HBASE的详细介绍流程

简介

hbase是基于Google BigTable模型开发的，典型的key/value系统。是建立在hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写nosql的数据库系统。它是Apache Hadoop生态系统中的重要一员，主要用于海量结构化和半结构化数据存储。

它介于nosql和RDBMS之间，仅能通过主键(row key)和主键的range来检索数据，仅支持单行事务(可通过hive支持来实现多表join等复杂操作)。

Hbase查询数据功能很简单，不支持join等复杂操作，不支持复杂的事务（行级的事务）与hadoop一样，Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

HBase中的表一般有这样的特点：

大： 一个表可以有上十亿行，上百万列

无模式： 每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列；

面向列: 面向列(族)的存储和权限控制，列(族)独立检索。

稀疏: 对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。

数据多版本： 每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入时的时间戳

数据类型单一： Hbase中的数据都是字节数组 byte[]。

表结构逻辑视图

HBase以表的形式存储数据。表有行和列组成。列划分为若干个列族(column family)

1. 一个value可以有多个版本,通过版本号(时间戳来区分)
2. HBASE 中通过rowkey和columns确定的为一个存贮单元称为cell)
3. HBASE 在建立表的时候,不需要指定表中的字段,只需要指定若干个列簇几个
4. 插入数据的时候,列簇中可以存储任意多列
5. 查询一个具体字段的值的时候,需要指定的坐标是表名–>行键–>列簇(columnFamily):列名–>版本

HBASE 架构图

Hbase基本组件说明：

Client：
包含访问Hbase的接口，并维护cache来加快对Hbase的访问，比如region的位置信息。
HMaster：
是hbase集群的主节点，可以配置多个，用来实现HA
为RegionServer分配region
负责RegionServer的负载均衡
发现失效的RegionServer并重新分配其上的region

RegionServer：
Regionserver维护region，处理对这些region的IO请求
Regionserver负责切分在运行过程中变得过大的region

Region:
分布式存储的最小单元。

Zookeeper作用:
通过选举，保证任何时候，集群中只有一个活着的HMaster，HMaster与RegionServers 启动时会向ZooKeeper注册
存贮所有Region的寻址入
实时监控Region server的上线和下线信息。并实时通知给HMaster
存储HBase的schema和table元数据
Zookeeper的引入使得HMaster不再是单点故障