文章目录
一、Hadoop生态系统
二、HBase简介
1、HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库
2、利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务
3、主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库
三、HBase系统架构
1、HBase系统组成
以三台机器来讲，由一个直接点HMster和两个从节点HRegionServer组成。
2、HMaster介绍
(1)HMster的作用
①为RegionServer分配Region
②发现失效的Region并重新分配Region
③负责RegionServer的负载均衡
④管理用户对表的增、删、改请求（注意：针对表结构）
3、HRegionServe介绍
(1)HRegionServe的作用
①负责用户对表的IO请求
②负责切分运行过大的Region
(2)HRegionServerd的组成介绍
一个HRegionServer中有一个HLog、一个BlockCache、很多个Region，一个Region包含很多个store，一个store包含一个memstore和很多个storefile，
首先表在创建的时候只有一个Region，随着数据的不断写入，Region会越来越大，当它达到一定的阈值（10G）的时候，就会触发切分操作。
例如：有一个60G的数据要写入HBase，如果按章默认的切分策略，达到10G进行一次切分，那么导致进行多次切分，在切分的过程中是非常消耗资源的，而且会停止响应用户的请求，所以在线上环境中通常会将切分策略直接设为DisabkedRegionSplitPolicy,关闭自动切分，等待业务不繁忙的时候手动进行切分
HLOG文件就是一个普通的Hadoop Sequence File，Sequence File的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括sequence number和timestamp，timetamp是“写入时间”，sequence number 的起始值为0，或者是最近一次存入文件系统中sequence number。Hlog SequenceFile的value是HBase的KeyValue对象，即对应HFile中的KeyValue。
(3)HBase的读写流程
写流程：首先由客户端发起一个写请求，然后去连接zk获取meta表（meta表实际上是HBase中的一张表，记录着所有的用户表的Region的信息）的位置信息（meta表对应的Region所在的RegionServer的信息），假设meta表在node1，接下来就会去连接node1上的RS，读取meta表的数据，讲些图数据的Rowkey同meta表的数据进行对比，窄带Rowkey所对应的Region位置，假设在node2，然后就会去连接node2上的RS，将数据写入对应的Region中，首先会写入RS上的Hlog，然后再写入Region中的memstore，当memstore达到128M的时候，会进行flush操作形成storefile（以HFile形式存在于HDFS上）
读流程：找Rowkey所属的Region的步骤同写流程一致，假设Region在node2上，接下来就会取连接node2上的RS，首先回去BlockCache中找，如果没找到，再去memstore中找，如果在没找到，就回去storefile中查找，如果列簇的参数：BlockCache=true则会在找到的时候将其放入RS中的BlockCache不管是读还是写操作，在第一次找到了meta标的位置后，就会将其位置缓存，提高读写效率
四、HBase数据模型
1、HBase数据模型介绍
HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表示不同的HRegion可以分布在不同的 HRegion server上。
HRegion由一个或者多个Store组成，每个store保存一个columns family。
每个Strore又由一个memStore和0至多个StoreFile组成。
2、Rowkey
唯一标识一行数据
可以通过RowKey获取一行数据
按照字典顺序排序的。
Row key只能存储64k的字节数据 10-100byte
3、Column Family（列族）和qualifier（列）
HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’。
列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入。
权限控制、存储以及调优都是在列族层面进行的；
HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。
4、Timestamp时间戳
在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。
时间戳的类型是 64位整型。
时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫秒的当前系统时间
时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。
5、Cell单元格
由行和列的坐标交叉决定。
单元格是有版本的。
单元格的内容是未解析的字节数组。
由{row key， column( = +)， version} 唯一确定的单元。cell中的数据是没有类型的，全部是字节码形式存贮。