????????HBase是一种分布式的、面向列的开源NoSQL数据库。根据官方的说明，其更像是一个数据存储而非数据库，因为其缺失很多数据库的特性。但是其自身又有区别于传统数据库的强大特性，如：
-
强一致性读写，很适合高速计数聚合类任务；
-
HBase 表通过region被分发在集群中。并且随着数据增长，region会自动切分和重新分发；
-
RegionServer自动故障转移；
-
支持HDFS作为它的分布式文件系统；
-
通过MapReduce支持大规模并行处理，并且HBase 可以同时做源端和目标端；
-
支持Java API、Thrift/REST API；
-
在支持Block Cache and Bloom Filters作为大容量查询优化；
-
提供内置网页用于运维视角和JMX 度量。
? ? ? ? 综上，让我们来看下HBase包含哪些组件吧。
系统架构图
????????注意：有些图片上会把HLog画到Region中，但其实是每一个 RegionServer 就只有一个 HLog，而不是一个 Region 有一个 HLog。
????????从HBase的架构图上可以看出，HBase中的组件包括Client、Zookeeper、HMaster、HRegionServer、HRegion、Store、MemStore、StoreFile、HFile、HLog等，接下来我们依次介绍他们的作用。
Client
? ? ? ?包含访问HBase的接口，并维护cache来加快对HBase的访问；
????????HBase集群的访问入口，通过RPC方式和HMaster、HRegionServer通信；
????????与HMaster进行通信进行管理表的操作，?与HRegionServer进行数据读写类操作。
Zookeeper
????????提供 Failover机制，保证任何时候，集群中只有一个HMaster；
????????实时监控HRegionServer的上线和下线信息，并实时通知给HMaster；
????????存储-ROOT-表地址（0.96版本之前，0.96版本后存储了.meta.表）、HMaster地址，HBase的schema和table元数据。
HMaster
? ? ? ? HMaster维护表和HRegion的元数据
????????负责HRegionServer的负载均衡，调整HRegion分布，负责失效HRegionServer上的HRegion迁移工作；
? ? ? ??管理用户对Table表的增、删、改、查操作；
????????HDFS上的垃圾文件回收。
HRegionServer
? ? ? ? 维护HRegion，处理HRegion的IO请求；
????????对运行中过大的HRegion进行split；
? ? ? ? 负责定期和阈值触发的Compact 操作，清理不需要的数据，控制HRegion的规模。
HRegion
? ? ? ? HRegion是HBase中分布式存储和负载均衡的最小单元；
????????不同的HRegion可以分别在不同的HRegionServer上，同一个HRegion不会拆分到多个server上；
? ? ? ? HRegion按大小分隔，每个表一般是只有一个HRegion，当HRegion的某个列族达到一个阈值（默认256M）就会分成两个新的HRegion，HRegion被分配给哪个HRegionServer是完全动态透明的；
????????每个HRegion由以下信息标识：< 表名,startRowkey,创建时间>，由目录表(-ROOT-和.META.)记录该HRegion的endRowkey?。
Store
? ? ? ?每个HRegion至少由一个Store组成；
? ? ? ?HBase会把一起访问的数据放在一个Store里面，即每个ColumnFamily建一个Store；
? ? ? ? 一个Store由一个memStore和若干StoreFile（也可为0）组成，HBase以Store的大小来判断是否需要切分HRegion。
MemStore
????????memStore 是放在内存里的，其保存修改的数据即Key-Values;
????????当memStore的大小达到一个阀值（默认128MB）时，memStore会被flush到文件，即生成一个快照。
StoreFile
????????memStore内存中的数据写到文件后就是StoreFile，StoreFile底层是以HFile的格式保存在HDFS上；
????????StoreFile文件的数量增长到一定阈值后，系统会进行合并（minor/major compaction），在合并过程中会进行版本合并和删除工作，形成更大的StoreFile。
HFile
????????StoreFile对Hfile做了轻量级包装，StoreFile底层就是HFile；
????????HBase中Key-Value数据的存储格式，HFile是Hadoop的二进制格式文件。? ? ?
HLog
? ? ? ? HLog->WAL log-Write Ahead Log，数据的所有变更均会写入HLog，一旦HRegionServer 宕机，就可以从log中进行恢复；
????????HLog文件就是一个Hadoop Sequence File?，其中value是HBase的Key-Value对象，即对应HFile中的Key-Value，除此之外还记录了数据的归属信息，除了table和region名字外，还同时包括sequence number和写入时间timestamp。
HBase数据读写过程
? ? ? ? 初步了解了HBase的基础组件架构组成，接下来通过HBase实际的使用过程来串联其各组件的功能特性。
--HBase数据读请求
? ? ? ? 0.96版本之前：Client–>Zookeeper–>-ROOT-表–>.META.表–>HRegion–>HRegionServer–>Client
? ? ? ? ? ? ? ? 1)Client访问Zookeeper，查找-ROOT-表，获取.META.表信息(两种表均存储在HRS上,此处Client会缓存两张表的相关信息，并于下次使用)；
? ? ? ? ? ? ? ? 2)从.META.表查找，获取存放目标数据的Region信息，从而找到对应的RegionServer；
? ? ? ? ? ? ? ? 3)联系 RegionServer 定位到目标数据所在的Region，发出查询请求；
? ? ? ? ? ? ? ? 4)读请求先到MemStore中查数据，查不到就到BlockCache中查，命中即返回；
? ? ? ? ? ? ? ? 5)如果找不到，则在 Storefile 中扫描，并把读的结果放入BlockCache。
? ? ? ? 0.96版本后（新增了namespace，删去了-ROOT-表）：Client–>Zookeeper–>.META.表–>HRegion–>HRegionServer–>Client
? ? ? ? ? ? ? ? 1)Client访问Zookeeper，获取.META.表信息(表存储在HRS上，此处Client会表的相关信息，并于下次使用，并且不会更新，只有当请求错误就会重新获取)；
? ? ? ? ? ? ? ? 2)从.META.表查找，获取存放目标数据的Region信息，从而找到对应的RegionServer；
? ? ? ? ? ? ? ? 3)联系 RegionServer 定位到目标数据所在的Region，发出查询请求；
? ? ? ? ? ? ? ? 4)读请求先到MemStore中查数据，查不到就到BlockCache中查，命中即返回；
? ? ? ? ? ? ? ? 5)如果找不到，则在 Storefile 中扫描，并把读的结果放入BlockCache。
去掉-ROOT-的原因：
其一：提高性能
其二：2 层结构已经足以满足集群的需求
--HBase数据写请求?
? ? ? ? 1)Client向zookeeper获取.meta.表的HRegion信息，然后找到meta表的数据；
? ? ? ? 2)根据RowKey、.meta.表等信息找到对应的HRegion 所在的HRegionServe；
? ? ? ? 3)Client 向HRegionServer提交写请求；
? ? ? ? 4)将更新先写入HLog，紧接着写入Memstore；
? ? ? ? 5)数据到MemStore达到预设阈值，MemStore中的数据被Flush成一个StoreFile；? ? ? ??
? ? ? ? 6)StoreFile不断增长到一定阈值后，触发Compact合并操作，将多个StoreFile合并成一个StoreFile，同时进行版本合并和数据删除；
? ? ? ? 7)单个StoreFile大小超过一定阈值后，触发Split操作，把当前HRegion离线Split成2个新的HRegion。