HBase简介
1. 什么是HBase
HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的子项目来开发维护，用于支持结构化的数据存储。HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBASE技术可在廉价PC Server上搭建起大规模结构化存储集群。
2. Hbase特点
1）海量存储
Hbase适合存储PB级别的海量数据，在PB级别的数据以及采用廉价PC存储的情况下，能在几十到百毫秒内返回数据。
这与Hbase的极易扩展性息息相关。正式因为Hbase良好的扩展性，才为海量数据的存储提供了便利。
2）列式存储
这里的列式存储其实说的是列族（ColumnFamily）存储，Hbase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。
3）极易扩展
HBase的扩展性主要体现在两个方面:
① 一个是基于上层处理能力（RegionServer）的扩展：
通过横向添加RegionSever的机器，进行水平扩展，提升Hbase上层的处理能力，提升Hbsae服务更多Region的能力。
② 一个是基于存储的扩展（HDFS）
由于HBase的数据文件是存储在HDFS上的，所以可以通过横向添加Datanode的机器，进行存储层扩容，提升Hbase的数据存储能力和提升后端存储的读写能力。
4）高并发（多核）
多核情况下，可以减少并发线程等待时间.
5）稀疏
我们在传统的RDBMS中，一般是以行为单位存储，每行有N列，即使这N列中只有一列有数据，其他都为空，其他所有列的存储空间也会被预留出来.
而HBase的数据存储与传统的RDBMS不同，是按照列族存储的，并且一个列族下可以有多个列，并不要求列的一致性.
比如，我们有一张emp表，有一个info列族，然后有3条数据：
| rowkey | info:name | info:age | info:gender |
|---|---|---|---|
| 1001 | Bob | 30 | male |
| rowkey | info:name | info:age |
|---|---|---|
| 1002 | Leo | 28 |
| rowkey | info:name | info:birthday |
|---|---|---|
| 1003 | XMAN | 1970-1-1 |
如上所示，同一个表中的三条数据，数据信息不要求每行都是相同的列，其他未填入数据的列不占用存储空间.
3. HBase架构
3.1 HBase的主要组成组件
1）Client
Client包含了访问Hbase的接口，另外Client还维护了对应的cache来加速Hbase的访问，比如cache的.META.元数据的信息。
2）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。
3）HMaster
master节点的主要职责如下：
为RegionServer分配Region
维护整个集群的负载均衡
维护集群的元数据信息
发现失效的Region，并将失效的Region分配到正常的RegionServer上
当RegionSever失效的时候，协调对应Hlog的拆分
4）HRegionServer
HregionServer直接对接用户的读写请求，是真正的“干活”的节点。
它的功能概括如下：
管理master为其分配的Region
处理来自客户端的读写请求
负责和底层HDFS的交互，存储数据到HDFS
负责Region变大以后的拆分
负责Storefile的合并工作
5）HDFS
HDFS为Hbase提供最终的底层数据存储服务，同时为HBase提供高可用（Hlog存储在HDFS）的支持。
3.2 其他组成组件
1）Write-Ahead logs
HBase的修改记录，当对HBase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做Write-Ahead logfile的文件中，然后再写入内存中。待这两处都写入成功之后，会返回给客户端操作成功的信息.所以在系统出现故障的时候，数据可以通过这个日志文件重建。
2）Region
HBase表的分片，HBase表会根据RowKey值被切分成不同的region存储在RegionServer中，在一个RegionServer中可以有多个不同的region。类似RDBMS中的数据分区（比如电话号码按照区号存储）
这里可以预先设置分区，控制不同的数据分别存储到不同的Region中，这样可以提高查询时的效率.
3）Store
一个Store对应HBase表中的一个列族(列簇， Column Family)，HFile存储在Store中。
4）MemStore
位于内存中，用来保存当前的数据操作，所以当数据保存在WAL中之后，RegsionServer会在内存中存储键值对。
而memStore内存中的数据达到一定容量后就会flush到StoreFile文件（即memstore的每次flush操作都会生成一个新的StoreFile）
5）HFile
这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile是以HFile的形式存储在HDFS的。