HBase介绍
HBase数据模型
逻辑视图来看，HBase中的数据是以表形式进行组织的，和关系型数据库中的表一样，HBase中的表也由行和列构成。
物理视图来看，HBase是一个Map，由键值（KeyValue，KV）构成；“sparse，distributed，persistent multidimensional sorted map”（稀疏的、分布式的、持久性的、多维的以及排序的MAP）
逻辑视图
-
table：表，一个表包含多行数据。
-
row：行，一行数据包含一个唯一标识rowkey、多个column以及对应的值。在HBase中，一张表中所有row都按照rowkey的字典序由小到大排序。
-
column：列，与关系型数据库中的列不同，HBase中的column由column family（列簇）以及qualifier（列名）两部分组成，两者中间使用"："相连。column family在表创建的时候需要指定，用户不能随意增减。一个column family下可以设置任意多个qualifier，因此可以理解为HBase中的列可以动态增加，理论上甚至可以扩展到上百万列。
-
timestamp：时间戳，每个cell在写入HBase的时候都会默认分配一个时间戳作为该cell的版本，当然，用户也可以在写入的时候自带时间戳。HBase支持多版本特性，即同一rowkey、column下可以有多个value存在，这些value使用timestamp作为版本号，版本越大，表示数据越新。
-
cell：单元格，由（rowkey、column family、qualifier、type、timestamp，value）组成的结构，其中type表示Put/Delete操作类型，timestamp代表这个cell的版本。这个结构在数据库中实际是以KV结构存储的，其中rowkey、column family、qualifier、type以及timestamp是K，value字段对应KV结构的V。
{“rowkey_1”,“Personal_info”,"Name,“put”,“t1”} -> “张三”
多维：HBase的key是一个复合数据结构，由多维元素构成，包括rowkey、column family、qualifier、type以及timestamp。
稀疏：column列允许空值，在其他数据库中，对于空值的处理一般都会填充null，而对于HBase，空值不需要任何填充。对于成百万列的表来说，通常都会存在大量的空值，如果使用填充null的策略，会造成大量空间的浪费。
排序：构成HBase的KV在同一个文件中都是有序的，按照KV中的key进行排序：先比较rowkey，rowkey小的排在前面；如果rowkey相同，再比较column，即column family：qualifier，column小的排在前面；如果column还相同，再比较时间戳timestamp，即版本信息，timestamp大的排在前面。
分布式：分而治之
逻辑视图
HBase中的数据是按照列簇存储的，即将数据按照列簇分别存储在不同的目录中。
-
行式存储
行式存储：行式存储系统会将一行数据存储在一起，一行数据写完之后再接着写下一行，如MySQL；
行式存储在获取一行数据时是很高效的，但是如果某个查询只需要读取表中指定列对应的数据，那么行式存储会先取出一行行数据，再在每一行数据中获取目标列。这种处理方式在查找过程中引入了大量无用列信息，从而导致大量内存占用。
-
列式存储
列式存储：列式存储理论上会将一列数据存储在一起，不同列的数据分别集中存储，如Kudu、Parquet on HDFS等系统（文件格式）
列式存储对于只查找某些列数据的请求非常高效，只需要连续读出所有待查目标列，然后遍历处理即可；但是反过来，列式存储对于获取一行的请求就不那么高效了，需要多次IO读多个列数据，最终合并得到一行数据。另外，因为同一列的数据通常都具有相同的数据类型，因此列式存储具有天然的高压缩特性。
-
列簇式存储
列簇式存储介于行式存储和列式存储之间，通过不同的设计思路在行式存储和列式存储两者之间相互切换。
一张表只设置一个列簇，这个列簇包含所有用户的列。HBase中一个列簇的数据是存储在一起的，因此这种设计模式就等同于行式存储。
一张表设置大量列簇，每个列簇下仅有一列，很显然这种设计模式就等同于列式存储。
HBase体系结构
Master-Slave模型，系统中有一个管理集群的Master节点以及大量实际服务用户读写的RegionServer节点。HBase中所有数据最终都存储在HDFS系统中；系统中还有一个ZooKeeper节点，协助Master对集群进行管理。
-
HBase客户端
HBase客户端（Client）提供了Shell命令行接口、原生Java API编程接口、Thrift/REST API编程接口以及MapReduce编程接口。HBase客户端支持所有常见的DML操作以及DDL操作，即数据的增删改查和表的日常维护等。其中Thrift/REST API主要用于支持非Java的上层业务需求，MapReduce接口主要用于批量数据导入以及批量数据读取。
-
