1.简介
Hadoop Database，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
利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用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）
2.数据模型
1.ROW KEY
决定一行数据
按照字典顺序排序的。
Row key只能存储64k的字节数据(一般存储10-100个字节)
2.Column Family列族 & qualifier列
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 ‘test’, ‘course’；
列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入；
权限控制、存储以及调优都是在列族层面进行的；
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
3.Timestamp时间戳
在HBase每个cell存储单元对同一份数据有多个版本，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。
时间戳的类型是 64位整型。
时间戳可以由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。
4.Cell单元格
由行和列的坐标交叉决定；
单元格是有版本的；
单元格的内容是未解析的字节数组；
由{row key， column( = +)， version} 唯一确定的单元
cell中的数据是没有类型的，全部是字节数组形式存贮。
5.HLog(WAL log)
预写日志
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KeyValue
3.架构
官网架构图：
注意：图中的Hlog不属于region，而是存在regionServer中。
HBase写流程：
1.Client客户端访问zookeeper获取需要向哪一台HregionServer写数据，得到这个regionServer的入口地址。
2.client客户端根据获取的地址，找到对应的regionServer和需要写入的region（表）以及store（列族），把写操作和数据加载到内存，会有一个专门的线程logasync来检测内存里是否有数据，如果有数据就会把数据追加到Hlog里面。每个regionServer里面都有一个Hlog来记录本regionServer里所有的region（表)的数据操作。由于不断的对Hlog追加数据，导致Hlog越来越大。为了防止Hlog过大，还会有一个线程logroller来进行每60分钟创建一个新的Hlog文件。如果在预写日志过程中出现故障，数据会丢失。
3.预写日志完成后，会把需要写入的数据加载到对应的region（表）的store（列族）的metastore里面，默认metastore为64M内存，数据进入metastore后会根据row key进行字典序排序，当metastore里的数据达到64M时，这个metastore会加入到一个溢写队列里面，等待溢写成一个storeFile。然后会新建一个新的metastore来接受数据。
4.metastore满了都会溢写成一个小文件，为了防止产生过多的小文件，会进行文件的合并操作。合并的方式分为minor、major compaction两种方式。minor方式主要会把3-10文件合并成一个文件。major compaction会把所有文件合并成一个文件，效率较低。在合并的过程会对多个内部有序的文件进行排序，使整体按照字典序进行排序。除此之外，合并过程还会清理一些已经失效的数据（Hbase删除数据时，不会直接删除，而是把那条数据标记为失效）。
5.最后会把文件存到HDFS里面。
Hbase读流程：
1.client客户端访问zookeeper，获取存放所要读取数据的regionServer地址入口。
2.根据地址找到对应的regionServer，然后找到存放数据的region（表）和数据所在的store（列族）。
3.首先会查找store的metastore里是否存在所要读取的数据。因为有时有些数据存在么她store里没有溢写到文件。如果meta store里面没有找到，就会查找blockcache。如果blockcace里也没有，就会从storeFile里面查找。会把查找到的数据写入blockcache里面。blockcache采用先进先出的管理策略。
各服务的功能：
1.Client
包含访问HBase的接口并维护cache来加快对HBase的访问
2.Zookeeper
保证任何时候，集群中只有一个活跃master
存贮所有Region的寻址入口。
实时监控Region server的上线和下线信息。并实时通知Master
存储HBase的schema和table元数据，
3.Master
为Region server分配region
负责Region server的负载均衡
发现失效的Region server并重新分配其上的region
管理用户对table的增删改操作
4.RegionServer
Region server维护region，处理对这些region的IO请求
Region server负责切分在运行过程中变得过大的region
5.Region
HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据
每个表一开始只有一个region，随着数据不断插入表，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region（裂变）
当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver 上
6.Memstore 与 storefile
一个region由多个store组成，一个store对应一个CF（列族）
store包括位于内存中的memstore和位于磁盘的storefile写操作先写入memstore，当memstore中的数据达到某个阈值，hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile
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），在合并过程中会进行版本合并和删除工作（majar），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，并由hmaster分配到相应的regionserver服务器，实现负载均衡
客户端检索数据，先在memstore找，找不到再找storefile
