Hbase学习及详解

最近终于完成了项目组内部的分享，本来该去年12月份就完成的，由于两个项目组的时间不匹配，一直拖到了今年三月份。接触hbase也已经有三四个月了，总体感觉是hbase的整个的理解不难，但是真正运用时很考验人，我自己用的不多，只是了解了一些原理。自己本地搭了一个伪分布式Hbase，没有线上的经验。今天写下来，以备以后的回顾。
首先什么是Hbase？
Hbase是一个构建在HDFS上的、分布式的、面向列的开源数据库，是Google BigTable的开源实现，用于存储海量的数据。

然后是Hbase的特点。

Hbase和我们传统的关系型数据库的区别
Hbase数据类型都是字符串
Hbase基于列存储，RDBMS基于行存储
Hbase只有增、删、改、查，没有表之间的关联
Hbase存储海量的数据，查询效率极高

Hbase的数据模型

行键：为任意字符串，最大长度64kb,按字典顺序存储，Hbase内部存储为字节数组。
列族：创建表的时候声明，一个列族对应多个列，列族无数据类型，存储为二进制。
每个列族存储在HDFS上的一个单独文件夹中。
时间戳：对于每一列的值，默认保存三个时间戳的副本值。可以设置。
Hbase中通过row和columns确定的为一个存储单元称为cell。

Hbase的架构图

我们可以看到，整个Hbase运行所依赖的组件，包括zookeeper，master，regionserver，以及hdfs。
Zookeeper的作用：保证任何时候，集群中只有一个活跃的Master，存储所有region的寻址入口，实时监控Region server的上线和下线信息，并实时通知Master。存储Hbase的schema和table元数据。维护着master和regionserver的心跳信息。

Master的作用：管理用户对table的增删查改操作。管理HRegion Server的负载均衡，调整Region分布。在Region Split后，负责新Region的分配。在HRegion Server停机后，负责失效HRegion Server上Region的迁移。HMaster失效仅会导致所有元数据无法被修改，表的数据读写可以正常进行。

Region Server的作用：维护Region并往HDFS中写数据，表的大小超过设置时，Split Region。Region Server停机后，负责失效Region Server上Region的迁移。一个regionserver可以管理1000个region。

HLog：主要作用就是记录写入的日志。在regionserver宕机的情况下，可以快速地恢复还未写入hdfs的数据。

memstore：写入的缓冲区，写入的数据会存放在这里，当达到一定大小之后，整个地flush到hfile中，存储到hdfs。

Hbase的写过程

首先客户端发起一次写入请求，会先去zookeeper查找数据应该存放的region所在regionserver的位置，然后找到对应的regionserver，首先是写入memstore中，同时往hlog中写入一份，当memstore达到一定量，整个写入hfile中。

Hbase的读过程

客户端发起一次读请求，首先也是去zookeeper找到对应数据所在的region，当然这只是第一次的时候，后面并不需要再去读，因为客户端会缓存一份region的地址信息。然后是找到对应的regionserver，首先还是从memstore中查找，看是否有我们需要的值，如果没有的话就去blockcache中找，blockcache是读的缓存，存储着最近一段时间客户端读取的数据，里面使用的LRU算法，淘汰最近没有读取的数据。如果从blockcache中仍然没有找到的话，就去hfile里面查找。

Hbase的扩展
Hbase广泛应用于国内如阿里（淘宝、天猫、蚂蚁金服）、小米（米聊、小米云、小米推送服务）等公司。
Hbase PMC。阿里1个。
Hbase Committer。阿里4个，小米4个。
2016年双11，HBase承载访问量达到了上百GB/秒(写入)与上百GB/秒(读取)，相当于全国人民一秒收发一条短信，在业务记录、安全风控、实时计算、日志监控、消息聊天等多个场景发挥重要价值。

HbaseCon
HBaseCon是由Apache官方授权， 由HBase?项目委员会组织的社区性技术会议，其发起于2012年，并在过去几年(美国)均成功举办，吸引了大批Hadoop/HBase生态的开发者与用户。
2017年8月于中国深圳举办第一届HBase亚洲技术大会。
HBase社区吸引了全球众多的开发者参与其中，在JIRA（项目与事务跟踪工具）数量以及代码提交频率方面，社区每周都保持极高的活跃度，是Apache最活跃的*项目之一。