参考链接 : 官方指导文档
文章目录
- 一、HBase定义
- 二、HBase的逻辑和物理结构
- 三、HBase中各名词及作用
- 四、HBase架构角色
一、HBase定义
HBase是Hadoop的数据库
特点：分布式，可伸缩的， 面向列存储，基于HDFS
支持：十亿行键，百万列的数据存储
基于：Google’s Bigtable论文
在回过头来，看看Hive，是data warehouse（数据仓库），现在知道数据仓库和数据库的区别了吧。
二、HBase的逻辑和物理结构
1、逻辑结构
2、物理结构
是以<key,value>形式存储
三、HBase中各名词及作用
NameSpace:命名空间 是表的逻辑分组
类似于关系型数据库中的数据库
有两个namespace:HBase（内部用）和 default（用户用）
【可以去HDFS上看一下】
进入default,就可以看到我们创建的表了
Region:
类似于关系型数据库中的表，不同的是HBase中定义表的时候要定义列族，不需要声明具体的列Row：行键
HBase中没个数据都由一个RowKey和多个列组成，数据按照RowKey的字典顺，查询时只能根据RowKey
进行检索，所以RowKey的设计十分重要，尽量短一些不要超过16个位（设计不好，会发生热点问题——一方有难，八方围观，官方推荐采用加盐、散列、翻转key等方式）
ColumnFamily:列簇/族
相当于列的集合，但不适宜过多创建
实际上，所有列族成员都一起存储在文件系统上。由于调整和存储规范是在列族级别上完成的，
因此建议所有列族成员具有相同的常规访问模式和大小特征。
建议设计列簇名的时候就是一个字符，官方推荐：
Column:列
HBase中每一个列都由Column Family和Column Qulifier(列限定符 :)进行限定
TimeStamp:时间戳
用于标注数据不同版本（version），每条数据写入时，如果不指定时间戳，系统会自动写入，系统采用反向时间戳的方式，使得我们读取的数据永远是最新的，除非加入versions.
Cell:
一个由[行键,列,版本]组成的元组，没有类型，全部是字节码形式存储
四、HBase架构角色
1、RegionServer
RegionServer是Server的管理者，其实现类为HRegionServer,主要功能如下：
- 对于数据的操作：get、put、delete
- 对于Region的操作：splitRegion、compactRegion
2、Master
Master是所有RegionServer的管理者，其实现类为HMaster,主要功能如下：
- 对于表的操作：create、insert、alter
- 对于RegionServer的操作：分配Region到每个RegionServer上，监控每个RegionServer的状态，负载均衡和故障转移
3、Zookeeper
HBase通过Zookeeper来做master的高可用，RegionServer的监控，元数据的入口以及集群配置的维护等工作
【分析过程】
首先, HBase依赖于Hadoop,和Zookeeper
其次，HBase中最重要的两个组件：HMaster 和 HRegionServer。一般由HMaster 开启 并管理HRegionServer
然后，HLog:相当于HDFS中的editlog，（写入日志），一个HRegionServer对应一个HLog，为什么不是一个HRegion对应一个HLog，是为了减少存储压力
接着，一个HRegionServer中可以有多个HRegion，HRegion相当于MySQL中的表，但是当数据过多时，也会被切分成多个表
继续，一个HRegion中可以包含一个或多个Store(列簇)—>对应HDFS上的一个列簇一个文件夹
最后，Store中存储Mem Store(内存)和StoreFile(磁盘)，我们进行写入操作时，为了提高写入效率，HBase会先写到Mem Store中，当Mem Store过大时，会自动进行flush,每flush一次，就会生成一个StoreFile文件（包含HFile:以<k,v>形式存储,HFile是真正存储数据的地方，大小非常小，所以HFile会经常合并，合并成大文件之后又会被切分)
【注意：Mem Store进行 flush之后，会向HDFS客户端发送写请求，然后由DataNode进行文件的写入，所以说StoreFile 在DataNode上】
