【HBase-2】HBase的原理和架构

1、逻辑存储模型
    HBase以表的形式存储数据，表由行和列组成。列划分为若干个列族，

    RowKey：Hbase使用Rowkey来惟一的区分某一行的数据。如图中"rk001"
    列族：Hbase经过列族划分数据的存储，列族下面能够包含任意多的列，实现灵活的数据存取。Hbase的列族不是越多越好，官方推荐的是列族最好小于或者等于3。咱们使用的场景通常是1个列族。如图中的“CF1”列族，下面包含两个列："Name"和"Alias"。
    时间戳：TimeStamp对Hbase来讲相当重要，由于它是实现Hbase多版本的关键。在Hbase中使用不一样的timestame来标识相同rowkey行对应的不通版本的数据。
    Cell：HBase 中经过 rowkey 和 columns 肯定的为一个存储单元称为 cell。每一个 cell 都保存着同一份 数据的多个版本。版本经过时间戳来索引。

2、物理存储模型

在HBase中，数据以表的形式存储，表由不少行组成，每一行由Row key（行键）以及一个或多个的列值组成。咱们能够这么想，当表有不少不少的Row时，咱们把这个表按某些规则（好比每500条）拆分红不少部分，那么拆分后的每一部分就是所谓的HRegion，这个HRegion做为一个总体被HMaster分配到某一个RegionServer中。这里能够这样理解，把HMaster想象成一个老大，他把HRegion给分配到某一个服务器上，这样一来，一个表就被分红多个HRegion并可能分配到了不一样的RegionServer上。咱们刚说HRegion是一个总体，意思是他不能再继续往下分割了，他必须在一个RegionServer上。

3、整体架构
    HBase的整体结构图以下：

    包括了HMaster、HRegionSever、HRegion、HLog、Store、MemStore、StoreFile、HFile等。

HBase底层依赖HDFS，经过DFS Cilent进行HDFS操做。
HMaster负责把HRegion分配给HRegionServer，每个HRegionServer能够包含多个HRegion，多个HRegion共享HLog，HLog用来作灾难恢复。
每个HRegion由一个或多个Store组成，一个Store对应表的一个列族，每一个Store中包含与其对应的MemStore以及一个或多个StoreFile（是实际数据存储文件HFile的轻量级封装），MemStore是在内存中的，保存了修改的数据，MemStore中的数据写到文件中就是StoreFile。

3.1 HMaster
    HMaster的主要功能有：
①把HRegion分配到某一个RegionServer。
②有RegionServer宕机了，HMaster能够把这台机器上的Region迁移到active的RegionServer上。
③对HRegionServer进行负载均衡。
④经过HDFS的dfs client接口回收垃圾文件（无效日志等）
注：HMaster没有单点问题，HBase中能够启动多个HMaster，经过Zookeeper的Master Election机制保证总有一个Master运行。

3.2 HRegionServer
    ①维护HMaster分配给它的HRegion，处理对这些HRegion的IO请求，也就是说客户端直接和HRegionServer打交道。（从图中也能看出来）
    ②负责切分正在运行过程当中变得过大的HRegion

3.3 HRegion
    下面咱们看看HRegion的结构：

    每一个HRegion由多个Store构成，每一个Store保存一个列族（Columns Family），表有几个列族，则有几个Store，每一个Store由一个MemStore和多个StoreFile组成，MemStore是Store在内存中的内容，写到文件后就是StoreFile。StoreFile底层是以HFile的格式保存。

3.4 HLog
    HLog(WAL log)：WAL意为write ahead log（预写日志），用来作灾难恢复使用，HLog记录数据的变动，包括序列号和实际数据，因此一旦region server 宕机，就能够从log中回滚尚未持久化的数据。

3.5 HFile    HBase的数据最终是以HFile的形式存储在HDFS中的，HBase中HFile有着本身的格式。