简介
HBase是面向列的分布式存储系统（NoSQL数据库），是对Google论文BigTable的实现，具有数据存储量大、高性能、高扩展等特点。（BigTable是对HBase最形象的解释，大宽表，支持百万级列、亿万级数据，动态列）
数据模型
HBase数据模型可以分为逻辑结构和物理结构。逻辑结构上，HBase的表由多行记录组成，每行由多个列簇组成，每个列簇由多个列组成；物理结构上，每张表按照RowKey被水平拆分成多个Region，每个Region按照Column Family被垂直拆分成多个Store（面向列存储的原因），每个单元格的数据由多个版本，按照KV存储，如下图所示：
- RowKey：唯一表示一行记录；
- Column Qualifier：创建表时只需要指定RowKey和Column Family，列是动态的，按需指定；
- Cell：<RowKey, Column Family, Column Qualifier>唯一确定的单元，每个单元格有多个版本，并且可以设置过期时间TTL；
- TimeStamp：用于标识数据的不同版本，每条数据写入时可以指定数据版本，如果不指定默认使用系统当前时间；
- Region：每个Region由多个Store组成，每个Store对应一个列簇；
系统架构
HBase的架构为主从架构，HMaster为管理节点，负责元信息和集群管理；HRegionServer为数据节点，负责数据的管理，数据最终存储在HDFS上，如下图所示：
HMaster职责：
- HRegionServer节点管理（监控、Region分配和负载均衡等）；
- 表元信息管理（DML相关），实际数据仍存储在HRegionServer；
HRegionServer职责：
- Region管理（拆分、压缩）；
- 客户端数据读写请求处理（DDL相关）；
Zookeeper职责：
- HMaster高可用（集群选主）；
- 集群监控：HRegionServer的监控，上下线信息通报给HMaster；
- 元信息管理：Region路由信息、表元信息，以及集群配置信息等；
数据读写流程
Region寻址
- Client首先请求ZK，获取HBase的Meta表所在的HRegionServer；
- Client连接HRegionServer，获取Meta表信息，确定RowKey所属的Region，以及Region所在的HRegionServer；
写流程
- 通过Region寻址，Client连接至对应的HRegionServer；
- 先将写命令写入HLog日志，然后将更新写入MemStore内存，写入成功后返回ACK到Client；
- 如果MemStore的大小超过设定阈值，刷盘到StoreFile；
读流程
- 通过Region寻址，Client连接至对应的HRegionServer；
- 先从BlockCache（HRegionServer全局缓存，LRU算法）中查找数据，如果存在则返回；
- 如果不存在，则从RowKey所属的Region中的MemStore和StoreFile查找；
拆分与合并
Region拆分
- 拆分原因： 单个Region的数据越来越多，会导致数据读取RT升高；
- 拆分时机： Region中某个Store的数据量（所有StoreFile之和）超过设定阈值时触发拆分；
- 拆分过程： 一个Region被拆分成两个，如果有负载均衡的需要，某个Region会被移到其他HRegionServer；
StoreFile合并
- 合并原因： StoreFile过多会导致数据读取RT升高；
- 合并方式： 合并分为Minor Compaction和Major Compaction。Minor Compaction会将临近的若干个小文件合并成一个大文件，会清理过期数据，但是不会清理已删除数据；Major Compaction将Store下所有的文件合并成一个大文件，并且会清理和已删除数据。
比较
对比关系型数据库： HBase能够支持海量数据的存储，并且容易扩展，但是不支持事务，二级索引，以及复杂查询；
对比Hive： 虽然都是基于HDFS，HBase是存储系统，提供低延迟的读写，用于在线业务；Hive是分析系统，用于大数据的离线分析；
应用场景
HBase作为分布式数据库，适用于海量数据存储（至少亿级别的数据量）场景（没有事务、复杂SQL等需求）。
参考
- 入门HBase的正确姿势
- 表及RowKey设计指南
本文地址：https://blog.csdn.net/yangguosb/article/details/107497932
