### 前言 `Hbase` 是一个分布式的、多版本、面向列的开源 `KV` 数据库。运行在 `HDFS` 的基础上，支持 `PB` 级别、百万列的数据存储。 ### HBase的存储结构 #### 逻辑存储结构 通过下图直观地展示 `HBase` 的逻辑存储结构：  在本图中，列簇（`Column Family`）对应的值就是 `info` 和 `area` ，列（ `Column` 或者称为 `Qualifier` ）对应的就是 `name` 、 `age` 、 `country` 和 `city` ，`Row key` 对应的就是 `Row 1` 和 `Row 2`，`Cell` 对应的就是具体的值。 - `Row key` ：表的主键，按照字典序排序。 - 列簇：在 `HBase` 中，列簇将表进行横向切割。 - 列：属于某一个列簇，在 `HBase` 中可以进行动态的添加。 - `Cell` : 是指具体的 `Value` 。 - `Version` ：在这张图里面没有显示出来，这个是指版本号，用时间戳（`TimeStamp` ）来表示。 看完这张图，是不是有点疑惑，怎么获取其中的一条数据呢？既然 `HBase` 是 `KV` 的数据库，那么当然是以获取 `KEY` 的形式来获取到 `Value` 啦。在 `HBase` 中的 `KEY` 组成是这样的：  `KEY` 的组成是以 `Row key` 、`CF(Column Family)` 、`Column` 和 `TimeStamp` 组成的。 `TimeStamp` 在 `HBase` 中充当的作用就是版本号，因为在 `HBase` 中有着数据多版本的特性，所以同一个 `KEY` 可以有多个版本的 `Value` 值（可以通过配置来设置多少个版本）。查询的话是默认取回最新版本的那条数据，但是也可以进行查询多个版本号的数据，在接下来的进阶操作文章中会有演示。 ##### Region Server 和 Region 的关系  - 一个 `Region Server` 就是一个机器节点(服务器) - 一个 `Region Server` 包含着多个 `Region` - 一个 `Region` 包含着多个列簇 `(CF)` - 一个 `Region Server` 中可以有多张 `Table`，一张 `Table` 可以有多个 `Region` #### 物理存储结构 先来看这张图：  为了不混淆，我们可以先把以下的概念一一对应起来 逻辑结构 | 物理结构 ---|--- Region Server | HRegion Server Region | HRegion CF | HStore(这里指的是Store) 在具体的物理结构中 - `HRegion Server` 就是一个机器节点，包含多个 `HRegion` ，但是这些 `HRegion` 不一定是来自于同一个 `Table` ，负责响应的是用户的 `IO` 请求，和 `HDFS` 进行交互，是服务器中的一个进程。 - `HRegion` 包含多个 `HStore` 。 - 一个 `CF` 组成一个 `HStore` ，默认是 `10 G`，如果大于 `10G` 会进行分裂。`HStore` 是 `HBase` 的核心存储单元，一个 `HStore` 由 `MemStore` 和 `StoreFile` 组成。 - `MemStore` 是一块内存，默认大小是 `128M`，如果超过了这个大小，那么就会进行刷盘，把内存里的数据刷进到 `StoreFile` 中。 - 在 `HStore` 对应着的是 `Table` 里面的 `Column Family`，不管有 `CF` 中有多少的数据，都会存储在 `HStore` 中，为了避免访问不同的 `HStore` 而导致的效率低下。 - `HRegion` 是 `Hbase` 中分布式存储和负载均衡的最小单元，但不是存储的最小单元。 - 一个 `Hstore` 可以有多个 `StoreFile` #### 在HBase中查找不同的CF的数据 从不同的 `CF` 中查询 `Row 3` 主键的数据，结果集如下：  更加直观地显示，在 `HBase` 中是以 `CF` 为单元的存储结构。 ### HBase的架构 如下图，`HBase` 的架构图，在 `HBase` 中我们看到有 `Client`、`Zookeeper`、`HMaster` 和 `HRegion`。  - `Client` 是客户端，要求读写数据的发起者。 - `ZK` 集群是负责转发 `Client` 的请求和提供心跳机制，会让 `HRegion Server` 和 `HRegion` 注册进来，同时保存着 `Rowkey` 和 `Region` 的映射关系。 - `HMaster` 中可以有多个待命，只有一个在活跃。 #### Hbase读取数据的过程 `Client` 请求读取数据时，先转发到 `ZK` 集群，在 `ZK` 集群中寻找到相对应的 `Region Server`，再找到对应的 `Region`，先是查 `MemStore`，如果在 `MemStore` 中获取到数据，那么就会直接返回，否则就是再由 `Region` 找到对应的 `Store File`，从而查到具体的数据。 在整个架构中，`HMaster` 和 `HRegion Server` 可以是同一个节点上，可以有多个 `HMaster` 存在，但是只有一个 `HMaster` 在活跃。 在 `Client` 端会进行 `rowkey`-> `HRegion` 映射关系的缓存，降低下次寻址的压力。 #### HBase 写入数据的过程  先是 `Client` 进行发起数据的插入请求，如果 `Client` 本身存储了关于 `Rowkey` 和 `Region` 的映射关系的话，那么就会先查找到具体的对应关系，如果没有的话，就会在`ZK`中进行查找到对应 `Region server`，然后再转发到具体的 `Region` 上。所有的数据在写入的时候先是记录在 `WAL` 中，同时检查关于 `MemStore` 是否满了，如果是满了，那么就会进行刷盘，输出到一个 `Hfile` 中，如果没有满的话，那么就是先写进 `Memstore` 中，然后再刷到 `WAL` 中。 #### 福利 看完后，是否对 HBase 的存储结构有所了解了呢？最后送两本电子书给大家，一本是《HBase权威指南(中文版）高清完整版》，一本是《HBase实战中文版》，在公众号后台回复 HBase 关键字即可获取。 PS：画图的过程是真滴累啊！！！ 题图：chichimaru