一起學HBase——簡單介紹HBase各種元件
HBase是谷歌BigTble的開源實現。谷歌的三篇論文拉開了大資料江湖的序幕，鑄就了現在以Hadoop為主的大資料技術生態圈。而HBase是開源的大資料資料庫，和傳統的行式資料庫不同的是，HBase是列式資料庫。列式資料的特點是開源橫向擴充套件，將一張表的資料儲存在hadoop叢集的不同datanode中，一張表的儲存量可以達到T級別。這是行式關係型資料庫無法實現的。本文主要講解HBase的基本概念，只有概念清楚了才能更好的在我們的系統中使用HBase。
核心元件介紹
Table：可理解為傳統資料庫中的一個表，但因為SchemaLess的設計，它較之傳統資料庫的表而言，在設計上更加靈活。
Region：將表橫向切割為一個個子表，子表在HBase中被稱之為Region。
RegionServer：資料服務程序，Region必須部署在某一個RegionServer上才可以提供讀寫服務。
HFile：HBase資料庫在底層分散式檔案系統中的檔案組織形式。
Column Family：一些列的集合。不同的Column Family資料被儲存在不同的路徑中。
MemStore：用來在記憶體中快取一定大小的資料，達到設定的閾值後批量寫入到底層檔案系統中。資料是有序的。
下圖清晰的展示了Table，Region，RegionServer，HFile，MemStore，Column Family在HBase的邏輯關係。
下圖顯示了HBase叢集中的關鍵程序
Zookeeper：HBase叢集的排程器，可以用於將HBase RegionServer資訊註冊到zookeeper中，查詢HBase RegionServer狀態資訊，HMaster啟動時會將HBase系統表-ROOT-載入到zookeeper叢集中，通過zookeeper叢集可以獲取當前系統表.META.的儲存所對應的RegionServer資訊
。
Master，通過jps命令顯示的程序名稱是HMaster，在負責表管理操作，Region到各個RegionServer的分配以及RegionServer Failover的處理等。
RegionServer程序提供資料讀寫服務。
NameNode，Hadoop程序，處理來自Master的請求，H管理DFS檔案系統的名稱空間NameSpace。
DataNode，Hadoop資料節點程序，HBase的所有資料都存在Hadoop的DataNode中。
KeyValue資料儲存結構
HBase所儲存的資料是以KeyValue形式存放的，KeyValue有特定的資料結構，如下圖所示，一個KeyValue可以理解成HBase表中的一個列，當一行存在多個列時，將包含多個KeyValue，同一行的KeyValue有可能儲存在不同的檔案中，但在讀取時，會按需合併在一起返回給客戶端。
使用者寫資料時，需要定義使用者資料的RowKey,指定每一列所存放的Column Family,並且為其定義相應的Qualifier（列名），Value部分存放使用者資料。Hbase中每一行可擁有不同的KeyValues，這就是HBase Schema-less的特點。
HBase中支援資料的多版本，通過帶有不同時間戳的多個KeyValue版本來實現的，如下圖所示。
HBase所儲存的版本資料是可配置的，預設存放3個版本。在普通的讀取流程中，舊版本的資料時不可見的，但通過制定版本數或者版本號的讀取，可以獲取舊版本資料。下圖是普通讀取劉恆與多版本讀取流程的對比。
靈活的列定義
使用者資料存入到HBase表中時，需要進行Qualifier(KeyValue/列)設計。一個最簡單的設計是保持HBase的列與使用者資料的列一致，如下圖1的設計。這種設計，基本上與關係型資料庫的設計是一致的，但這種設計會帶來較大的資料冗餘(KeyValue結構開銷)。但HBase基於KeyValue的介面，決定了這種設計可以是非常靈活的，例如，我們也可以考慮為HBase的每一行只設置兩個列，其中，Name為一個列，其他內容合併到一個列中，如下圖2所示。
儘管我們在使用HBase表存放資料的時候，需要預先做好列的設計。但這個設計僅僅由應用層感知，HBase並沒有存放任何的Schema資訊來描述這個設計。也就是說，應用層需要知道為每一個表/每一行設計了什麼樣的列(KeyValue)，然後在地區的時候做相應的解析。既然HBase中並沒有Schema資訊，name，每一行中的列，也可以是任意新增的。如下圖所示，綠色背景的KeyValue為後續增加的。
Column Family
假設為表設定了兩個列族，而且，定義了每一個列簇中要存放的列，如下圖所示：
{Name} -> Column Family - A, {City,Phone,Gender} -> Column Familly-B。不同列簇的資料會被儲存在不同的路徑中。即，設定多個列簇時一行資料可能存在於兩個路徑中。整行讀取的時候，需要將兩個路徑中的資料合併在一起蔡可以獲取完整的一行記錄。但如果僅僅讀取Name一列的話，只需要讀取Column Family-A即可。
