《HBase不睡觉》读书笔记初始HBase
《HBase不睡觉书》杨曦 著 清华大学出版社
声明：如果我侵犯了您的权利，请联系我，我会删除
文章目录
1. HBase部署架构：Master服务器和RegionServer服务器
一般一个HBase集群有一个Master服务器和几个RegionServer服务 器。Master服务器负责维护表结构信息，实际的数据都存储在 RegionServer服务器上，如下图所示。
RegionServer是直接负责存储数据的服务器。RegionServer保存的 表数据直接存储在Hadoop的HDFS上，架构如下图所示：
RegionServer非常依赖ZooKeeper服务，可以说没有ZooKeeper就没有HBase。ZooKeeper在HBase中扮演的角色类似一个管家。ZooKeeper管 理了HBase所有RegionServer的信息，包括具体的数据段存放在哪个 RegionServer上。
客户端每次与HBase连接，其实都是先与ZooKeeper通信，查询出哪 个RegionServer需要连接，然后再连接RegionServer。因此，以上的架
构又可以拓展成如下图所示的这样：
HBase有一点很特殊：客户端获取数据由客户端直连RegionServer 的，所以你会发现Master挂掉之后你依然可以查询数据，但就是不能新 建表了。
1.1 Region是什么
Region就是一段数据的集合。HBase中的表一般拥有一个到多个 Region。Region有以下特性：
- Region不能跨服务器，一个RegionServer上有一个或者多个 Region
- 数据量小的时候，一个Region足以存储所有数据；但是，当数据 量大的时候，HBase会拆分Region
- 当HBase在进行负载均衡的时候，也有可能会从一台 RegionServer上把Region移动到另一台RegionServer上
- Region是基于HDFS的，它的所有数据存取操作都是调用了HDFS的 客户端接口来实现的。
1.2 RegionServer是什么
RegionServer就是存放Region的容器，直观上说就是服务器上的一 个服务。一般来说，一个服务器只会安装一个RegionServer服务，不过 你实在想在一个服务器上装多个RegionServer服务也不是不可以。
当客户端从ZooKeeper获取RegionServer的地址后，它会直接从 RegionServer获取数据。
1.3 Master是什么
客户端从 ZooKeeper获取了RegionServer 的地址后，会直接从RegionServer获取数据。其实不光是获取数据，包 括插入、删除等所有的数据操作都是直接操作RegionServer，而不需要 经过Master。
Master只负责各种协调工作（其实就是打杂），比如建表、删表、 移动Region、合并等操作。它们的共性就是需要跨RegionServer，这些 操作由哪个RegionServer来执行都不合适，所以HBase就将这些操作放 到了Master上了。
这种结构的好处是大大降低了集群对Master的依赖。而Master节点 一般只有一个到两个，一旦宕机，如果集群对Master的依赖度很大，那 么就会产生单点故障问题。在HBase中，即使Master宕机了，集群依然 可以正常地运行，依然可以存储和删除数据。
2 HBase存储架构
- 最基本的存储单位是列（column），一个列或者多个列形成一行（row）
- 传统数据库是严格的行列对齐。比如这行有三个列a、b、c， 下一行肯定也有三个列a、b、c。而在HBase中，这一行有三个列a、b、 c，下一个行也许是有4个列a、e、f、g
- 在HBase中，行跟行的列可以 完全不一样，这个行的数据跟另外一个行的数据也可以存储在不同的机 器上，甚至同一行内的列也可以存储在完全不同的机器上
- 每个行（row）都拥有唯一的行键（row key）来标定这个行的唯一 性。
- 每个列都有多个版本，多个版本的值存储在单元格（cell）中。
- 若干个列又可以被归类为一个列族。
综上所述，HBase的存储结构可以表示成如下图所示的结构：
2.1 行键是什么
- rowkey完 全是由用户指定的一串不重复的字符串，
- rowkey可是会直接决定这个row的存储位置的。
- HBase中无法 根据某个column来排序，系统永远是根据rowkey来排序的。
- 因此， rowkey就是决定row存储顺序的唯一凭证。
- 而这个排序也很简单：根据字典排序。
- 如果你插入HBase的时候，不小心用了之前已经存在的rowkey呢？ 那你就会把之前存在的那个row更新掉。
- 之前已经存在的值呢？ 会被放到这个单元格的历史记录里面，并不会丢掉，只是你需要带上版本参数才可以找到这个值。
- 什么是单元格呢？
一个列上可以存储多个版本的单元格。单元格就是数据存储的最小单元。
2.2 列族
在HBase中，若干列可以组成列族（column family）。
- 建表的时候是不需要制定列的，因为列是可变的，它非常灵活，唯 一需要确定的就是列族
- 属性都是定义在列族上的：，表的很多属性，比如过期时间、数据块缓存以及是否压 缩等都是定义在列族上，同一个表里的不同列族可以有完全不同的属性配置，但是同一个列族内的所有列都会有相同的属性
- 在HBase中一个列的名称前面总是带着它所属的列族。列名称的规 范是列族:列名，比如brother:age、brother:name、parent:age、parent:name。
- 列族存在的意义是：HBase会把相同列族的列尽量放在同一台机器 上，所以说，如果想让某几个列被放到一起，你就给他们定义相同的列族。
提示
一个表要设置多少个列族比较合适？官方的建议是：越少越好，因 为HBase并不希望大家指定太多的列族。为什么？因为没有必要，虽 然HBase是分布式数据库，但是数据在同一台物理机上依然会加速数 据的查询过程。所以请根据实际需要来指定列族，列族太多会极大 程度地降低数据库性能；而且根据目前的HBase实现，列族定得太 多，容易出BUG。
2.4 单元格
唯一确定一条结果的表达式应该是行键:列 族:列:版本号（rowkey:column family:column:version）。
如果你不写版本号，HBase默认获取 最后一个版本的数据返 回给你。每个列或者单元格的值都被赋予一个 时间戳。这个时间戳默认是由系统制定的，也可以由用户显示指定。
2.5 Region跟行的关系
一个Region就是多个行的集合。在 Region中行的排序按照行键（rowkey）字典排序。
2.6 跟关系型数据库的对比
传统的关系型数据库的表结构如下图所示：
其中每个行都是不可分割的，也就是说三个列必须在一起，而且要 被存储在同一台机器上，甚至是同一个文件里面。
HBase的表结构如下图所示：
HBase中的每一个行都是离散的。因为有列族的存在，所以一个行里面的不同列甚至被分配到了不同的服务器上。行的概念被减弱到只有一个抽象的存在。在实体上，把多个列标定为一个行的关键词是 rowkey，这也是行这个概念在HBase中的唯一体现。
在HBase中，每一个存储语句都必须精确地写出数据是要被存储到哪个单元格，而单元格是由表:列族:行:列来定义的。
本文地址：https://blog.csdn.net/qq_45531729/article/details/110563938