HBase读写流程详细解读

HBase 写入流程：

插入一条数据到某个表，因为HBase通过Zookeeper协调
Client 首先连接Zookeeper，从Zookeeper中获取表region相关信息。
根据要插入的rowkey，获取指定的Regionserver信息，如果是批量提交的话，会把rowkey根据HRegion Location进行分组。
当得到了需要访问的Regionserver之后，Client，会向对应的Regionserver发起写请求，并将对应的数据发送到该Regionserver检查操作，看Region是不是只读状态，BlockMemorySize大小限制等。
数据写入流程，依次将数据写入MemoryStore 和HLog，只有这两个都写入成功，此次写入才算成功。
写入MemoryStore 和HLog的过程比较复杂，需要获取相关的锁，而且写入MemoryStore 和HLog是原子性的，要么都成功，要么都失败。
当写入MemoryStore的数据大小达到我们设置的阈值之后，会将MemoryStore flush 成 StroeFile文件，当StoreFile文件增长到一定数量之后，会触发 Compact合并机制，将多个StoreFile 合并为一个大的StoreFile文件，如果Region大到一定的阈值，会将Region一分为二，HBase给两个Region分配相应的Regionserver进行管理，从而分担压力。

Regionserver处理数据的输入输出请求，Regionserver管理多个Region，Region是数据存储的基本单元。
一个Region只存储一个Column Family的数据，或者一个Column Family的一部分。当Region达到一定大小之后，会根据Rowkey的排序，划分多个Region每一个Region又划分多个Store对象，每个Store对象，包括一个MemoryStore 和一个到多个StoreFile，MemoryStore是数据在内存中的实体，并且是有序的。
当有数据写入的时候，会先写入MemoryStore，当MemoryStore达到一定大小的时候会Flush到Storefile，Storefile是HFile的一层封装，HFile存储在HDFS上,所以存储到HBase中的数据最终会存储到HDFS。
那么HBase怎么保证内存中数据不会丢失，HLog 是WAL的一种实现，预写日志。他是事务中常见的一种保证一致性实现方式,每一个Regionserver都有一个HLog实例，每一个HBase的更新操作，都会先写入MemoryStore中，然后更新到HLog中，只有成功更新到HLog之后，这条数据才会更新成功。这样，就算MemoryStore中数据丢失，也可以通过HLog恢复。 注意，一般的WAL预写日志，是先写入日志，再写入内存的，而HBase是先写入内存，后写入日志，依托MVCC模式，确保数据不会丢失。

HBase读流程：

Rowkey读取为例，跟写流程一样，先跟Zookeeper简历连接，通过访问Meta Regionserver节点信息，HBase的meta表缓存到本地，获取要访问的表的Region的信息。
当Client知道要访问的表在哪个Regionserver之后，Client就对那个Regionserver 发起读请求。
Regionserver接收该读请求之后，经过复杂的处理之后，就将结果返回给客户端。
(
Regionserver先扫描自己的Memorystore，如果没有找到，就会扫描BlockCache加速读内容的缓冲区，如果还没有找到，就会到StoreFile中查找这条数据，然后将这条数据返回给client
)

通过对读写流程的描述，发现Client对HBase读写请求，跟HMaster没有任何关系，客户端只需要知道Zookeeper的地址即可。

为什么Client只需要知道Zookeeper地址就可以了呢？
HMaster启动的时候，会把Meta信息表加载到zookeeper。
Meta信息表存储了HBase所有的表，所有的Region的详细的信息，比如Region开始的key，结束的key，所在Regionserver的地址。Meta信息表就相当于一个目录，通过它，可以快速定位到数据的实际位置，所以读写数据，只需要跟Zookeeper对应的Regionserver进行交互就可以了。HMaster只需要存储Region和表的元数据信息，协调各个Regionserver，所以他的负载就小了很多。

HBase三大模块如何一起协作的。(HMaster,RegionServer,Zookeeper)
通过三个问题解释

• 当HBase启动的时候发生了什么？
• 如果Regionserver失效了，会发生什么？
• 当HMaster失效后会发生什么？

1.当HBase启动的时候发生了什么？
HMaster启动的时候会连接zookeeper，将自己注册到Zookeeper，首先将自己注册到Backup Master上，因为可能会有很多的节点抢占Master，最终的Active Master要看他们抢占锁的速度。
将会把自己从Backup Master删除，成为Active Master之后，才会去实例化一些类，比如Master Filesytem，table state manager
当一个节点成为Active Master之后，他就会等待Regionserver汇报。
首先Regionserver注册Zookeeper，之后向HMaster汇报。HMaster现在手里就有一份关于Regionserver状态的清单，对各个Regionserver（包括失效的）的数据进行整理，
最后HMaster整理出了一张Meta表，这张表中记录了，所有表相关的Region，还有各个Regionserver到底负责哪些数据等等。然后将这张表，交给Zookeeper。
之后的读写请求，都只需要经过Zookeeper就行了。
Backup Master 会定期同步 Active Master信息，保证信息是最新的。

2.如果Regionserver失效了，会发生什么？
如果某一个Regionserver挂了，HMaster会把该Regionserver删除，之后将Regionserver存储的数据，分配给其他的Regionserver，将更新之后meta表，交给Zookeeper
所以当某一个Regionserver失效了，并不会对系统稳定性产生任何影响。

3.当HMaster失效后会发生什么？
如果Active 的HMaster出现故障
处于Backup状态的其他HMaster节点会推选出一个转为Active状态。
当之前出现故障的HMaster从故障中恢复，他也只能成为Backup HMaster，等待当前Active HMaster失效了，他才有机会重新成为Active HMaster

对于HA高可用集群，当Active状态的HMaster失效，会有处于Backup 的HMaster可以顶上去，集群可以继续正常运行。
如果没有配置HA，那么对于客户端的新建表，修改表结构等需求，因为新建表，修改表结构，需要HMaster来执行，会涉及meta表更新。那么 会抛出一个HMaster 不可用的异常，但是不会影响客户端正常的读写数据请求。