HBase

HBase（Hadoop Database）是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，是Google Bigtable的开源实现，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。

Google Bigtable 利用 GFS 作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统；
Google 运行 MapReduce来处理 Bigtable 中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；
Google Bigtable利用 Chubby作为协同服务，HBase利用Zookeeper作为对应。

时间戳：对应每次数据操作的时间，可由系统自动生成，也可以用户显式赋值。

HBase两种版本回收方式：

• 每个数据单元，只存储指定个数的最新版本。
• 保存指定时间长度的版本（7天）。

元素由 行键、<列族>:<限定符>、时间戳 唯一决定。

元素以字节码形式存放，没有类型之分。

一个列族一个store，

稀疏设计：一行只有几个列族有值，而不是所有的列族都有值。

 

Region

• 表在行方向上，按照行键范围划分成若干个Region。
• 每个表最初只有一个region，当记录增加到超过某个阈值时，就分裂成两个region。
• 物理上所有的数据都是保存在HDFS，由Region Server 提供region的管理。
• 一台物理节点只能跑一个 HRegionServer。
• 一个 HRegionServer 可以管理多个 Region 实例。
• 一个 Region 实例包括 HLog日志 和 存放数据的 store。
• HMaster作为总控节点。
• Zookeeper 负责调度。

Memregion StoreFile

• 一个region由多个store组成，每个store包含一个列族的所有数据。
• store包括位于内存的memstore和位于硬盘的store。
• 写操作（HBase只有写操作，删操作不会去掉一行，而是标记删除。）先写入memstore，当memstore中的数据量达到某个阈值，HRegionServer 会启动flashcache进程写入storefile，每次写入形成单独一个storefile。
• 当storefile文件的数量增长到一定的阈值，系统会自动合并，在合并的过程中会进行版本的合并和删除（去掉删除或过期的行）工作，形成更大的storefile。
• 当storefile大小超过一定的阈值，会把当前的region分割为两个，并由HMaster分配到相应的regionserver，实现负载均衡。
• 客户端检索数据时，先在memstore找，找不到再找storefile。