1、hbase中的一下基本概念
row key（主键） 、 列族、cell和时间戳timestamp
1、主键是用来检索记录的主键，访问hbase table中的行，只有三种方式
通过单个row key访问
通过row key的range
全表扫描
2、列族在创建表的时候声明，一个列族可以包含多个列，列中的数据都是以二进制形式存在，没有数据类型。
3、HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引
2、hbase的逻辑视图如下表（仔细看下表，哈哈~ ~我什么都不懂~ ~）
Row Key
与nosql数据库们一样,row key是用来检索记录的主键。访问hbase table中的行，只有三种方式：
1 通过单个row key访问
2 通过row key的range
3 全表扫描
Row key行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在hbase内部，row key保存为字节数组。
存储时，数据按照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
注意：
字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行键必须用0作左填充。
行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策能够使用户很容易的理解程序在对同一个行进行并发更新操作时的行为。
列族
hbase表中的每个列，都归属与某个列族。列族是表的chema的一部分(而列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如courses:history ， courses:math 都属于 courses 这个列族。
访问控制、磁盘和内存的使用统计都是在列族层面进行的。实际应用中，列族上的控制权限能 帮助我们管理不同类型的应用：我们允许一些应用可以添加新的基本数据、一些应用可以读取基本数据并创建继承的列族、一些应用则只允许浏览数据（甚至可能因 为隐私的原因不能浏览所有数据）。
时间戳
HBase中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。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。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担，hbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本（比如最近七天）。用户可以针对每个列族进行设置。
Cell
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。
3、hbase的物理存储
物理存储
1、Table 在行的方向上分割为多个HRegion，一个region由[startkey,endkey)表示，每个HRegion分散在不同的RegionServer中
2、region按大小分割的，每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，Hregion就会等分会两个新的Hregion。当table中的行不断增多，就会有越来越多的Hregion。
3、 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。但一个Hregion是不会拆分到多个server上的。
4、HRegion虽然是分布式存储的最小单元，但并不是存储的最小单元。
事实上，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。如图：
StoreFile以HFile格式保存在HDFS上。
4、系统架构
先说一说各个角色的功能与作用
Client
1 包含访问hbase的接口，client维护着一些cache来加快对hbase的访问，比如regione的位置信息。Zookeeper
1 保证任何时候，集群中只有一个master
2 存贮所有Region的寻址入口。
3 实时监控Region Server的状态，将Region server的上线和下线信息实时通知给Master
4 存储Hbase的schema,包括有哪些table，每个table有哪些column familyMaster
1 为Region server分配region
2 负责region server的负载均衡
3 发现失效的region server并重新分配其上的region
4 GFS上的垃圾文件回收
5 处理schema更新请求Region Server
1 Region server维护Master分配给它的region，处理对这些region的IO请求
2 Region server负责切分在运行过程中变得过大的region
可以看到，client访问hbase上数据的过程并不需要master参与（寻址访问zookeeper和region server，数据读写访问regione server），master仅仅维护者table和region的元数据信息，负载很低。
再说一说上图中各个连线之间的含义以及做了哪些事情。
1、客户端和zk之间的通信：客户端java中有连接到zookeeper的配置，从而能客户端能够与zookeeper通信
2、regionServer和zk之间的通信：当RegionServer启动起来时通过心跳机制（RPC）将信息给zk（zookeeper,以下都叫zk），这些信息包括，每个机器有多少region，每个region中的数据，以及当前主机的运行状态等等。
3、客户端与regionServer之间的通信：客户端得到zk返回的信息后，（这时，客户端就知道数据再哪个主机哪个region中）直接从regionServer中拿到数据。
4、zk与Master之间的通信：当Master启动时，也向zk汇报，并且从zk中获得regionServer向zk汇报的信息，当RegionServer有一台挂掉时，Master检测到这台regionServer很久没有向zk进行汇报，zk就会认为这台主机死掉，从而告诉Mater，Master就会给zk发指令，转义region。 从hdfs上恢复死掉RegionServer上的数据，从而达到HMaster进程监控HRegionServer进程的目的
5、Master和RegionServer之间的通信：当向表中插入数据，region不断增大，Master就会给regionServer发送消息，进行region的转移。注意：region的切分是由regionServer完成的，region的转移是由Master控制的。
6、客户端和Master之间的通信：这条通信一般是用户进行ddl操作，比如创建表，删除表的时候，走的是这条通信。Master中保存着表的元数据信息。
5、hbase中两张特殊的表 （老版本，现版本的名字改变，但具体原理一样）
HBase中有两张特殊的Table，-ROOT-和.META.
-ROOT- ：记录了.META.表的Region信息，-ROOT-只有一个region
.META. ：记录了用户创建的表的Region信息，.META.可以有多个regoin
Zookeeper中记录了-ROOT-表的location
Client访问用户数据之前需要首先访问zookeeper，然后访问-ROOT-表，接着访问.META.表，最后才能找到用户数据的位置去访问
现在用一幅图来说明用户查询某一条记录的具体流程：
客户端：client代表客户端
zk集群：zk service代表
hbase的老大：HMaster代表
hbase的小弟：HRegionService代表，这里有三台
目的：现在用户要访问表为user，row key为333的记录。
第一步：连接zk，zk中缓存了-ROOT-的location,客户端通过localtion找到了-ROOT-表（发现-ROOT-第三台主机中）
第二步：客户端通过查找-ROOT-找到了.META.表
第三步：客户端查找.META.的信息（.META记录了表user的region信息），从而知道了user表在哪个位置。
假如user表中有十个region，region是通过row key进行字典排序的，333在user 【3，5）上,所以知道了333在哪个位置。（中间哪台主机的region上）
第四步：客户端去中间主机找到数据。
第五步：查完后，会将信息 缓存到客户端，信息更新时，regionserver将信息汇报给zk，客户端与zk连接（长连接），从zk中得到更新的信息，从而更新缓存。
