1、HBASE简介

Apache HBase™ is the Hadoop database, a distributed, scalable, big data store.

Apache HBase™ 是Hadoop数据库，是一种分布式、可扩展的大数据存储 HBase 是 BigTable 的开源 java 版本。

建立在 HDFS 之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的 NoSQL 数据库系统。

NoSQL的两种解释，更精确的是后者 NoSQL = NO SQL NoSQL = Not Only SQL NoSQL：HBase, Redis, MongoDB NoSQL数据库基本上都是Key-Value类型存储数据的。 RDBMS：MySQL,Oracle,SQL Server,DB2 RDBMS数据库基本上都可以通过SQL去进行操作

以下几点是 HBase 这个 NoSQL 数据库的要点：

1、它仅能通过主键(row key)和主键的 range 来检索数据；

2、Hbase查询数据功能简单，不支持 join 等复杂操作；

3、不支持复杂的事务（行级的事务）；

4、HBase 中支持的数据类型：byte[] ；

5、主要用来存储结构化和半结构化的数据。

与 Hadoop 一样，HBase 目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

HBase 中的表一般有这样的特点：

1、大：一个表可以有上十亿行，上百万列；

2、面向列：面向列(族)的存储和权限控制，列(族)独立检索；

3、稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。

2、HBASE的逻辑存储

3、HBASE的物理存储

4、HBASE中的基本概念

4.1 RowKey（行键）

与 NoSQL 数据库们一样,Rowkey 是用来检索记录的主键。访问 HBase table 中的行，有如下的方式：

1、通过单个 Rowkey 访问

2、通过 Rowkey 的 range

3、全表扫描

Rowkey 行键 (Rowkey)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)。在 HBase 内部，rowkey 保存为字节数组。HBase 会对表中的数据 按照 Rowkey 排序(字典顺序) 。存储时，数据按照 Rowkey 的字典序(byte order)排序存储。设计 key 时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。

4.2 列簇（Column Family）

HBase表中的每个列，都归属与某个列簇。列簇是表的 schema 的一部分(而列不是)，必须在使用表之前定义。 首先，要知道一下，HBase的数据模型其实和关系型数据库类似，数据都是存储在某张表中间，有行也有列的。 从HBase的底层物理存储结构来看，HBase像一个多维的map结构。

高表： 几十亿行

宽表： 几百个列列名都以列簇作为前缀。

例如 courses:history ， courses:math 都属于 courses 这个列簇。 列族越多，在取一行数据时所要参与 IO、搜寻的文件就越多，所以，如果没有必要，不要设置太多的列族。

4.3 TimeStamp（时间戳）

HBase 中通过 row 和 columns 确定的为一个存储单元称为 cell。每个 cell 都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64 位整型。时间戳可以由 HBase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。

4.4 Cell

由{rowkey, column( = + ), version} 唯一确定的单元。label其实就是QualififierCell 中的数据是没有类型的，全部是字节码形式存储。 HBase提供了工具类将String、Double、Integer等和字节数据之间来回转换。

4.5 NameSpace

命名空间，类似于关系型数据库的 DatabBase 概念，每个命名空间下可以有多个表。HBase 有两个自带的命名空间， 分别是 hbase 和 default ，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间。

4.6 Row

HBase 表中的每行数据都由一个 RowKey 和多个Column（列）组成，数据是按照 RowKey 的字典顺序来进行存储的，并且查询数据时只能根据 RowKey 进行检索，由此可见 RowKey 的设计很重要。

4.7 Region

相当于表的切片。类似于关系型数据库的表概念。但是，在HBase中定义表时只需要声明列族即可，不需要声明具体的列。也就是说，往 HBase 写入数据时，字段可以动态的按需指定。与关系型数据库相比，HBase 能够应对字段变更的场景。一个表的数据到10g的数据时候开始切，其实刚开开始的时候就一个Region。

4.8 Column

HBase 中的每个列都由Column Family （列簇）和Column Qualififier （列限定符）进行限定，例如info:name ， info:age。建表的时候只需指明列簇，而列限定符不需要提前定义。

5、整体的布局架构

RegionServer的作用： Region：Split Region， Compact Region。 分久必合，合久必分。 Data：get、put（包含更新了）、delete。针对数据的增删改查，相当于DML

Master的作用： Table：create、delete、alter、list、desc。针对表的增删改查，相当于DDL。 RegionServer：分配regions到每个RegionServer，监控每个RegionServer的状态 管理Region的Server