1、整体架构
· HMaster
· 多个RegionServer
· HLog
· BlockCache
· 多个Region
· 多个Store
· MemStore
· 多个StoreFile (以HFile的文件格式存储于HDFS中)
· HBaseClient
· Zookeeper
· HMBackup
2、HBase中涉及的角色及每个角色的具体功能
2.1 HMaster
- 管理所有的RegionServer，当HM通过zookeeper得知某个RS宕机或进程故障，由HM将该RS原来所负责的Regions转移到其他正常的RS上。
- 负责表、列族和region的相关操作，例如表的create，modify，remove，enable，disable；列族的add，modify，remove；region的move，assign，unassign；以及权限，表的分割与合并等。
- 负责集群的负载均衡并定期检查和清理hbase:meta表
与HDFS不同的是，客户端获取数据由客户端直连RS，所以HM挂了依然可以查询数据，但不能建新的表；HBase不若HDFS般依赖Master。
2.2 RegionServer
负责服务和管理Region，是用户数据表的实际管理者。
数据在分布式集群中会被水平分区，每个RS管理一部分分区，负责数据的写入，查询，缓存和故障恢复等。
同时在分布式集群中，RS与HDFS的DN通常按1:1的比例安装，这样RS的数据文件可以存一个副本于本机的DN中，从而在读取时可利用HDFS的短路径读取（short circuit）绕过网络请求，降低读取时延。
- 负责数据的读取和写入，比如get，put，delete，next等
- Region的拆分和压缩。拆分Region确实是RS作出的本地决策，但拆分过程本身必须与许多参与者协调。RS在Region拆分前后通知HM，从而更新.meta.表，以便客户端发现新的子Region，并重新排列HDFS中的目录结构和数据文件。
- 一些后台操作：检查拆分并处理轻微压缩，检查主要的压缩，定期刷新Memstore到Storefile中的内存写入，定期检查RS的WAL（write ahead log）
2.2.1 保证高可靠性的WAL
每个RS中有一个HLog，在对数据进行写入的所有操作时，都要先将操作记录到HLog中，如果操作未成功写入到HLog，那么也不会写入到相应数据所在的RS的store的MemStore中。
2.3 zookeeper
存储着hbase:meta信息。HBase:meta表记录着HBase中所有Regoin相关的信息。Zookeeper管理了所有RS的信息，包括具体的数据段存放在哪个RS上。
RS定时向zookeeper发送心跳。
2.3.1 客户端连接RS
客户端先与zookeeper通信，查询出需要连接哪个RS，再与相应的RS进行连接。
3、RS内部剖析
RS负责实际数据的读写，一个RS里包含一个WAL与一个或多个Region。当数据量小的时候一个Region就可以存放所有数据，数据量大的时候RS就会拆分region，并通知HM将多个region分配到一个或多个RS中。
3.1 Region
有start key 和end key，这里的Key就是row key，由start key和end key将HBase中的一个大表横向切割成几个子表，这些子表即为region。同时region也是HBase中负载均衡的基本单元，当一个region增长到一定大小时，会自动分裂成两个（region自带分裂策略），一个表中的数据会被分到一个或多个region中进行存储，而region又被HM分配到一个或多个RS中，且一个Region与一个column family确定唯一的cell，这个cell就是store。一个region里有多个store。
3.2 Store
3.2.1 memstore
数据被写入HLog后就被加载到MemStore，MS用于在内存中保存数据，MemStore到达某个阈值时会被刷写到HDFS上，以HFile的形式被持久化起来。
3.2.2 HFile
HFile只有索引信息，真正的东西在HDFS的block中，一个block对应一个HFile。HFile相当于HDFS的客户端。
在物理存储上我们管memstore刷写而成的文件叫HFile，storefile就是Hfile的抽象类而已。
