HBase学习笔记
1.HBase简介
HBase是Apache下的基于Hadoop的高可靠性，高性能，面向列和可伸缩的Key-Value型的分布式的列式存储集群。
在CAP理论中:
Consistency（一致性）
Availability（可用性）
Partition tolerance（分区容错性）
Hbase选择了CP，即一致性和分区容错性，舍弃了可用性。Hbase不想Redis性能那么高，但是在数据量很大时，Hbase的性能下降的不明显。Hbase不适合做数据分析（如数据联查，聚合和排序等）且数据量比较少的情况（如没有达到千万级别时）。
注意问题：
1.Hbase不支持表联查；
2.Hbase部分支持ACID(原子性，一致性，隔离性，持久性)
1.1 HBase基本架构：
Hbase
说明：
Master：
维护表结构信息，主要负责RegionServer的协调（如建表，删表，移动Region和合并等需要跨RegionServer的操作），Master宕机之后，Hbase仍然可以访问RegionServer的数据，但是无法建表删表等。
RegionServer：
RegionServer主要保存Region（一段数据的集合）存储数据，实际数据直接存储在HDFS上。
一个RegionServer上根据数据量可能会有多个Region，Hbase在进行数据平衡的时候，一个Region可能会被迁移到另一台RegionServer上。
Zookeeper：
相当于的RegionServer管理者，记录那些数据段保存在哪个RegionServer上。Client先与Zookeeper建立连接，查出数据在哪个RegionServer上，然后再链接RegionServer，执行CRUD。
1.2 HBase存储架构：
一个Region是多行（row）数据的集合，在Region是按照行的row key字典进行排序。
列（column）:
存储的基本单位，每行（row）对应的列可能不同，不需要建表的时候指定列；
行键（row key）:
用来唯一标定一行数据，类似于Map中的key；
列族（column family）:
Hbase的列是不固定的，但是需要确定列族，即建表时需要指定列族，Hbase会把相同列族的列尽量存放到通过一台机器上。列族不应该太多，否则影响性能；
版本号（version）：
Hbase的一个列会存储多个版本的值，多个版本的值保存在多个单元格内，多个版本之间使用版本号来区分。如果查询时不指定版本号，那么返回最新的版本号数据为返回结果。
单元格（cell）:
Hbase的每次存储都必须知道数据要被存储到哪个单元格，每个版本就称为一个单元格，单元格由（表，列族，行，列）来唯一确定。
表空间（table name space）:
主要用于对表进行分组，对不同的分组设置不同的管理配置。 Hbase默认有两个表空间，Hbase系统表空间，default默认表空间。
2.HBase进阶：
Region.png
说明：
1.WAL(Write-Ahead Log)：
WAL解决宕机之后的数据操作的恢复问题，
当修改Region中的数据时，先把数据写入WAL中（底层是HDFS），然后数据先写入MemStore中，等数据达到一定量时，flush到Hfile中，如果flush之前，系统宕机或者重启，会导致MemStore中数据丢失，可以通过WAL恢复数据。
WAL开启会对性能有影响，WAL支持同步和异步方式，异步默认flush时间是1秒，系统宕机会导致数据丢失，但是提高WAL的性能。
2.Store：
一个Region中包含多个Store实例，一个Store对应一个列族的数据，一个Store有一个MemStore；
3.HFile：
Hfile存储在HDFS上的，每次MemStore的flush都生成一个新的HFile文件，HFile不可修改。Hbase会对HFile进行周期性合并，合并的时候忽略掉Deleted的数据。
4.MemStore
由于HDFS支持创建，追加和删除，但是不支持更改，这样对数据的顺序写入带来的困难（顺序写入写入提高性能），MemStore将数据安装rowkey进行排序，提高读写性能。MemStore使用了LSM树结构（一种B+树的改进）来存储数据;
避免段时间存储在MemStore中的数据flush到磁盘。
Hbase是建立在不可修改的HDFS上，其增删改都是通过新增一条数据时间的，只是修改时新增一条版本号更大数据，删除时增加一个没有Value的数据，类型为Delete(成为墓碑标记)。墓碑标记数据可能和数据保存的不是一个位置，毕竟大概率不是新增一条数据，然后再删除。在根据RowKey读取数据时，StoreScanner并不是扫描到数据（即有MemStore，也有HFile）后立即返回，而是直到被扫描的数据大于给出的限定条件位置，避免读取到脏数据。
Hbase的写入顺序为：
Client --> WAL --> MemStore --> HFile
Hbase的读取顺序为：
Client --> BlockCache --> MemStore --> HFile
二层查询架构.png
1.Client从Zookeeper中的/hbase/meta-region-server节点查询到哪台RegionServer上有hbase:meta表，Client会缓存hbase:meta表，下次不再需要加载hbase:meta表了；
2.Client从上一步查询到的RegionServer中查询到rowkey所在哪个RegionServer的哪个Region上；
3.Client连接上一步获取的RegionServer，然后进行scan操作。
