7、Hbase基本框架

   HBase是一个构建在HDFS上的分布式列存储系统；
   HBase是Apache Hadoop生态系统中的重要一员，主要用于海量结构化数据存储；
   从逻辑上讲， HBase将数据按照表、行和列进行存储。


Hbase与HDFS对比：
   两者都具有良好的容错性和扩展性，都可以扩展到成百上千个节点；
   HDFS适合批处理场景：
   不支持数据随机查找
   不适合增量数据处理
   不支持数据更新

Hbase表的特点：
  大：一个表可以有数十亿行，上百万列；
  无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列；
  面向列：面向列（族）的存储和权限控制，列（族）独立检索；
  稀疏：对于空（ null）的列，并不占用存储空间，表可以设计的非常稀疏；
  数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳；
  数据类型单一： Hbase中的数据都是字符串，没有类型。

行存储与列存储：


HBase是基于Google BigTable模型开发的，典型的key/value系统；






Hbase支持的操作,所有操作均是基于rowkey的；
   支持CRUD（ Create、 Read、 Update和Delete）和Scan；
   单行操作:
   Put
   Get
   Scan
   多行操作:
   Scan
   MultiPut
   没有内置join操作，可使用MapReduce解决。

Hbase物理模型:
每个column family存储在HDFS上的一个单独文件中；
Key 和 Version number在每个 column family中均由一份；
空值不会被保存。
HBase 为每个值维护了多级索引，即：
<rowkey, column family, columnname, timestamp>


Region是HBase中分布式存储和负载均衡的最小单元。不同Region分布到不同RegionServer上；


Region虽然是分布式存储的最小单元，但并不是存储的最小单元。Region由一个或者多个Store组成，每个store保存一个columns family；每个Strore又由一个memStore和0至多个StoreFile组成；memStore存储在内存中， StoreFile存储在HDFS上。



HBase架构:


Client
  包含访问HBase的接口，并维护cache来加快对HBase的访问
Zookeeper 
  保证任何时候，集群中只有一个master
  存贮所有Region的寻址入口
  实时监控Region server的上线和下线信息。并实时通知给Master
  存储HBase的schema和table元数据
Master
  为Region server分配region
  负责Region server的负载均衡
  发现失效的Region server并重新分配其上的region
  管理用户对table的增删改查操作
Region Server
  Region server维护region，处理对这些region的IO请求
  Region server负责切分在运行过程中变得过大的region


HBase容错性：
Master容错： Zookeeper重新选择一个新的Master
  无Master过程中，数据读取仍照常进行；
  无master过程中， region切分、负载均衡等无法进行；
RegionServer容错：定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳
  Master将该RegionServer上的Region重新分配到其他RegionServer上；
  失效服务器上“预写”日志由主服务器进行分割并派送给新的
RegionServer
  Zookeeper容错： Zookeeper是一个可靠地服务
  一般配置3或5个Zookeeper实例。

Region定位:

.ROOT-
  表包含.META.表所在的region列表，该表只会有一个Region；
  Zookeeper中记录了 -ROOT-表的location。
.META.
  表包含所有的用户空间region列表，以及RegionServer的服务器地址。