🍋🍋大数据学习🍋🍋
🔥系列专栏： 👑哲学语录: 用力所能及，改变世界。
💖如果觉得博主的文章还不错的话，请点赞👍+收藏⭐️+留言📝支持一下博主哦🤞
HBase简介
HBase是一个基于Hadoop的分布式、可扩展、支持大数据存储的数据库。
**使用场景：**需要随机或实时读写大数据的场景
**目标：**支持数十亿行和数百万列的大表
底层技术对应关系：
|---------------|-------------------------|--------------------------------------|----------------------------------------------------|
| 分布式列存储 | BigTable | HBase（基于Hadoop） | BigTable是Google的分布式列存储系统，HBase是其开源实现，提供稀疏多维映射表。 |
| 分布式文件系统 | GFS（Google File System） | HDFS（Hadoop Distributed File System） | GFS是Google的早期分布式文件系统，HDFS是其开源版本，支持大规模数据存储。 |
| 海量数据处理框架 | MapReduce | Hadoop MapReduce | MapReduce是Google提出的分布式计算模型，Hadoop MapReduce是其开源实现。 |
| 分布式协同服务管理 | Chubby | Zookeeper | Chubby是Google的分布式锁服务，Zookeeper是其开源实现，用于协调分布式系统。 |
数据模型
HBase采用表来组织数据，采用命名空间（NameSpace）对表进行逻辑分组。
NameSpace: 命名空间，类似于mysql中的database，默认有default和hbase，用户表默认在default中
表：HBase采用表来组织数据，表由行和列组成，列划分为若干个列族。
行：每个HBase表都由若干行组成，每个行由可排序的**行键（row key）**来标识。
列：采用列族:列限定符的形式确定具体的一列。
列族：一个HBase表被分组成许多"**列族"（Column Family）**的集合，它是基本的访问控制单元。列族可以动态添加，但在定义表时需要指定至少一个列族，在使用某个列族时要事先定义。
列限定符：表在水平方向由一个或者多个列族组成，一个列族中可以包含任意多个列，同一个列族里面的数据存储在一起。列族里的数据通过**"列限定符"（Column qualifier）**来定位。
单元格：在HBase表中，通过行、列族和列限定符确定一个"单元格"（cell），单元格中存储的数据没有数据类型，总被视为字节数组byte[]，所以在定义表时无需定义数据的类型，使用时用户需要自行进行数据类型转换。
时间戳：每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索引， HBase中执行更新操作时，并不会删除数据旧的版本，而是生成一个新的版本，旧有的版本仍然保留（这是和HDFS只允许追加不允许修改的特性相关的）
HBase是一个稀疏、多维度、排序的映射表，这张表的索引是行键、列族、列限定符和时间戳，在进行数据存储的时，其采用key-value形式：Table + RowKey（升序） + ColumnFamily + Column + Timestamp --> Value
系统架构
HBase采用主从结构设计，基础存储依赖于HDFS，协调服务依赖于Zookeeper集群，HMaster负责HBase的管理操作，HRegionServer负责数据的相关操作。
客户端（Client）
客户端包含访问HBase的接口，同时在缓存中维护着已经访问过的Region位置信息，用来加快后续数据访问过程。
对于管理类操作，Client与HMaster进行RPC
对于数据读写操作，Client与HRegion Server进行RPC
Zookeeper服务器
Zookeeper是Chubby算法的一种开源实现
- 保证任何时候，集群中只有一个活跃的master，因为为了保证安全性会启动多个Master
- 存储所有Region的寻址入口
- 实时监控Region Server的状态，将Region Server的上下线的信息汇报给HMaster。
- 存储Hbase的元数据（Schema）包括，知道整个Hbase集群中有哪些Table,每个 Table 有哪些column family（列族）
Master服务器
主服务器主要负责表和Region的管理工作, 其实现类为 HMaste ：
- 对于表的操作：create, delete, alter
- 对于 RegionServer 的操作：
- 实现不同Region服务器之间的负载均衡
- 在Region分裂或合并后，负责重新调整Region的分布
- 对发生故障失效的Region服务器上的Region进行迁移
Region服务器
Region服务器是HBase中最核心的模块，维护Master分配给他的 Region ，其实现类为 HRegionServer ，主要组成如下：
- 一个Region服务器包含多个Region，这些Region共用一个HLog文件
- Region由一个或者多个Store组成，每个Store保存一个 Columns Family。
- 每个Strore又由一个MemStore和0至多个StoreFile组成。
- MemStore存储在内存中，StoreFile存储在HDFS
- StoreFile的底层实现是HFile
主要作用如下:
- 对于数据的操作：get, put, delete
- 对于 Region 的操作：splitRegion、compactRegion