二、hbase表資料模型
三、hbase核心架構
四、hbase讀寫流程
五、總結
hbase是面向列的非關係型資料庫，可以簡單地總結，列是hbase最基本的單位，一行由多列組成。具體組成結構如下：
1. 行健
行健(rowkey)的作用是在hbase表中唯一標識一行，與關係型資料庫中的主鍵很類似，在同一張表中唯一。行健會按字典序排序，如何保證行健的有序性呢？與關係型資料庫不同，在hbase中行健最終會轉化為位元組陣列儲存的，所以無論你的行健輸入是什麼型別，最終統一會轉化為位元組陣列儲存，從而保證了可排序性。
圖中為一張表的資料，可以發現row-2比row-10大這是因為，轉化為位元組陣列時從高位比起，「row-」大家都相等，「2」比「1」要大，因此row-2比row-10大，和我們正常的想法是不一樣的。行健不需要在建立表的時候就定義好，等到插入資料時才隨著資料一同插入。
2. 列族
列族(column family)包含若干列，列族名必須是可見字元，可以由任意二進位制字元組成，列族有助於構建資料語義邊界或區域性邊界，同乙個列族的所有列儲存在同乙個底層儲存檔案中，這個檔案是hfile。列族必須在健表時就要定義好，數量不宜過多一般不超過2個，並且不宜頻繁修改。
3. 列
列必須屬於某乙個列族下，列與列族不同，在建立表時不需要先在表中定義列，而是等到往表中插入資料時隨著資料一同插入，列名可以由任意二進位制字元組成。
4. 單元格
可以把單元格理解為最終你要儲存的內容，在hbase中，一切皆為位元組陣列，沒有資料型別可言，這一點與關係型資料庫差別非常大，因此你存貯的內容也將變成位元組陣列儲存在hbase中。
5. 時間戳
每乙個存入的值都具有時間戳，預設由系統指定，也可以由使用者顯式指定。時間戳會被使用，例如通過不同的時間戳區分不同版本的值，同乙個單元格的值按照時間戳降序排序，訪問時優先讀取最新版本的值。
綜上，對於hbase表結構可以得出如下結論：
傳統的關係型資料庫面向行設計，採用二維表的電子**模型儲存資料，表中的各個字段必須在定義表時給出且必須先定義型別，由主鍵確定一行，假設某一行的某個字段沒有值，必須要用null佔位，表示該個字段為空，以下是一張典型的二維表：
而hbase則是面向列設計的，行和列沒有向關係型資料庫的二維表那樣排列，而是採用了標籤描述，每乙個值都儲存在乙個標籤下，且很重要的一點事是hbase採用稀疏儲存，對於每一行如果某個列缺失，則不儲存內容，不需要使用null來佔位，所以你可能會看到一些奇怪的現象，有的行有很多值，有的行只有乙個值，這就是稀疏儲存，它不像二維表那麼規整，會不規則，以下便是一張典型的hbase表：
可以看到該錶有兩個列族family1和family2，對於第一行而言，行健是rowa，它在family1下有一列a，存有值，在family2上有一列b存有值；對於第二行僅僅在列族family1上有一列b，且列名與第一行不一樣，印證上文所說的，列名是隨著資料插入而決定的；第三行也是類似的，僅僅在列族family2有列c。
進一步**，不難發現hbase實際上是乙個key-value資料庫，所謂的key其實是行健，列族和列，時間戳，因此可以下乙個結論在給定一張表中，hbase依靠**座標唯一定位資料，第一級座標是行健，第二級座標是列族和列，第三極座標是時間戳，因此有了如下的資料儲存模式：
(rowkey,family,column,timestamp) --> value
我們從hbase裡讀取資料的過程就是輸入對應的座標，然後獲取value的過程，以下一張圖可以直觀地看到這三個座標在hbase表中的分布：
hmaster沒有單點問題，hbase中可以啟動多個hmaster，通過zookeeper的master election機制保證總有乙個master執行，hmaster在功能上主要負責table和region的管理工作：
管理使用者對錶的增、刪、改、查操作
管理hregionserver的負載均衡，調整region分布
在region split後，負責新region的分配
在hregionserver停機後，負責失效hregionserver 上的regions遷移
2. hregionserver
hregionserver主要負責響應使用者i/o請求，向hdfs檔案系統中讀寫資料，是hbase中最核心的模組。hregionserver內部管理了一系列hregion物件，每個hregion對應了table中的乙個region，hregion中由多個hstore組成。每個hstore對應了table中的乙個列族(column family)的儲存，可以看出每個列族其實就是乙個集中的儲存單元，因此最好將具備共同io特性的列放在乙個列族中，這樣最高效。
hstore儲存是hbase儲存的核心了，其中由兩部分組成，一部分是memstore，一部分是storefiles。memstore是sorted memory buffer，使用者寫入的資料首先會放入memstore，當memstore滿了以後會flush成乙個storefile（底層實現是hfile），當storefile檔案數量增長到一定閾值，會觸發compact合併操作，將多個storefiles合併成乙個storefile，合併過程中會進行版本合併和資料刪除，因此可以看出hbase其實只有增加資料，所有的更新和刪除操作都是在後續的compact過程中進行的，這使得使用者的寫操作只要進入記憶體中就可以立即返回，保證了hbase i/o的高效能。當storefiles compact後，會逐步形成越來越大的storefile，當單個storefile大小超過一定閾值後，會觸發split操作，同時把當前region split成2個region，父region會下線，新split出的2個孩子region會被hmaster分配到相應的hregionserver上，使得原先1個region的壓力得以分流到2個region上。
3. zookeeper
zookeeper quorum中除了儲存了-root-表的位址和hmaster的位址，hregionserver也會把自己以ephemeral方式註冊到zookeeper中，使得hmaster可以隨時感知到各個hregionserver的健康狀態。此外，zookeeper也避免了hmaster的單點問題。
1. 讀流程
hbase把各個region的位置資訊儲存在乙個特殊的表中，這個表叫meta table。zookeeper裡面儲存了這個meta table的位置資訊。hbase的讀流程如下：
2. 寫流程
HBase學習之路 全文鏈結
hbase學習之路 一 hbase基礎介紹 hbase學習之路 二 hbase集群安裝 hbase學習之路 三 hbase集群shell操作 hbase學習之路 四 hbase的api操作 hbase學習之路 五 mapreduce操作hbase hbase學習之路 六 過濾器 hbase學習之路 ...
Hadoop學習筆記（四） HBase
hbase是乙個高可靠性 高效能 面向列 可伸縮的分布式儲存系統，它是google bigtable的開源實現，執行於hdfs檔案系統之上，利用mapreduce處理資料，使用zookeeper作為協同服務，因此可以容錯地儲存海量稀疏的資料。海量資料儲存，方便擴充套件 快速的隨機訪問，獨特的設計使得...
Hbase學習之四 Hbase表設計案例
環境 虛擬機器 vmware 10 linux版本 centos 6.5 x86 64 客戶端 xshell4 ftp xftp4 jdk8 hadoop 2.6.5 hbase 0.98.12.1 hadoop2 hbase中表的設計 主要是將原來的關係解開 問題 例子 表設計一 表設計二 這是乙...