Hadoop生态架构之Hbase
1.Hbase定义
HBase是一个开源的非关系型分布式数据库（NoSQL），它参考了谷歌的BigTable建模，实现
的编程语言为 Java。
是Apache软件基金会的Hadoop项目的一部分，运行于HDFS文件系统之上，因此可以容错地存
储海量稀疏的数据。
2.特性
1.高可靠
2.高并发读写
3.面向列
4.可伸缩
5.易构建
3.行存储 v s 列存储
行存储
优点：写入一次性完成，保持数据完整性
缺点：数据读取过程中产生冗余数据，若有少量数据可以忽略
列存储
优点：读取过程，不会产生冗余数据，特别适合对数据完整性要求不高的大数据领域
缺点：写入效率差，保证数据完整性方面差
4.Hbase优势
海量数据存储
快速随机访问
大量写操作的应用
5.Hbase应用场景
互联网搜索引擎数据存储
海量数据写入
消息中心
内容服务系统（schema-free）
大表复杂&多维度索引
大批量数据读取
6.Hbase数据模型
例1：
RowKey：是Byte array（以字节的方式存储，前后之间是按照顺序存储的，可以通过二分法检索），是表中每条记录的“主键”，方便快速查找， Rowkey的设计非常重要。
Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列
Column：属于某一个columnfamily， familyName:columnName，每条记录可动态添加
Version Number：类型为Long，默认值是系统时间戳，可由用户自定义
Value(Cell)： Byte array
例2：
为了检索快速，体现了一个三维有序的特点：
三维：1.rowkey 2.列族 3.version
举例：
{rowkey => {family => {qualifier => {version => value}}}}
a:cf1:bar:1368394583:7
a:cf1:foo:1368394261:hello
一维：a
二维：cf1:bar和cf1:foo
三维：1368394583和1368394261
前两维按顺序排列，时间戳按倒序排列
上表在传统数据库的形式如下：
7.Hbase物理模型
1.Hbase一张表由一个或多个Hregion（分区或区域）组成
2.记录之间按照Row Key的字典序排列
region举例：
3.Region特点：
1）Region是Hbase中分布式存储和负载均衡的最小单元，最小单元就表示不同的Hregion可以分布在不同的
HRegion server上。
2）Region按大小分割的，每个表一开始只有一个region，随着数据不断插入表， region不断增大，当增大到一个阀值（默认10G）的时候， Hregion就会等分会两个新的Hregion。当table中的行不断增多，就会有越来越多Hregion。
3）.同一张表的两个不同的Region可能在同一台机器上，也可能在不同的机器上，如下图：
3.regionserver：
region所在的那台机器，这个机器就是regionserver，机器上的进程就是HRegionServer
regionserver的作用：
主要负责用户的io请求（读和写），regionserver提供一个入口，供客户端来对hdfs的一个交互
进程
HRegionServer的作用：HRegionServer内部管理了一系列Hregion对象
4.Hbase物理模型
（1）Hbase里的一张表叫Htable
（2）按RowKey范围分的Region-> HRegion ->Region Servers
（3）HRegion按列族（Column Family） ->多个HStore（一个Column Family就被分为一个HStore（文件））
（4）HStore -> memstore（默认128M） + HFiles(均为有序的KV)
（5）HFiles -> HDFS
一个HRegion结构如下图：
HRegionServer上的HRegion存储结构如下图：
8.Hbase系统架构
1.Client：访问Hbase的接口，并维护Cache加速Region Server的访问
2.HMaster（主）：
1.负载均衡，分配Region到RegionServer
2.DDL：增删改-->table,cf,namespace
3.类似于namenode，管理一些table元数据
4.ACL权限控制
功能：
3.HRegionServer（从）：
1.管理和存放本地的HRegion
2.读写HDFS，提供IO操作
3.本地化：HRegion的数据尽量和数据所属的DataNode在一块。但是这个本地化不能够总满足和实现
4.Zookeeper：
保证集群中只有一个Master
存储所有Region的入口（ROOT）地址
实时监控Region Server的上下线信息，并通知Master
系统架构图：
9.Hbase的容错
1.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
2.Region Server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
3.Zookeeper容错：
Zookeeper是一个可靠地服务，一般配置3或5个Zookeeper实例
