- HBase的数据模型与传统数据库相比更加灵活，使用之前无须预先定义一个所谓的表模式（schema），同一个表中不同行数据可以包含不同的列，而且HBase对列的数量并没有限制。当然如果一行包括太多的列，就会对性能产生负面影响。HBase很适合存储不确定列、不确定大小的半结构化数据。
一、逻辑模型
HBase是一个键值型数据库。HBase数据行可以类比成一个多重映射（map），通过多重的键一层层递进可以定位一个值（value）。因为HBase数据行列值可以是空白的（这些空白列是不占用存储空间的），所以HBase存储的数据是稀疏的。
HBase逻辑模型相关的术语
表（table）：数据行的集合，表名用字符串表示，一个表可以包含一个或者多个分区（region）。
行键（row key）：用来表示表中唯一的一行数据，以字节数组形式存储，行键并不能唯一标识一行数据，因为HBase数据行可以有多个版本，但是，一般在不指定版本或者数据时间戳的情况下，用行键可以获取到当前最新生效的这行数据，因此从用户视图来说，默认情况下行键能够标识唯一一行数据。同时行键也是HBase表中最直接最高效的索引，表中数据按行键的字典序排列。
列簇（column family）：HBase是一个列式存储数据库，所谓列式就是根据列簇存储，每个列簇就是一个存储仓库（store），每个store有多个存储文件（storefile）用来存储实际数据。
列限定符（column qualifier）：每个列簇可以有任意个列限定符用来标识不同的列，与传统数据库不同的是列无须在表创建时指定，可以在需要使用时动态加入。
单元格（cell）：单元格由行键、列簇、列限定符、时间戳、类型（用来标识数据是有效还是删除状态）唯一决定，是HBase数据的存储单元，以字节码的形式存储。
版本（version）：HBase数据写入后是不会被修改的，数据的Put等操作在写入预写入日志（WAL）后，会先写入内存仓库（MemStore），同时在内存中按行键排序，等到合适的时候会将MemStore中的数据刷新到磁盘的StoreFile文件。因为数据不会修改，因此带来的问题就是数据会有多个版本，这些数据都会有一个时间戳用来标识数据的写入时间。
分区（region）：分区是集群中高可用、动态扩展、负载均衡的最小单元，一个表可以分为任意个分区并且均衡分布在集群中的每台机器上，分区按行键分片，可以在创建表的时候预先分片，也可以在之后需要的时候调用HBase shell命令行或API动态分片。
二、物理模型
物理存储模型
- HBase是一个列式存储数据库，数据按列簇存储在StoreFile中，空白的列单元格不会被存储。
- HBase中表按照行键的范围被划分为不同的分区（region），各个分区由分区服务器负责管理并提供数据读写服务，HBase主节点进程（HMaster）负责分区的分配以及在集群中的迁移。
- 一个分区同时有且仅有一个分区服务器提供服务（否则无法保证数据的一致性）。当分区增长到配置的大小后，则分区服务器会负责将这个分区拆分成两个。每个分区都有一个唯一的分区名，格式是“<表名,startRowKey,创建时间>”。一个分区下的每个列簇都会有一个存储仓库（Store），因此一个表有几个列簇，那么每个分区就会有几个Store。
- 每个Store有且仅有一个MemStore，但是可以有多个存储文件。当分区服务器处理写入请求时，数据的变更操作在写入WAL后，会先写入MemStore，同时在内存中按行键排序。当MemStore到达配置的大小或者集群中所有MemStore使用的总内存达到配置的阀值百分比时，MemStore会刷新一个StoreFile到磁盘，存储文件只会顺序写入，不支持修改。
- 数据块是HBase中数据读取的最小单位，StoreFile由数据块组成，可以在建表时按列簇指定表数据的数据块大小。如果开启了HBase的数据压缩功能，数据在写入StoreFile之前会按数据块进行压缩，读取时同样对数据块解压后再放入缓存。理想情况下，每次读取数据的大小都是指定的数据块大小的倍数，这样可以避免一些无效的IO，效率最高。
HBase进程概述
- HMaster：负责监控集群中所有的分区节点进程（HRegionServer）。负责所有元数据的更新（如分区由哪个分区节点提供服务）。HMaster同时负责分区在分区节点中的负载均衡，在一个分布式集群中，HMaster进程通常与NameNode运行在同一个节点上，每个集群会部署至少两个HMaster节点，一个作为活跃节点提供服务，另一个作为备用节点提供快速的灾备切换，保证集群的高可用（HA模式）。
- HRegionServer：管理其负责的分区，处理分区的读写请求、分区增大的拆分（split）以及分区的压缩（compact）。HBase客户端根据元数据（客户端从HMaster获取到元数据后会缓存在本地，当本地操作抛出特定异常后会从HMaster刷新缓存）定位到操作数据对应的分区所在分区服务器后，HBase客户端对数据的读写就直接与分区服务器交互，因此对分区的读写不会对HMaster造成压力。HRegionServer进程通常与DataNode运行在同一节点，这样对数据的读取可以尽量做到本地读取，减少网络请求。
- WAL：默认情况下每个HRegionServer仅有一个WAL，后期版本可以开启MutiWAL功能，允许多个WAL，且每个WAL是多个HRegion共享的。HBase客户端数据请求操作会先写入WAL文件再写入MemStore，这样当分区节点宕机重启时，可以用WAL来恢复分区服务器的状态（如MemStore中更新的数据没有刷新到StoreFile持久化，则分区节点启动时需要通过WAL重做（replay）数据更新来恢复）。如果数据操作写入WAL失败，则这个更新数据的请求也会失败。在WAL中，日志单元WALEntry（WAL的组成单元）表示一次行级更新的最小追加单元，它由HLogKey和WALEdit组成，WALEdit用来表示一个事务中的更新集合，HBase将一个行级事务的写入操作表示为一条记录以保证事务的原子性。
- Store：每个分区的每个列簇对应一个Store，一个Store包含一个MemStore和多个存储文件。当MemStore的大小达到了配置的阀值后，MemStore会刷新为一个存储文件，存储文件顺序写入，不支持修改，以HFile的形式存储在DataNode中。
- MemStore：MemStore位于分区节点的堆内存，数据在写入MemStore的时候即会按行键排序，这样刷新到存储文件的时候可以直接顺序写入，提供写性能。同时MemStore作为一个内存级缓存，能够提供对新写入数据的快速访问。