1.前言

随着公司业务不断发展，开始遇见越来越多的复杂存储场景。我们在关系型数据库上已经有了比较好的技术积累，但是并不能解决所有问题。

因此，需要对更多存储类型做技术储备。

HBase作为nosql的典型代表，是一个分布式的、面向列的开源数据库，在大数据存储上广受欢迎，因此，第一站就来到这里。

网络上对于HBase的文档有很多，但是看了一圈，没有特别能让一个小白快速入门的介绍。

本文作为一个入门文档，希望能通过自己的理解，来快速认识HBase到底是什么，它的结构、特点、适用场景有哪些，但不会有深入的技术点的说明。

嗯，就是快速，非常快速并且丝滑地去理解HBase到底是啥。

2. 适用场景

一开始，我们肯定需要了解的是，为什么要用HBase。

存储组件比较多，我们就简单谈谈MySQL和HBase的主要对比。

可以看到，在面对海量数据场景时，如果没有较强的事务要求，查询比较简单，那么HBase是非常适合的。

3. 基本概念

3.1 表、行、列和单元格

为什么正文要从这里开始呢？

因为这个是一切的基础，也是我们初次接触HBase最先想到的问题，HBase的数据格式是怎样的？

但是在入门HBase的过程中，发现一个小白想搞明白HBase到底是个什么存储格式还是挺费劲的。

比如给你这样一个HBaes的数据结构，是不是比较难理解是一个怎样的层级概念？

一个好的办法就是做 知识的迁移。

所以，从我们熟悉的Mysql来说，是个非常好的方式。

Mysql的表结构我们非常熟悉，所以第一个问题就是，Mysql的表记录在HBase中是如何存储呢？

我们来举个例子，有两张mysql的表，表名叫user和location，表记录如下。

user表

location表

这样的结构，在HBase中的逻辑存储应该是这样的。

抽象出来的概念如下

相信有了这样直接的对比，不用我说，大家也能明白HBase的基本存储概念了。

• RowKey：是Byte array，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要。
  
• Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列
  
• Column：属于某一个column family，familyName:columnName，每条记录可动态添加
  
• Value(Cell)：Byte array
  
• Version Number：类型为Long，默认值是系统时间戳，可由用户自定义（这个概念在上文的逻辑存储中不太好迁移类比，所以上文的模型中没有给出，可以理解为mysql中的mvcc的版本号）
  

那么，在HBase中确定一个值的方式就比较清楚了。

通过RowKey-CF-Column-Version我们就能找到Value，这样就明白了KV的查询的结构关系。

如果用代码来简单表示，可以这样显示：

SortedMap<RowKey, List<SortedMap<Column,List<Value,TimeStamp>>>>

做个小结：

最基本的单位是列（column）。一列或者多列形成行（row），并且由唯一的行键（row key）来确定存储。反过来，一个表（table）中由若干行，其中每列可能由多个版本（version），在每一个单元格（cell）中存储了不同的值。

3.2 分区概念

第二章对存储结构做了比较直白的说明，下面介绍HBase另一个比较核心的概念：regin。

HBase中扩展和负载均衡的基本单位称为regin，regin本质上是以行键排序的连续存储的区间。

如果regin太大，系统会自动进行拆分（在中间的行键进行一拆二），反之，会把多个regin合并（非自动），以减少存储文件数量。

如果类比mysql，可以看作是分区表partition的概念。

每一个regin只能由一台regin服务器（region server）加载，每一台region server可以加载多个region。

4. 架构

这张图是HBase非常经典的整体架构图。图中展示了HBase的各种组件。

1）Client

Client包含了访问Hbase的接口，另外Client还维护了对应的cache来加速Hbase的访问，比如cache的.META.元数据的信息。

2) 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。具体工作如下：

• 通过Zoopkeeper来保证集群中只有1个master在运行，如果master异常，会通过竞争机制产生新的master提供服务
  
• 通过Zoopkeeper来监控RegionServer的状态，当RegionSevrer有异常的时候，通过回调的形式通知Master RegionServer上下线的信息
  
• 通过Zoopkeeper存储元数据的统一入口地址
  

3) HMaster

• master节点为RegionServer分配Region
  
• 维护整个集群的负载均衡
  
• 维护集群的元数据信息
  
• 发现失效的Region，并将失效的Region分配到正常的RegionServer上
  
• 当RegionSever失效的时候，协调对应Hlog的拆分
  

4）HReginServer

HregionServer直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：

• 管理master为其分配的Region 处理来自客户端的读写请求
  
• 负责和底层HDFS的交互，存储数据到HDFS
  
• 负责Region变大以后的拆分
  
• 负责Storefile的合并工作
  

5) 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（Hlog存储在HDFS）的支持，具体功能概括如下：

• 提供元数据和表数据的底层分布式存储服务
  
• 数据多副本，保证的高可靠和高可用性