第一：hbase介紹

hbase是一個構建在hdfs上的分散式列存儲系統；

hbase是apache hadoop生態系統中的重要一員，主要用於海量結構化數據存儲

從邏輯上講，hbase將數據按照表、行和列進行存儲

hbase表特點：

　　1.大：一個表可以有數十億行，上百萬列；

　　2.無模式：每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態的增加，同一張表中不同的行可以有截然不同的列；

　　3.面向列：面向列（族）的存儲和許可權控制，列（族）獨立檢索；

　　4.稀疏：對於空（null）的列，並不占用存儲空間，表可以設計的非常稀疏；

　　5.數據多版本：每個單元中的數據可以有多個版本，預設情況下版本號自動分配，是單元格插入時的時間戳；

　　6.數據類型單一：hbase中的數據都是字元串，沒有類型

hbase與hdfs的對比：

　　1.兩者都具有良好的容錯性和擴展性，都可以擴展到成百上千個節點。

　　2.hdfs適合批處理場景,不支持數據隨機查找，不適合增量數據處理，不支持數據更新。

行存儲與列存儲：

　　傳統行式資料庫：

　　　　1.數據是按行存儲的

　　　　2.沒有索引的查詢使用大量I/O

　　　　3.建立索引和物化視圖需要花費大量時間和資源

　　　　4.面向查詢的需求，資料庫必須被大量膨脹才能滿足性能要求

　　列式資料庫:

　　　　1.數據是按列存儲-每一列單獨存放

　　　　2.數據即是索引

　　　　3.指訪問查詢涉及的列-大量降低系統I/O

　　　　4.每一列由一個線索來處理-查詢的併發處理

　　　　5.數據類型一致，數據特征相似-高效壓縮

第二：hbase數據模型

hbase是基於Google BigTable模型開發的，典型的key/value系統

hbase數據模型術語：

Table（表）

一個hbase包含多個行，是在schema聲明的時候定義的

Row（行）

行鍵是不可分割的位元組數組。行是按字典排序由低到高存儲在表中的。一個空的數組是用來標識表空間的起始或者結尾。

Row Key 

　　1）Byte array

　　2）表中每條記錄的“主鍵”

　　3）方便快速查找  

Column Family

　　1）擁有一個名稱（string）

　　2）包含一個或者多個相關的列，是一些列的集合

　　3）一個列簇所有列成員具有相同的首碼

Column 

　　1）屬於某一個column family

　　2）包含在某一列中

Cell（value）

　　1）A {row, column, version} 元組就是一個HBase中的一個 cell。

　　2）Cell的內容是不可分割的位元組數組。

　　3）可以為空

Timestamp（時間戳）

 version number（版本號）

　　1）每個rowkey唯一

　　2）預設值-----》 系統時間戳

　　3）類型為Long 

　　4）無需遞增插入

 數據模型操作

1. 所有操作均是基於rowkey的；

2. 支持CRUD（Create、Read、Update和Delete）和 Scan；

3. 單行操作 Put Get Scan

　多行操作 Scan MultiPut

4. 沒有內置join操作，可使用MapReduce解決

第三：hbase物理模型

每個column family存儲在HDFS上的一個單獨文件中；

Key和Version number在每個column family中均有一份

空值不被保存

eg:

 info Column Family:

roles Column Family

數據物理存儲：

1.Table中所有的行都按照row key的字典序列排列；

2.Table在行的方向上被分割為多個Region；

3.Region按照大小分割的，每個表開始只有一個region，隨著數據的增多，region不斷的增大，當增大到一個閥值的時候，region就會等分成兩個新的region，之後會有越來越多的region；

4.Region是Hbase中分散式存儲和負載均衡的最小單元，不同的region分佈在不同RegionServer上；

5.Region雖然是分散式存儲的最小單元，但並不是存儲的最小單元。

　　1）Region是由一個或者多個Store組成，每個store保存一個columns family；

　　2）每個Store又由一個memStore和0或多個StoreFile組成

　　3）memStore存儲在記憶體中，StoreFile存儲在HDFS上。

第四：hbase基礎架構

Hbase架構：

在分散式的生產環境中，HBase 需要運行在 HDFS 之上，以 HDFS 作為其基礎的存儲設施。在 HBase 的集群中主要由 Master 和 Region Server 組成，以及 Zookeeper

Hbase相關的組件：

Clinet：

　　包含訪問Hbase的介面，並維護cache來加快對Hbase的訪問。

zookeeper:

　　保證任何時候，集群中只有一個master

　　存儲所有Region的定址入口

　　實時監控Region Server的上線或者下線信息，並實時通知給Master

　　存儲HBase的schema和table元數據

　　zookeeper作用：

　　　　HBase依賴zk；

　　　　預設情況下Hbase管理zk實例，eg：啟動或者停止zk

　　　　Master與RegionServers啟動時會向zk註冊

　　　　Zookeeper的引入使得Master不在是單點故障

Master:

　　為Region Server分配region

　　負責Region Server的負載均衡

　　發現失效的Region Server並重新分配他上面的region

　　管理用戶對table的增刪改查操作

Region Server:

　　維護region，處理對這些region的IO請求

　　負責切分在運行過程中變得過大的region

 -ROOT-表與-META-表：

-ROOT-表：

　　包含-META-表所在的region列表，該表只會有一個Region；

　　zookeeper中記錄了-ROOT-表的位置

-META-表：

　　包含所有的用戶空間region列表，以及RegionServer的伺服器地址

詳解：

1.HBase的所有Region元數據被存儲在.META.表中，隨著Region的增多，.META.表中的數據也會增大，並分裂成多個新的Region。為了定位.META.表中各個Region的位置，把.META.表中所有Region的元數據保存在-ROOT-表中，最後由Zookeeper記錄-ROOT-表的位置信息。所有客戶端訪問用戶數據前，需要首先訪問Zookeeper獲得-ROOT-的位置，然後訪問-ROOT-表獲得.META.表的位置，最後根據.META.表中的信息確定用戶數據存放的位置，如上圖所示。

