論文 “Bigtable：一個結構化數據的分佈式存儲系統” 。就像 Bigtable 利用了 Google 文件系統（File System）所提供的分佈式數據存儲一樣，HBase 在 Hadoop 之上提供了類似於 Bigtable 的能力。HBase 是 Apache 的 Hadoop 項目的子項目。HBase 不同於一般的關係數據庫，它是一個適合於非結構化數據存儲的數據庫。另一個不同的是 HBase 基於列的而不是基於行的模式。
二、HBase 的特點？
- 大：一個表可以有上億行，上百萬列。
- 面向列：面向列表（簇）的存儲和權限控制，列（簇）獨立檢索。
- 稀疏：對於爲空（NULL）的列，並不佔用存儲空間，因此，表可以設計的非常稀疏。
- 無模式：每一行都有一個可以排序的主鍵和任意多的列，列可以根據需要動態增加，同一張表中不同的行可以有截然不同的列。
- 數據多版本：每個單元中的數據可以有多個版本，默認情況下，版本號自動分配，版本號就是單元格插入時的時間戳。
- 數據類型單一：HBase 中的數據都是字符串，沒有類型。
- 支持過期：HBase 支持 TTL 過期特性。用戶設置過期時間，超過 TTL 的數據會被系統自動清理。
三、Hbase 數據模型？
HBase 以表的形式存儲數據。表由行和列組成。列劃分爲若干個列簇（column family），如下圖所示。
- 表（Table）: HBase 會將數據組織進一張張的表裏面，但是需要注意的是表名必須是能用在文件路徑裏的合法名字，因爲 HBase 的表是映射成 hdfs 上面的文件。
- 行（Row）: 在表裏面，每一行代表着一個數據對象，每一行都是以一個行鍵（Row Key）來進行唯一標識的，行鍵並沒有什麼特定的數據類型， 以二進制的字節來存儲。
- 列簇（Column Family）: 在定義 HBase 表的時候需要提前設置好列簇, 表中所有的列都需要組織在列簇裏面，列簇一旦確定後，就不能輕易修改，因爲它會影響到 HBase 真實的物理存儲結構，但是列簇中的列標識（Column Qualifier）以及其對應的值可以動態增刪。表中的每一行都有相同的列簇，但是不需要每一行的列簇裏都有一致的列標識（Column Qualifier）和值， 所以說是一種稀疏的表結構。
- 列標識（Column Qualifier）: 列簇中的數據通過列標識來進行映射，其實這裏可以不用拘泥於“列”這個概念，也可以理解爲一個鍵值對，Column Qualifier 就是 Key。 列標識也沒有特定的數據類型，以二進制字節來存儲。
- 單元（Cell）: 每一個行鍵，列簇和列標識共同組成一個單元，存儲在單元裏的數據稱爲單元數據，單元和單元數據也沒有特定的數據類型，以二進制字節來存儲。
- 時間戳（Timestamp）: 默認下每一個單元中的數據插入時都會用時間戳來進行版本標識。讀取單元數據時，如果時間戳沒有被指定，則默認返回最新的數據。寫入新的單元數據時，如果沒有設置時間戳，默認使用當前時間。每一個列簇的單元數據的版本數量都 HBase 單獨維護，默認情況下 HBase 保留 3 個版本數據。
RowKey
RowKey 可以使用任意字符串（最大長度爲 64KB，實際應用中長度一般爲 10 ~ 100bytes），在 HBase 內部，Row Key 保存爲字節數組。
在 HBase 使用過程中，設計 RowKey 是一個很重要的環節。我們在進行 RowKey 設計的時候可參照如下步驟：
- 結合業務場景特點，選擇合適的字段來做爲 RowKey， 且按照查詢頻次來放置字段順序。
- 通過設計的 RowKey 能儘可能的將數據打散到整個集羣中，均衡負載，避免熱點問題。
- 設計的 RowKey 應儘量簡短。
與 NoSQL 一樣，RowKey 是用來檢索記錄的主鍵。訪問 HBase table 中的行，只有三種方式：
- 通過單個 RowKey 訪問。
- 通過 scan 方式，設置 startRow 和 stopRow 參數進行範圍匹配。
- 全表掃描，即直接掃描整張表中的所有行記錄。
物理存儲模型
物理存儲上 HBase 將 Table 在行的方向上分割爲多個 HRegion, 每個 HRegion 分散在不同的 HRegionServer 中。
每個 HRegion 由多個 Store 構成， 每個 Store 由一個 memStore 和0或多個 StoreFile 組成， 每個 Store 保存一個 Columns Family。
四、Hbase 體系結構？
HBase 中的組件包括 Client、Zookeeper、HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、HLog 等。
HBase 中的每張表都通過行鍵（RowKey）按照一定的範圍被分割成多個子表（HRegion），一個 HRegion 超過一定閾值就要被分割成兩個，這個過程由 HRegionServer 管理， 而 HRegion 的分配由 HMaster 管理。
HMaster
- 爲 HRegion Server 分配 HRegion。
- 負責 HRegion Server 的負載均衡。
- 發現失效的 HRegion Server 並重新分配其上 HRegion。
- HDFS 上的垃圾文件回收。
- 處理 schema 更新請求。
HMaster 僅僅維護 table 和 HRegion 的元數據信息，而 table 的元數據信息保存在 zookeeper 上，因此，HMaster 的負載很低。
HRegion Server
- 維護 HMaster 分配給他的 HRegion，並處理對這些 HRegion 的 IO 請求（client 訪問 HBase 上的數據並不需要 HMaster 參與）。
- 負責切分正在運行過程中變得過大的 HRegion。
HRegion
table 在行的方向上分割爲多個 HRegion ，HRegion 是 HBase 中分佈式存儲和負載均衡的最小單元，即不同的 HRegion 可以分佈在不同的 HRegion Server 上，但同一個 HRegion 是不會拆分到多個 HRegion Server 上。
HRegion 按大小分割，每個表一般只有一個 HRegion ，隨着數據不斷的插入表，HRegion 不斷增大，當 HRegion 的某個列簇達到一定的閾值時就會分成兩個新的 HRegion 。
Zookeeper
- 保證任何時候，集羣中只有一個 HMaster，避免 HMaster 的單點故障。
- 存儲所有 HRegion 的尋址入口。
- 實時監控 HRegion Server 的上線和下線信息，並實時通知 HMaster。
- 存儲 HBase 的 schema 和 table 元數據。
HBase 依賴 Zookeeper，默認情況下 HBase 管理 Zookeeper 實例（啓動或關閉 Zookeeper），HMaster 與 HRegionServers 啓動時會向 Zookeeper 註冊，使 HMaster 可以隨時感知到各個 HRegionServer 的健康狀態。
Client
首先當一個請求發生時，HBase Client 使用 RPC 機制與 HMaster 和 HRegion Server 進行通信。對於管理類操作，Client 與 HMaster 進行 RPC 通信；對於數據讀寫操作，Client 與 HRegion Server 進行 RPC 通信。
HBase Client 使用 RPC 機制與 HMaster 和 HRegion Server 進行通信，但如何尋址呢？由於 Zookeeper 中存儲了 Meta 表的地址和 HMaster 的地址，所以 HBase Client 需要先到 Zookeeper 上進行尋址。
HBase Client 訪問 Zookeeper，可以根據 Meta 表獲取到 HRegion Server 地址。