版本说明：
通过 HDP 3.0.1 安装的 HBase 2.0.0
一、概述
Apache HBase 是基于 Hadoop 构建的一个分布式的、可伸缩的海量数据存储系统。常被用来存放一些海量的(通常在TB级别以上)、结构比较简单的数据，如历史订单记录，日志数据，监控 Metris 数据等等，HBase 提供了简单的基于 Key 值的快速查询能力。
HBase 实际上更像是“数据存储”而不是“数据库”，因为它缺少 RDBMS 中找到的许多功能，例如二级索引，触发器和高级查询语言等。
但是 HBase 具备许多 RDBMS 没有的功能：
- 通过
RegionServer扩展存储。如果HBase集群从10个RegionServer扩展到20个RegionServer，那么在存储和处理能力方面都会翻倍。 - 强大的读写能力。
- 自动分片。
HBase表通过Region分布在HBase上，并且随着数据的增长，Region会自动分割和重新分配。 RegionServer自动故障转移。如果一个RegionServer宕机或进程故障，由Master负责将它原来所负责的Regions转移到其它正常的RegionServer上继续提供服务。Hadoop/HDFS集成：HBase使用HDFS作为其分布式文件系统。MapReduce集成：HBase支持通过MapReduce进行大规模并行处理，将HBase用作源和接收器。- 支持多语言接口：除了支持
Java API，还可通过内嵌的Thrift服务实现其它语言接口的调用，比如C++、Python。 Block Cache and Bloom Filters：HBase支持块缓存和Bloom过滤器，以实现高容量查询优化。- 方便运维管理：
HBase提供Web UI，用于操作查看以及监控JMX指标。
HBase 并不适合所有场景。 首先，确保您有足够的数据。如果你有数亿或数十亿行，那么 HBase 是一个很好的候选者。如果你只有几千/百万行，那么使用传统的 RDBMS 可能是一个更好的选择。
二、整体架构
先简单说一下 HBase 的整体架构， 一般一个 HBase 集群由一个 Master 服务和几个 RegionServer 服务组成。Master 服务负责维护表结构信息；实际的数据都存储在 RegionServer 上，最终 RegionServer 保存的表数据会直接存储在 HDFS 上。
1. HBase Master
HBase 的管理节点，通常在一个集群中设置一个 主Master，一个备Master，主备角色的"仲裁"由 ZooKeeper 实现。HBase Master 的主要职责有（参考的HBase官网）：
- 负责管理监控所有的
RegionServer，负责RegionServer故障转移。如果一个RegionServer宕机或进程故障，由Master负责将它原来所负责的Regions转移到其它正常的RegionServer上继续提供服务。 - 负责表的相关操作（
create、modify、remove、enable、disable），列族的相关操作（add、modify、remove），还有Region的move、assign、unassign。 - 平衡集群负载并定期检查并清理
hbase:meta表。
HBase 有一点很特殊：客户端获取数据由客户端直连 RegionServer的，所以你会发现 Master 挂掉之后你依然可以查询数据，但不能新建表了。这也从侧面说明 HBase 不像 HDFS 强依赖于 NameNode 那样依赖 Master ，Master 与 RegionServer 各有各的分工。
2. RegionServer
负责服务和管理 Region 。在分布式集群中，建议 RegionServer 与 DataNode 按 1：1 比例安装，这种部署的优势在于：RegionServer 中的数据文件可以存储一个副本于本机的 DataNode 节点中，从而在读取时可以利用 HDFS 中的"短路径读取(Short Circuit)"来绕过网络请求，降低读取时延。
RegionServer 的主要职责有（参考的HBase官网）：
-
数据的读取和写入，比如：
get,put,delete,next等。 -
Region的拆分和压缩。在这里对
Region的拆分做一些补充说明：虽然拆分Region是RegionServer做出的本地决策，但拆分过程本身必须与许多参与者协调。RegionServer在Region拆分之前和之后通知Master，更新.META.表，以便客户端可以发现新的子Region，并重新排列HDFS中的目录结构和数据文件。 -
一些后台操作：
- 检查拆分并处理轻微压缩。
- 检查主要的压缩。
- 定期刷新
MemStore到StoreFiles中的内存中写入。 - 定期检查
RegionServer的WAL。
3. Zookeeper
ZooKeeper 存储着 hbase:meta 信息。hbase:meta 表记录着 HBase 中所有 Region 的相关信息。
所以 RegionServer 非常依赖 Zookeeper 服务，可以说没有 Zookeeper 就没有 HBase 。Zookeeper 在 HBase 中扮演的角色类似一个管家。ZooKeeper 管理了 HBase 所有 RegionServer 的信息，包括具体的数据段存放在哪个 RegionServer 上。
