1. Hbase是什么
HBase 是一个开源的、分布式的、版本化的非关系型数据库，它利用 Hadoop 分布式文件系统（Hadoop Distributed File System，HDFS）提供分布式数据存储。
HBase 是非关系型数据库，它不具备关系型数据库的一些特点，例如，它不支持 SQL 的跨行事务，也不要求数据之间有严格的关系，同时它允许在同一列的不同行中存储不同类型的数据。
尽管已经有许多数据存储和访问的策略和实现方法，但事实上大多数解决方案，特别是一些关系类型的，在构建时并没有考虑超大规模和分布式的特点。可以通过复制和分区的方法来扩充数据库使其突破单个节点的界限，但这些功能通常都是事后增加的，安装和维护都和复杂。同时，也会影响RDBMS的特定功能，例如联接、复杂的查询、触发器、视图和外键约束这些操作在大型的RDBMS上的代价相当高，甚至根本无法实现。
Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。Hbase对海量数据的响应能力和良好的扩展性，使得HBase成为大数据发展的必然产物
HBase 是Google Bigtable 的开源实现，与Google Bigtable 利用GFS作为其文件存储系统类似， HBase 利用Hadoop HDFS 作为其文件存储系统；Google 运行MapReduce 来处理Bigtable中的海量数据， HBase 同样利用Hadoop MapReduce来处理HBase中的海量数据；Google Bigtable 利用Chubby作为协同服务， HBase 利用Zookeeper作为对应。
2. Hbase的特点
以上的表述可以从感性的角度了解Hbase的特点 以及它和关系型数据库的区别 简单总结就是 传统的关系型数据库 在面对海量数据存储的时候 代价高 响应慢 而Hbase则可以较低的成本完成海量数据的储存和相应
下边 我们详细了解一下Hbase的特点
海量存储
Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。这与Hbase的极易扩展性息息相关。正式因为Hbase良好的扩展性，才为海量数据的存储提供了便利
列式存储
这里的列式存储其实说的是列族存储，Hbase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。
极易扩展
Hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（RegionServer）的扩展，一个是基于存储的扩展（HDFS）。
可以通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。也可以通过横向添加Datanode的机器，进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。
另外，HBase 的扩展是热扩展，即在不停止现有服务的前提下，可以随时添加或者减少节点。
高并发
由于目前大部分使用Hbase的架构，都是采用的廉价PC，因此单个IO的延迟其实并不小，一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，Hbase的单个IO延迟下降并不多。能获得高并发、低延迟的服务
稀疏性
稀疏主要是针对Hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的
3. Hbase架构和相关组件
Master
HBase Master（有时简称Hmaster）用于协调多个Region Server（有时简称Hregionserver），侦测各个RegionServer之间的状态，并平衡RegionServer之间的负载。HBaseMaster还有一个职责就是负责分配Region给RegionServer。HBase允许多个Master节点共存，但是这需要Zookeeper的帮助。当多个Master节点共存时，只有一个Master是提供服务的，其他的Master节点处于待命的状态。当正在工作的Master节点宕机时，其他的Master则会接管HBase的集群
Region Server
对于一个RegionServer而言，其包括了多个Region。RegionServer的作用只是管理表格，以及实现读写操作。Client直接连接RegionServer，并通信获取HBase中的数据。对于Region而言，则是真实存放HBase数据的地方，也就说Region是HBase可用性和分布式的基本单位。如果当一个表格很大，并由多个CF（cow family 也称列族）组成时，那么表的数据将存放在多个Region之间，并且在每个Region中会关联多个存储的单元（Store）
Zookeeper
Zookeeper是HBase Master的HA解决方案，保证了至少有一个HBase Master 处于运行状态。另外，Zookeeper负责Region和Region Server的注册。其实Zookeeper发展到目前为止，已经成为了分布式大数据框架中容错性的标准框架。不光是HBase，几乎所有的分布式大数据相关的开源框架，都依赖于Zookeeper实现HA
HDFS
HDFS为Hbase提供最终的底层数据存储服务，同时为Hbase提供高可用（Hlog存储在HDFS）的支持，具体功能概括如下：
- 提供元数据和表数据的底层分布式存储服务
- 数据多副本，保证的高可靠和高可用性
API
应用访问Hbase的应用接口，有了这个接口才可以完成应用对于Hbase中数据的访问
4. Hbase数据模型
Column Family 也称为列族 列族的存在和特点 可以让用户动态增加列数据
Row key 也称为行键 可以通过它来对数据进行排序
假如系统中有一个User表，如下图，如果按照传统的RDBMS的话，User表中的列是固定的，比如schema 定义了name,major,email等属性，User的属性是不能动态增加的。但是如果采用列存储系统，比如Hbase，那么我们可以定义User表，然后定义info 列族，User的数据可以分为：info:name = zhangsan,info:major=Math,info:email=luo@qq.com等，如果后来你又想增加另外的属性，这样很方便只需要info:newProperty就可以了 如 info:age
下边我们用Hbase表的逻辑数据模型来做进一步说明
行键
表在水平方向由一个或者多个列族组成，一个列族中可以包含任意多个列，同一个列族里的数据存储在一起，每个Hbase表都由若干行组成，每一行都由行键标识
列族
上表中的info就是列族，支持动态扩展，可以很轻松地添加一个列族或列，无需预先定义列的数量以及类型，所有列均以字符串形式存储，用户需要自行进行数据类型转换。一个Hbase表被分为多个列族的集合，他们是最基本的访问控制单元。
列限定符
列限定符其实解释列的属性 可以对比关系型数据库的字段去理解
单元格
在Hbase表中 通过行键、列族、列限定符可以为以确定给一个单元格
时间戳
HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧有的版本仍然保留（这是和HDFS只允许追加不允许修改的特性相关的），每个单元格都可能会保留同一个数据的多个版本，这些版本采用时间戳进行标记 关于时间戳 如下图 可以看得更清晰
基于对于上述理论的了解，我们可以知道，HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格，因此，可以视为一个“四维坐标”，即[行键,列族, 列限定符,时间戳] 如下表所示的样式
键 | 值 |
[“201505003”,“Info”,“email”, 1174184619081] | “xie@qq.com” |
[“201505003”,“Info”,“email”, 1174184620720] | “you@163.com” |
需要说明的几个点：
- 上图是Hbase表的逻辑数据模型 而不是物理存储方式，是为了方便理解Hbase的数据模型而进行的举例
- 关系型数据库中的表为每个列预留了存储空间，即表 1 中的空白 Cell 数据在关系型数据库中以“NULL”值占用存储空间，在Hbase中，空白 Cell 在物理上是不占用存储空间的，即不会存储空白的键值对，一次，如上表，如果一个请求为获取 RowKey 为 0001 在 T2 时间的 Stulnfo:class 值时，其结果为空
- 与面向行存储的关系型数据库不同，HBase 是面向列存储的，且在实际的物理存储中，列族是分开存储的，即表 1 中的学生信息表将被存储为 Stulnfo 和 Grades 两个部分
如下，表 2 展示了 Stulnfo 这个列族的实际物理存储方式，列族 Grades 的存储与之类似。在表 2 中可以看到空白 Cell 是没有被存储下来的。
5. 参考资料
http://c.biancheng.net/view/6517.html