2.-ROOT-表永遠不會被分割，它只有一個Region，這樣可以保證最多只需要三次跳轉就可以定位任意一個Region。為了加快訪問速度，.META.表的所有Region全部保存在記憶體中。客戶端會將查詢過的位置信息緩存起來，且緩存不會主動失效。如果客戶端根據緩存信息還訪問不到數據，則詢問相關.META.表的Region伺服器，試圖獲取數據的位置，如果還是失敗，則詢問-ROOT-表相關的.META.表在哪裡。最後，如果前面的信息全部失效，則通過ZooKeeper重新定位Region的信息。所以如果客戶端上的緩存全部是失效，則需要進行6次網路來回，才能定位到正確的Region。

高可用

Write-Ahead-Log（WAL）保障數據高可用

理解高可用首先：必須理解下HLog的作用，HBase中的Hlog機制是WAL的一種實現，而WAL是事務機制中常見的一致性的實現方式。每個RegionServer中都會有一個HLog的實例，RegionServer會將更新操作（put，delete等），先記錄到WAL（也就是HLog中），然後再將其寫入到Store的MemStore，最終Memstore達到一定的閥值後，在寫入到HFile中，這樣就保證了HBase的寫的可靠性，若沒有WAL，當RegionServer掛掉的時候，MemStore還沒有寫到HFile的數據，或者說StoreFile沒有保存的時候，數據會丟失。（說到這裡或許有人會問，假如HFile本身丟失了怎麼辦，這是由HDFS來保證的。在HDFS中的數據預設會有3份）

HFile是由很多個數據塊（Block）組成，並且有一個固定的結尾塊，其中的數據塊是由一個Header和多個Key-Value的鍵值對組成，在結尾的數據塊中包含了數據相關的索引信息，系統也是通過結尾的索引信息找到HFile中的數據。

上圖是RegionServer數據存儲關係圖。上文提到，HBase使用MemStore和StoreFile存儲對錶的更新。數據在更新時首先寫入HLog和MemStore。MemStore中的數據是排序的，當MemStore累計到一定閾值時，就會創建一個新的MemStore，並且將老的MemStore添加到Flush隊列，由單獨的線程Flush到磁碟上，成為一個StoreFile。與此同時，系統會在Zookeeper中記錄一個CheckPoint，表示這個時刻之前的數據變更已經持久化了。當系統出現意外時，可能導致MemStore中的數據丟失，此時使用HLog來恢復CheckPoint之後的數據。
StoreFile是只讀的，一旦創建後就不可以再修改。因此Hbase的更新其實是不斷追加的操作。當一個Store中的StoreFile達到一定閾值後，就會進行一次合併操作,將對同一個key的修改合併到一起，形成一個大的StoreFile。當StoreFile的大小達到一定閾值後，又會對 StoreFile進行切分操作，等分為兩個StoreFile。

組件的高可用

Master容錯：Zookeeper重新選擇一個新的Master

　　無Master過程中，數據讀取任然照常進行

　　無Master過程中，region切分、負載均衡等無法進行

RegionServer容錯：

　　定時向Zookeeper彙報心跳，如果一旦一段時間內未出現心跳，Master將該RegionServer上的Region重新分配到其他的RegionServer上；

　　失效的伺服器上“預寫”日誌由主伺服器進行分割並派送給新的RegionServer上

zookeeper容錯：zookeeper是一個可靠的服務

　　一般是3到5個zookeeper實例

讀寫流程

　　寫操作：

　　　　1）client通過zookeeper的調度，向regionserver發出寫數據的請求，在Region中寫數據

　　　　2）數據首先記錄在HLog中，然後再將其寫入到Store的MemStore，直到MemStore達到預定閥值

　　　　3）MemStore中的數據被Flush成一個StoreFile

　　　　4）隨著StoreFile文件的不斷增多，當其數據增長到一定閥值後，觸發Compact合併操作，將多個StoreFile合併成一個StoreFile，同時進行版本合併和數據刪除

　　　　5）StoreFiles通過不斷的Compact合併操作，逐步形成越來越大的StoreFile

　　　　6）單個StoreFile大小超過一定閥值後，觸發Split操作，把當前Region Split成2個新的Region，父Region會下線，新Split出的2個子Region會被HMaster分配到相應的RegionServer上，使原先1個Region的壓力得以分流到2個Region上面

　　通過上述的寫流程可以發現，HBase更新、刪除等操作都是在後續Compact歷程中進行的，使得用戶的寫操作只要進入記憶體就可以立刻返回，實現可HBase I/0的高性能。

　　讀操作：

　　　　1）client訪問zk，查找-ROOT-表，獲取.META.表的信息。

　　　　2）從.META.表查找，獲取存放目標數據的Region信息，從而找到對應的RegionServer。

　　　　3）通過RegionServer獲取需要查找的數據

　　　　4）RegionServer的記憶體分為MemStore和BlockCache兩部分，MemStore主要用於寫數據，BlockCache主要用於讀數據，讀請求先到MemStore中查數據，查不到就到BlockCache中查，在查不到就會到StoreFile上讀，並把讀的結果放入BlockCache中。

　　讀取流程：client-->zookeeper-->-ROOT-表-->.META.表-->RegionServer-->Region-->client