ZooKeeper在Hbase的作用
-
实现Master高可用：通常情况下系统中只有一个Master工作，一旦Active Master由于异常宕机，ZooKeeper会检测到该宕机事件，并通过一定机制选举出新的Master，保证系统正常运转。
-
管理系统核心元数据：比如，管理当前系统中正常工作的RegionServer集合，保存系统元数据表hbase：meta所在的RegionServer地址等。
-
参与RegionServer宕机恢复：ZooKeeper通过心跳可以感知到RegionServer是否宕机，并在宕机后通知Master进行宕机处理。
-
实现分布式表锁：HBase中对一张表进行各种管理操作（比如alter操作)需要先加表锁，防止其他用户对同一张表进行管理操作，造成表状态不一致。HBase中的表通常都是分布式存储，ZooKeeper可以通过特定机制实现分布式表锁。
-
-
Master
Master主要负责HBase系统的各种管理工作：
- 处理用户请求，包括建表、修改表、权限操作、切分表、合并数据分片以及Compaction等。
- 管理集群中所有RegionServer，包括RegionServer中Region的负载均衡、RegionServer的宕机恢复以及Region的迁移等。
- 清理过期日志以及文件，Master会每隔一段时间检查HDFS中HLog是否过期、HFile是否已经被删除，并在过期之后将其删除。
-
RegionServer
RegionServer主要用来响应用户请求，、由WAL（HLog）、BlockCache以及多个Region构成。-
WAL（HLog）：HLog在HBase中有两个核心作用
-
用于实现数据的高可靠性，HBase数据随机写入时，先写入缓存，再异步刷新落盘。为了防止缓存数据丢失，数据写入缓存之前需要首先顺序写入HLog，即使缓存数据丢失，可以通过HLog日志恢复；
-
用于实现HBase集群间主从复制，通过回放主集群推送过来的HLog日志实现主从复制。
-
-
BlockCache：HBase系统中的读缓存。客户端从磁盘读取数据之后通常会将数据缓存到系统内存中，后续访问同一行数据可以直接从内存中获取而不需要访问磁盘。对于带有大量热点读的业务请求来说，缓存机制会带来极大的性能提升。
-
Region：数据表的一个分片，当数据表大小超过一定阈值就会“水平切分”，分裂为两个Region。通常一张表的Region会分布在整个集群的多台RegionServer上，一个RegionServer上会管理多个Region。
一个Region由一个或者多个Store构成，Store的个数取决于表中列簇（column family）的个数。
每个Store由一个MemStore和一个或多个HFile组成。MemStore称为写缓存，用户写入数据时首先会写到MemStore，当MemStore写满之后（缓存数据超过阈值，默认128M）系统会异步地将数据flush成一个HFile文件。随着数据不断写入，HFile文件会越来越多，当HFile文件数超过一定阈值之后系统将会执行Compact操作，将这些小文件通过一定策略合并成一个或多个大文件。
-
-
HDFS
HBase底层依赖HDFS组件存储实际数据，包括HFile、HLog日志文件等最终都会写入HDFS落盘。
HBase系统特性
HBase的优点
- 容量巨大：HBase的单表可以支持千亿行、百万列的数据规模，数据容量可以达到TB甚至PB级别。
- 良好的可扩展性：增加RegionServer节点实现计算层的扩展，增加DataNode实现存储扩展。
- 稀疏性：HBase支持大量稀疏存储，即允许大量列值为空，并不占用任何存储空间。
- 高性能：HBase目前主要擅长于OLTP场景，数据写操作性能强劲，对于随机单点读以及小范围的扫描读，其性能也能够得到保证。对于大范围的扫描读可以使用MapReduce提供的API，以便实现更高效的并行扫描。
- 多版本：HBase支持多版本特性，即一个KV可以同时保留多个版本。
- 支持过期：HBase支持TTL（ Time To Live）过期特性，用户只需要设置过期时间，超过TTL的数据就会被自动清理，不需要用户写程序手动删除。
HBase的缺点
- HBase本身不支持很复杂的聚合运算（如Join、GroupBy等）。如果业务中需要使用聚合运算，可以在HBase之上架设Phoenix组件或者Spark组件，前者主要应用于小规模聚合的OLTP场景，后者应用于大规模聚合的OLAP场景。
- HBase本身并没有实现二级索引功能，所以不支持二级索引查找。可以使用Phoenix提供的二级索引功能。
- HBase原生不支持全局跨行事务，只支持单行事务模型。可以使用Phoenix提供的全局事务模型组件来弥补HBase的这个缺陷。
大规模聚合的OLAP场景。
- HBase本身并没有实现二级索引功能，所以不支持二级索引查找。可以使用Phoenix提供的二级索引功能。
- HBase原生不支持全局跨行事务，只支持单行事务模型。可以使用Phoenix提供的全局事务模型组件来弥补HBase的这个缺陷。
