Hbase数据模型与存储结构
一、Hbase简介
Hbase是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。依托Hadoop-HDFS作为其文件存储系统，利用MapReduce来处理海量数据，用Zookeeper作为其分布式协同服务，主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）。
二、 Hbase数据模型
1、存储模型分布
下边表示了一行，三列的数据，CF1、CF2、CF3是三个不同的列族，在t2时刻CF1下存入列名为q1，值为q2,rowkey为11248112；在t6时刻CF2、CF3下分别存入列名为q2，q3,值为q2，q3,rowkey为11248112；t3时刻没有存入 。和关系数据库不同这里的空白处是不占用空间的。
| Row Key |
Time Stamp |
CF1 | CF2 | CF3 |
| 11248112 | t6 | CF2:q2=v2 |
CF3:q3=val3 |
|
| t3 | ||||
| t2 | CF1:q1=v1 |
2、单元格（cell）
（1）cell由行和列的坐标交叉决定；
（2）单元格是有版本的；
（3）cell的内容是未解析的字节数组；
（4）cell由{row key， column( =
（5）cell中的数据是没有类型的，全部是字节码形式存贮。
3、RowKey
（1）决定一行数据，按行检索数据，相当于一级索引
（2） 按照字典顺序排序的，说明数据是有序的
（3）只能存储64k的字节数据，RowKey越短越好
4、 列族（Column Family）
（1）HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘tb’, ‘f’；
列名以列族作为前缀，每个“列族”都可以有多个列(column)；如f:a, f:b, 新的列族成员（列）可以随后按需、动态加入；
（2）权限控制、存储以及调优都是在列族层面进行的；
（3）HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。
5、时间戳（Timestamp）
（1）在HBase每个cell存储单元对同一份数据可以有多个版本，根据唯一的时间戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，最新的数据版本排在最前面。
（2）时间戳的类型是 64位整型，一般由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。
三、hbase架构
1、Client
提供了访问HBase的一系列API接口，如Java Native API、Rest风格http API、Thrift API、scala等，并维护cache来加快对HBase的访问
2、Zookeeper
（1）保证任何时候，集群中只有一个master
（2）存贮所有Region的寻址入口。
（3）实时监控Region server的上线和下线信息，并实时通知Master
（4）存储HBase的schema和table元数据
如下：replication下存副本节点信息，meta-region-server存region server元数据信息，rs下regionserver节点信息，backup-masters存backup-masters节点信息，不在详细说明，顾名思义。
[zk: localhost:2181(CONNECTED) 11] ls /hbase
[replication, meta-region-server, rs, splitWAL, backup-masters, table-lock, flush-table-proc, region-in-transition, online-snapshot, master, running, recovering-regions, draining, namespace, hbaseid, table]3、Master
（1）为Region server分配region
（2）负责Region server的负载均衡
（3）发现失效的RegionServer并重新分配其上的region
（4）管理用户对table的增删改操作
4、RegionServer
（1）Region server维护region，处理对这些region的IO请求，向HDFS文件系统中读写数据。
一个RegionServer由多个region组成，一个region由多个store组成，一个store对应一个CF（列族），而一个store包括位于内存中的memstore和位于磁盘的storefile，每个storefile以HFile格式保存在HDFS上。写操作先写入memstore，当memstore中的数据达到某个阈值时，RegionServer会启动flashcache进程写入storefile，每次写入形成单独的一个storefile。
（2）Region server负责切分在运行过程中变得过大的region
每个表一开始只有一个region，随着表数据不断插入，数据越来越多，storefile也越来越大，当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major compaction），minor主要是合并一些小的文件，不做删除，清理操作，而majar在合并过程中会进行版本合并和删除工作，形成更大的storefile。
当一个region所有storefile的大小和数量超过一定阈值后，会把当前的region分割为两个新的region（裂变），每个region保存一段连续的数据片段，如此往复，就会有越来越多的region，并由Master分配到相应的RegionServer服务器，这样一张完整的表被保存在多个Regionserver 上，实现负载均衡。
5、Region
HRegion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。
HRegion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，每个storefile以HFile格式保存在HDFS上，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile，如下图。
6、HLog(Write Ahead Log)
在分布式系统环境中，无法避免系统出错或者宕机，因此一旦HRegionServer意外退出，MemStore中的内存数据将会丢失，这就需要引入HLog了。每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复
HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是” 写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的Key、Value
参考：http://abloz.com/hbase/book.html#conceptual.view
参考：http://hbase.apache.org/1.2/book.html#datamodel