分布式数据库HBase，它到底是怎么组成的？

原文链接：http://www.ibearzmblog.com/#/technology/info?id=8ac4902f82f525e1456624d5d7a545dc

前言

大数据的核心问题无非就是存储和计算这两个。Hadoop中的HDFS解决了数据存储的问题，而HBase就是在HDFS上构建，因此Hbase既能解决大数据存储的问题，又能解决数据实时查询的问题。

是什么

HBase是一个高可靠、高性能、可伸缩的分布式存储系统，是一个NoSQL数据块，它同样包含行和列，不过从底层来看，跟关系型数据库比，本质的数据存储结果有着本质的差别。

特点

Hbase是通过RowKey（即是行键）来检索数据的，主要用于存储非结构化、板结构化数据，像图片、视频、视频这些非结构化数据，XML这些半结构化数据都可以用HBase来存储。Hbase的特性跟HDFS也类似，主要依靠横向扩展来提高自身的存储和计算能力。

下面是一些HBase的重要特性：

• 容量大：单表可以支持百亿级的行、百万级的列。
• 无模式：同一个表的不同行可以有不同列。
• 面向列：支持列独立索引。
• 稀疏性：表设计可以非常稀疏，当值为空的时候并不会占用存储空间。
• 扩展性：底层依赖HDFS，HDFS怎么样它就怎么样。
• 高可靠性：提供了副本机制，防止数据丢失。

HBase的组成

HBase的模型由四个部分组成：表、行键、列簇、单元格。

表

表是HBase作为分布式数据库的核心概念，跟传统的关系型数据库一样，HBase的表也是由行和列组成的，多个列可以组成列簇。

行键（RowKey）

可以等同于关系型数据库里的主键，HBase是按照RowKey进行排序的，所以需要设计良好的行键来提高查询性能。

列簇（ColumnFamily）

HBase的每个列都会归属于某个列簇，每个列簇里的所有成员都会有相同的前缀，例如上图bear:html、dog:blog.com和dog:view.com这三列，一共包含两个列簇，分别是bear和dog，列名由列簇前缀+修饰符组成。

列簇是表结构的一部分，在使用表前就需要提前定义好，而其中的列并不是必须的，可以在插入数据的时候生成。如果经常一起查询的多列建议都放在同一个列簇里，因为跨列簇查询也会影响查询效率。

单元格（Cell）

HBase中通过行键和列确定的一个存储单元成为单元格。每个单元格的内部都保存了同一份数据的多个版本，并且按时间戳倒叙排序，如下图：

时间戳（TimeStamp）可以在用户插入的时候赋值，或者让RegionServer自动赋值。

HBase的物理模型

在实际的物理存储上，HBase是按列分开存储的，而列则是按列簇进行分组，而一个列簇的数据都会被同一个Region进行管理（这里是指同一个列簇的数据由同一个Region管理，并不是指一个Region只负责一个列簇）。

Region是Hbase数据管理的基本单位，数据的移动、分裂等等都是以Region来进行处理。HBase表的行会按照Rowkey进行排序，而在表里的行会被分割成多个Region，如下图所示：

在初期数据不大的时候，默认只有一个Region，后面随着记录的疯狂式增长，Region就会分裂，不同的Region会被Master分发到不同的RegionServer上。

但是在HBase中，Region虽然是分布式存储的最小单元，但并不存储的最小单元。Region由一个或多个Store组成，每个Store保存一个Column Family，每个Store又由一个memStore和多个StoreFile组成，memStore存储在内存中，StoreFile则是在HDFS上，结构如下所示：

HBase的架构

HBase包含4个核心模块，分别是客户端（Client）、协调服务（Zookeeper）、主节点（HMaster）、从节点（HRegionServer）。

客户端（Client）

Client是HBase系统的入口，可以通过Client来操作HBase。Client都是通过RPC调用来与HMaster和RegionServer通信。

Zookeeper

负责管理HMaster的选举，保证集群中只有一个HMaster是Active状态，实时监控HRegionServer状态并通知给HMaster。存储HBase的Schema和Table的元数据。

HMater

在HBase中可以启动多个HMaster，但是在正常情况下只有一个HMaster是对外提供服务的，而其他的HMaster则负责备用（一主多从结构），这些由zookeeper来控制。HMaster的主要作用如下：

1. 管理用户对表的CRUD操作。
2. 调整HRegion的分布，管理HRegionServer的负载均衡。
3. HRegion分裂后，负责将新的HRegion分配到其他的HRegionServer上。
4. 当某个HRegionServer失效后，负责迁移HRegion到正常的HRegionServer上。

HRegionServer

主要负责响应客户端的I/O请求。HRegionServer内部维护了一系列的HRegion对象，一个HRegion对象等于一个Region，每个HRegion对应多个HStore，每个HStore对应一个列簇，每个列簇就是一个集中的存储单元。

总体架构如下：

结尾

HBase的总体结构介绍到这里，后面会更新它的部署方式。