HBase是一个高可靠性，高性能，面向列、可伸缩的分布式存储系统，利用HBase技术可以在廉价的PC Sever上搭建起大规模结构化存储集群。
1. 特点
海量存储，适合存储PB级别的海量数据，在PB级别的数据以及采用廉价pc存储的情况下，能在几十到百毫秒内返回数据。
列式存储，HBase是根据列族拉开存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须制定。
极易扩展，其扩展性主要表现在两个方面，一个是基础上层处理能力的扩展，一个是基于存储的扩展。
高并发，由于采用廉价PC，因此单个IO的延迟其实并不小，一般在几十到上百个MS之间，这里说是在并发情况下，Hbase的单个IO延迟下降并不多。
稀疏，主要是针对Hbase列的灵活性，在列族中，可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。
2. Hbase 的存储格式
Hbase中的所有数据文件都存储在HDFS文件系统上，格式主要有两种：
-
HFile，HBase中Key-Value数据的存储格式，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。
-
HLog File，HBase中WAL(Write Ahead Log)的存储格式，物理上是Hadoop的Sequence File
3. Hbase数据读取与数据写入
3.1 数据读取
- 客户端通过 zookeeper 以及-root-表和.meta.表找到目标数据所在的 regionserver(就是数据所在的 region 的主机地址)
(0.98版本以前，0.98及以后没有-ROOT-表) - 联系 regionserver 查询目标数据
- regionserver 定位到目标数据所在的 region，发出查询请求
- region 先在 memstore 中查找，命中则返回
- 如果在 memstore 中找不到，则在storefile 中扫描 （可能会扫描到很多的storefile----BloomFilter）
3.2 数据写入
-
client 先根据 rowkey 找到对应的 region 所在的 regionserver
-
client 向 regionserver 提交写请求
-
regionserver 找到目标 region
-
region 检查数据是否与 schema 一致
扫描二维码关注公众号，回复： 11350322 查看本文章
-
如果客户端没有指定版本，则获取当前系统时间作为数据版本
-
将更新写入 WAL log
-
将更新写入 Memstore
-
当memstore写入的值变多，触发溢写操作（flush），进行文件的溢写，成为一个StoreFile
-
当溢写的文件过多时，会触发文件的合并（Compact）操作，合并有两种方式（major，minor）,多个StoreFile合并成一个StoreFile,同时进行版本合并和数据删除
- minor compaction：小范围合并，默认是3-10个文件进行合并，不会删除其他版本的数据。
- major compaction：将当前目录下的所有文件全部合并，一般手动触发，会删除其他版本的数据(不同时间戳的)
-
当region中的数据逐渐变大之后，达到某一个阈值，会进行裂变（一个region等分为两个region，并分配到不同的regionserver），原本的Region会下线，新Split出来的两个Region会被HMaster分配到相应的HRegionServer上，使得原先1个Region的压力得以分流到2个Region上。