1 HBase 定义

Apache HBase 是以 hdfs 为数据存储的，一种分布式、可扩展的 NoSQL 数据库。

2 HBase 数据模型

HBase 的设计理念依据 Google 的 BigTable 论文，论文中对于数据模型的首句介绍。
Bigtable 是一个 稀疏的、分布式的、持久的

之后对于映射的解释如下：

该映射由行键、列键和时间戳索引；映射中的每个值都是一个未解释的字节数组。

最终 HBase 关于数据模型和 BigTable 的对应关系如下：

HBase 使用与 Bigtable 非常相似的数据模型。用户将数据行存储在带标签的表中。数
据行具有可排序的键和任意数量的列。该表存储稀疏，因此如果用户喜欢，同一表中的行可
以具有疯狂变化的列。

最终理解 HBase 数据模型的关键在于 稀疏、分布式、多维、排序

2.1 HBase 逻辑结构

HBase 可以用于存储多种结构的数据，以 JSON 为例，存储的数据原貌为：

{
    "row_key1":{
        "personal_info":{
            "name":"zhangsan",
            "city":"北京",
            "phone":"131********"
        },
        "office_info":{
            "tel":"010-1111111",
            "address":"xx区"
        }
    },
    "row_key11":{
        "personal_info":{
            "city":"上海",
            "phone":"132********"
        },
        "office_info":{
            "tel":"010-1111111"
        } 
    },
    "row_key2":{
        ......
    }
HBase 逻辑结构

HBase 简介_hbase

2.2 HBase 物理存储结构

物理存储结构即为数据映射关系，而在概念视图的空单元格，底层实际根本不存储。

HBase 物理存储结构

HBase 简介_大数据_02

2.3 数据模型

1）Name Space
命名空间，类似于关系型数据库的 ​​database​​​ 概念，每个命名空间下有多个表。​​HBase​​​ 两
个自带的命名空间，分别是 ​​​hbase​​​ 和 ​​default​​​，​​hbase​​​ 中存放的是 ​​HBase​​​ 内置的表，​​default​​​表是用户默认使用的命名空间。
2）Table
类似于关系型数据库的表概念。不同的是，HBase 定义表时只需要声明列族即可，不需
要声明具体的列。因为数据存储时稀疏的，所有往 HBase 写入数据时，字段可以 动态、按需指定。因此，和关系型数据库相比，HBase 能够轻松应对字段变更的场景。
3）Row
HBase 表中的每行数据都由一个 ​​​RowKey​​​ 和多个 ​​Column​​​（列）组成，数据是按照 RowKey
的字典顺序存储的，并且查询数据时只能根据 RowKey 进行检索，所以 RowKey 的设计十分重
要。
4）Column
HBase 中的每个列都由 ​​​Column Family(列族)​​​和 ​​Column Qualifier（列限定符）​​​进行限
定，例如 info：name，info：age。建表时，只需指明列族，而列限定符无需预先定义。
5）Time Stamp
用于标识数据的不同版本（version），每条数据写入时，系统会自动为其加上该字段，
其值为写入 HBase 的时间。
6）Cell
由{rowkey, column Family：column Qualifier, timestamp} 唯一确定的单元。cell 中的数
据全部是字节码形式存贮。

3 HBase 基本架构

HBase 简介_数据_03

架构角色：

1）Master
实现类为 ​​​HMaster​​​，负责监控集群中所有的 RegionServer 实例。主要作用如下：
 （1）管理元数据表格 hbase:meta，接收用户对表格创建修改删除的命令并执行
 （2）监控 region 是否需要进行负载均衡，故障转移和 region 的拆分。
通过启动多个后台线程监控实现上述功能：
 ①LoadBalancer 负载均衡器
 周期性监控 region 分布在 regionServer 上面是否均衡，由参数 hbase.balancer.period 控制周期时间，默认 5 分钟。
 ②CatalogJanitor 元数据管理器
 定期检查和清理 hbase:meta 中的数据。
 ③MasterProcWAL master 预写日志处理器
 把 master 需要执行的任务记录到预写日志 WAL 中，如果 master 宕机，让 backupMaster
读取日志继续干

2）Region Server
Region Server 实现类为 HRegionServer，主要作用如下:
 （1）负责数据 cell 的处理，例如写入数据 put，查询数据 get 等
 （2）拆分合并 region 的实际执行者，有 master 监控，有 regionServer 执行。

3）Zookeeper
 HBase 通过 Zookeeper 来做 master 的高可用、记录 RegionServer 的部署信息、并且存储
有 meta 表的位置信息。
 HBase 对于数据的读写操作时直接访问 Zookeeper 的，在 2.3 版本推出 Master Registry
模式，客户端可以直接访问 master。使用此功能，会加大对 master 的压力，减轻对Zookeeper的压力

4）HDFS
HDFS 为 Hbase 提供最终的底层数据存储服务，同时为 HBase 提供高容错的支持。