简介
HBase是一款分布式的列式存储数据库，适用于需要处理大量数据并且对读写性能有较高要求的场景，具有以下特性：
- 高可用
- 高读写性能
- 强读写一致性
- 列式存储（核心能力）
架构
zk
- 负责元数据的存储，包含HMaster的地址
- 负责HMaster的高可用，如果故障了重新选新的HMaster
HMaster
- HMaster负责维护整个集群的数据元信息，提供HRegion的元信息（地址、存储的数据ROWKEY范围，所在的HRegionServer地址），元数据还是存储子啊zk中。
- 负责HRegionServer的故障转移
HRegionServer
- 负责管理物理机上的HRegion（单个region数据量太大，需要分裂成两个）
- 接收客户端的读写请求，并与hregion交互
- 维护Write-Ahead Log（WAL），用于记录所有数据变更，支持数据恢复
HRegion
HRegion负责数据的读写，类似MySql中的引擎层（innodb等）。
核心原理
高性能写读操作-LSM
对于写操作，会先记操作日志到HLog中（顺序写磁盘），然后会写到内存中（memstore）,最终异步写入HFile中，因此避免了随机写磁盘的高耗时io操作。memstore使用跳表有序地存储最近的数据，当数目超过阈值时，则写入磁盘。
当处理读操作时，如果数据不在内存中，则需要到所有磁盘文件中寻找，当写入操作越来越多，磁盘文件也会随之增加，读性能会下降。因此，磁盘上会存在多个文件，为了提高效率，Hbase使用布隆过滤器快速过滤无效的请求；并异步合并文件，会删除过期、已删除和超过最大版本号的数据，能减少文件的数目。
列簇
文件的存储粒度既不是rowkey对应的所有字段，也不是每个字段单独存一个文件，HBase采用了折中的方式。一张表包含多个列簇，列簇则是包含多个列，业务上使用紧密相关的多个列可以放在一个列簇中，查询或者写入时，避免操作多个文件。{row, column, version} 元组就是一个HBase中的一个
cell，Cell的内容是不可分割的字节数组。cell是用户操作的最小数据粒度。
最佳实践
- 列族数量最好小于或等于3
- 使用批量API（如批量Get和批量Put）来减少网络IO，提高写入和读取性能
- 合理设置列族的版本数量，以控制StoreFile的大小和避免过多的IO操作
- GET操作指定需要的列或者列簇，避免多余的数据传输
- 接口放在领域层，数据读写接口的实现放在基础设施层