客户端会与 RegionServer 通信。每次与 HBase 连接，其实都是先与 ZooKeeper 通信，查询出哪个 RegionServer 需要连接，然后再连接 RegionServer 。
4. HDFS
由于 HBase 在 HDFS 上运行（并且每个 StoreFile (也就是HFile) 都作为 HDFS 上的文件写入），因此了解HDFS架构非常重要，尤其是在存储文件，处理故障转移和复制块方面。
NameNode
NameNode 负责维护文件系统元数据。
DataNode
DataNode 负责存储 HDFS 块，也就是真实数据。
最终的 HBase 相关架构图如下图所示：
三、RegionServer内部探险
HBase RegionServer：负责数据的读取和写入。一个 RegionServer 里面包含一个 WAL 与 一个或多个 Region 。当数据量小的时候，一个 Region 足以存储所有数据；但当数据量大的时候，RegionServer 会拆分Region，通知 Hbase Master 将多个 region 分配到一个或多个 RegionServer 中。
从这张图上我们可以看出一个 RegionServer 包含有：
1. 一个WAL
预写日志，WAL 是 Write-Ahead Log 的缩写。从名字就可以看出它的用途，就是：预先写入。是 RegionServer 在处理数据插入和删除的过程中用来记录操作内容的一种日志。
当操作到达 Region 的时候，RegionServer 先不管三七二十一把操作写到 WAL 里面去，再把数据放到基于内存实现的 Memstore 里，等数据达到一定的数量时才刷写（flush）到最终存储的 HFile 内。在一个regionServer 上的所有的 Region 都共享一个 WAL。
而如果在这个过程中服务器宕机或者断电，那么数据就丢失了。WAL 是一个保险机制，数据在写到 MemStore 之前，先被写到 WAL 了。这样当故障恢复的时候可以从 WAL 中恢复数据。
2. 多个Region
Region 相当于一个数据分片。它采用了"Range分区"，将 Key 的完整区间切割成一个个的"Key Range" ，每一个"Key Range"称之为一个 Region 。每一个 Region 都有 起始rowkey 和 结束rowkey，代表了它所存储的 row 范围。
也可以这么理解：将 HBase 中拥有数亿行的一个大表，横向切割成一个个"子表"，这一个个"子表"就是 Region 。Region 是 HBase 中负载均衡的基本单元，当一个 Region 增长到一定大小以后，会自动分裂成两个（ Region 有分裂策略，本篇文章不涉及）。
我创建了一个表，内含5个 Region，Master 将 Region 分配到了两个 RegionServer 中，如下图所示：
这也从侧面表明：一个表中的数据，会被分配到一个或多个Region 中存储，而 Region 受 HBase Master 管控，被分配到一个或多个 RegionServer 中。
接下来我们来看单个 Region 内部结构，如下图所示：
每一个 Region 内都包含有多个 Store 实例。一个 Store 对应一个列族的数据，如果一个表有两个列族，那么在一个 Region 里面就有两个 Store 。
在最右边的单个 Store 的解剖图上，我们可以看到 Store 内部有 MemStore 和 HFile 这两个组成部分。
2.1 MemStore
MemStore：数据被写入 WAL 之后就会被加载到 MemStore 中去。每个 Store 里面都只有一个MemStore，用于在内存中保存数据。MemStore 的大小增加到超过一定阈值的时候就会被刷写到 HDFS 上，以 HFile 的形式被持久化起来。
2.2 HFile
HFile（StoreFile）：HFile 是数据存储的实际载体，我们创建的所有表、列等数据最终都存储在 HFile 里面。我在 HFile 后面的括弧里面写了 StoreFile ，意思是你在很多资料中经常会看到管 HFile 叫StoreFile。其实叫 HFile 或者 StoreFile 都没错，HBase 是基于 Java 编写的，那么所有物理上的东西都有一个对象跟它对应，在物理存储上我们管 MemStore 刷写而成的文件叫 HFile，StoreFile 就是 HFile 的抽象类而已。
假如有一个数据量巨大的表，那么 Region 相当于将这表横向切割，列族又将表纵向切割。如下图所示，每个 Region 都有两个列族，也就对应着两个 Store 。
四、总结
本篇文章介绍了 HBase 的优缺点、使用场景，使用大多数文字对 HBase 的架构进行说明：
HBase服务依赖于HDFS与Zookeeper。HBase集群又分为：- 一个
HBase Master（服务高可用时，可启动多个HBase Master，Active-Standby模式） - 多个
HBase RegionServer：- 一个
WAL - 多个
Region：- 多个
Store：- 一个
MemStore - 多个
HFile文件
- 一个
- 多个
- 一个
- 一个
**注：**本文主要参考 HBase 官网、《HBase不睡觉书》以及【NoSQL漫谈】公众号：
谢谢！
点关注，不迷路
好了各位，以上就是这篇文章的全部内容了，能看到这里的人呀，都是 人才。
白嫖不好，创作不易。 各位的支持和认可，就是我创作的最大动力，我们下篇文章见！
如果本篇博客有任何错误，请批评指教，不胜感激 ！