HDFS是一种开源的分布式文件系统，基于常见商用硬件构建海量大规模存储集群，提供极低
的存储成本，极大的存储容量支持。
HDFS提供高可靠性的数据保障，通常采用三副本冗余存储数据到不同的机器来实现容灾备份
能力。
HBase基于HDFS实现存储计算分离架构的分布式表格存储服务。
HBase基础
什么是HBase
HBase是一个开源的NoSQL分布式数据库，是Apache软件基金会顶级项目之一。参考Google BigTable的设计，对稀疏表提供更高的存储空间使用率和读写效率。
采用存储计算分离架构
🚩存储层基于HDFS存储数据，提供容错机制和高可靠性;
🚩计算层提供灵活快速的水平扩展、负载均衡和故障恢复能力;
HBase和关系型数据库的区别
HBase数据模型
HBase以列族(column family)为单位存储数据，以行键(rowkey) 索引数据。
✔列族需要在使用前预先创建，列名(column qualifier) 不需要预先声明，因此支持半结构化数据模型。
✔支持保留多个版本的数据， (行键+列族+列名+版本号)定位一个具体的值。
👇数据模型中的概念用途
HBase数据模型的逻辑结构
HBase是半结构化数据模型。以列族(column family)为单位存储数据，以行键(rowkey) 索引数据。
HBase数据模型的物理结构
物理数据结构最小单元是KeyValue结构
使用场景
半结构化/字典序有序索引的数据
“近在线”海量分布式KV /宽表存储
写密集型的高吞吐场景
HBase数据模型的优缺点
HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库。逻辑上，HBase 的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从HBase 的底层物理存储结构（K-V）来看，HBase 更像是一个multi-dimensional map。
HBase是通过zookeeper集群协调进行数据的写入，Client客户端首先会访问Zookeeper，从Zookeeper中获取表的相关信息以及表的Region相关信息，根据我们要插入数据的rowkey，获取指定RegionServer的信息。
HBase架构设计
🎈主要组件包括:
- HMaster:元数据管理，集群调度、保活。
- RegionServer:提供数据读写服务，每个实例
- 负责若干个互不重叠的rowkey区间内的数据。
- ThriftServer:提供Thrift API读写的代理层。
🎈依赖组件包括:
- Zookeeper:分布式一致性共识协作管理， 例如
- HMaster选主、任务分发、元数据变更管理等。
- HDFS:分布式文件系统，HBase数据存储底座。
对于组件的扩展知识
- Region Server
Region Server 为 Region 的管理者，其实现类为 HRegionServer，主要作用如下:
对于数据的操作：get, put, delete；
对于Region 的操作：splitRegion、compactRegion。
- Master
Master 是所有 Region Server 的管理者，其实现类为 HMaster，主要作用如下：
对于表的操作：create, delete, alter
对于 RegionServer 的操作：分配 regions 到每个 RegionServer，监控每个 RegionServer 的状态，负载均衡和故障转移。
Master负责管理 RegionServer，实现其负载均衡；
管理和分配 Region，比如在 Region split时分配新的 Region，在 RegionServer 退出时迁移其内的 Region 到其他 RegionServer上；
管理namespace和table的元数据（实际存储在HDFS上）；
权限控制（ACL）。
- Zookeeper
HBase 通过 Zookeeper 来做 Master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。
- HDFS
HDFS 为 HBase 提供最终的底层数据存储服务，同时为 HBase 提供高可用的支持。
HMaster的主要组件
- ActiveMasterManager:管理HMaster的active/backup状
- ServerManager:管理集群内RegionServer的状态
- AssignmentManager:管理数据分片(region) 的状态
- SplitWalManager:负责故障数据恢复的WAL拆分工作
- LoadBalancer:定期巡检、调整集群负载状态
- RegionNormalizer:定期巡检并拆分热点、整合碎片
- CatalogJanitor:定期巡检、清理元数据
- Cleaners:定期清理废弃的HFile / WAL等文件
- MasterFileSystem:封装访问HDFS的客户端SDK
RegionServer的主要组件
- MemStore:基于SkipL ist数据结构实现的内存态存储，定期批量写入硬盘
- Write Ahead-Log:顺序记录写请求到持久化存储，用于故障恢复内存中丢失的数据
- Store:对应一个Column Family在一个region下的数据集合，通常包含多个文件
- StoreFile:即HFile,表示HBase在HDFS存储数据的文件格式，其内数据按rowkey字典序有序排列
BlockCache: HBase 以数据块为单位读取数据并缓存在内存中以加速重复数据的读取
大数据支撑
HBase在大数据生态的定位
- 对TB、 PB级海量数据支持强一致、近实时的读写性能，支持快速的ad-hoc分析查询任务;
- 支持字典序批量扫描大量数据，支持只读取部分列族的数据，
- 灵活支持不同查询模式，避免读取不必要的数据;
- 存储大规模任务(例如MapReduce, Spark Flink) 的中间/最终计算结果;
- 平滑快速的水平扩展能力，能够敏捷应对大数据场景高速增长的数据体量和大规模的并发访问;
- 精细化的资源成本控制，计算层和存储层分别按需扩展，避免资源浪费。
Region热点切分
- 当某个region数据量过多，切分成两个独立的子region分摊负载。
- RegionServer在特定时机(flush、 compaction) 检查region是否应该切分，计算切分点并RPC.上报HMaster,由
AssignmentManager负责执行RegionState Transition。
- 不搬迁实际数据，切分产生的新region数据目录下生成一 个以原region文件信息命名的文件，内容是切分点对应的
rowkey, 以及标识新region是上/下半部分的数据。
Region碎片整合
- 当某些region数据量过小、碎片化，合并相邻region整合优化数据分布。
- AssignmentManager创建Merge TableRegionsProcedure执行整合操作。
- 不搬迁实际数据，通过reference file 定位原region的文件，直到下次compaction时实际处理数据。
- 注意:只允许合并相邻region,否则会打破rowkey空间连续且不重合的约定。
Region负载均衡
定期巡检各RegionServer上的region数量，保持region的数量均匀分布在各个Region Server上。
Distributed Log Split原理
- RegionServer 故障，Zookeeper 检测到心跳超时或连接断开，删除对应的临时节点并通知监听该节点的客户端
- active HMaster监听到RS临时节点删除事件，从HDFS梳理出该RS负责的WAL文件列表
- HMaster为每个WAL文件发布一个log split task到ZK
- 其他在线的RS监听到新任务，分别认领
- 将WAL entries按region拆分，分别写入HDFS.上该region的recovered.edits目录
- HMaster监听到log split任务完成，调度region到其他RS
- RS打开region前在HDFS找到先回放recovered.edits 目录下的WAL文件将数据恢复到Memstore里，再打开region恢复读写服务
