HBase学习笔记

1. 什么是HBase
   HBase是一个高可靠性，高性能，面向列，可伸缩的分布式数据库，提供海量数据存储功能，一个结构化的分布式存储系统，不同于一般的关系型数据库，它适合半结构化和非结构化数据存储

2. HBase表的特点
   大：一个表中可以有数十亿行，上百万列
   无模式：每行都有一个可排序的主键和任意多的列，列可以根据需要动态的增加，同一张表中不同的行可以有截然不同的列
   面向列：面向列存储和权限控制
   稀疏：空列并不占用存储空间，可以设计的非常稀疏
   数据多版本：每个单元中的数据可以有多个版本，默认情况下版本号自动分配，是单元格插入的时间戳
   数据类型单一：Hbase中的数据都是字符串，没有类型

3. HBase架构
   
   HBase是有client，zookeeper，Hmaster，HregionServer，HRegion以及StoreFile和HFile组成的
   Client
   是HBase的接口，并维护cache来加快对HBase的访问，client不是直接和HMaster直接通信，而是和ZooKeeper，通过Zookeeper返回HRegionServer，在client去找对应的HRegionServer
   HMaster
   是主节点
   HMaster进程负责管理所有的RegionServer，包括新的RegionServer的注册，RegionServer的故障切换处理。负责RegionServer的负载均衡。发现失效的RegionServer并重新分配其上的Region。管理用户对table的增删改查工作。GFS上的垃圾文件回收。处理Schema更新请求
   ZooKeeper
   保证任何时候集群只有一个Master。存储region的寻址入口。实现监控RegionServer的上线和下线信息，并实现通知给Master。存储HBase的schma和table元数据
   HRegionServer
   HRegionServer是HBase的从点，它负责提供表数据读写等服务，是数据存储和计算单元。一台HRegionServer管理多个Region和一个Hlog
   Region Server负责维护Master分配给它的Region，处理对这些Region的IO请求
   Region Server负责切分在运行过程中变得过大的Region
   Region
   一个region由一个或多个store组成，每个store存储该region一个列簇的数据，一个store包含一个memstore缓存以及若干StoreFile文件，Memstore缓存客户端向region插入的数据，当HregionServer中的Memstore大小达到配置容量上限时，RegionServer会将Memstore中的数据刷新（flush）到HDFS中，成为Hfile。

   Region是将一个数据表按Key值范围横向划分为一个个的子表，实现分布式存储
   Region分为元数据Region以及用户Region两类
   元数据Region也叫Meta Region，记录了每个Region的路由信息，每个子表的存放位置，起始Key值，元数据Region存放在Root表中，Root表则存放在Zookeeper中
   读取Region数据的路由需要以下几步
   1：在Zookeeper只查找Meta Region的地址
   2：再由Meta Region中寻找User Region的地址

• Zookeeper
  主备Master同时向ZooKeeper注册自己的节点信息，谁先写入，谁就是主节点
  注册写入时会查询有没有相对应的节点，如果有，这个HMaster查看主节点是谁，如果主Master有相对应的节点并且实时更新了，那么这个HMaster就会自动作为备节点，进入休眠状态
  备节点会实时监听ZooKeeper的状态主节点的信息
  在系统开始时，主备节点都会向Zookeeper里面创建一个目录，比如叫HBase，在目录中写入节点信息，创建之前先去查询里面有没有这个目录以及目录里面文件的时间戳信息与当前节点的时间戳信息做对比，如果对比超过了5秒钟，那说明这个节点已经损坏了主节点每隔一秒更新下时间戳，备节点每隔一秒去查询下时间戳，当主节点宕机时，时间戳没更新，备节点查询超过5秒钟没有更新，意味着主节点已经宕机，备节点非常高兴的把自己的节点信息写入，变成主节点
  保证任何时候，集群中只有一个Master
  存储所有Region的寻址入口
  实时监控Region Server的状态，将Region Server的上线和下线信息实时通知给Master
  存储HBase的Schema，包括有哪些Table，每个Table有哪些Column family

• MemStore和StoreFile
  MenStore相当于缓存功能，数据会先写入MemStore，然后再写入StoreFile
  当MemStore大小达到某个值时，会进行刷盘操作，启动flashcache进程，把MenStore数据生成StoreFile文件
  HDFS也会有合并文件的操作，不适合存储文件数量太多的文件，HDFS不适合文件随机的修改和删除，所有操作都是在文件的末尾做追加
  HBase数据的修改和删除是在数据合并时，才会真正的做修改和删除

  4.HBase Write-Ahead_log（WAL）机制
  该机制用于数据的容错和恢复
  每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中，HLog文件定期滚动出新的，并删除旧的文件，即已经持久化到StoreFile中的数据，当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应Region的目录下，然后再将失效的Region重新分配，领取到这些Region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay Hlog中的数据到MemStore中，然后Flush到StoreFiles，完成数据恢复
  5.HBase的写流程
  数据写请求首先发给client，client查询该数据应该往哪个地方存储，会去zookeeper查询MetaRegion获取现在要写入数据应该在哪个Region里面，获取到之后，再根据获取额结果做个分组，发给各个RegionServer，数据并发写入，数据先写入MemStore，然后再写入HLog，写完后，HMaster也会做相应的更新，然后才会返回写成功
  当MemStore达到一定值时，也会做个刷盘操作，生成一个新的HFile文件，当HFile文件变多之后，也会做个合并，数据最终存放在DataNode里面
  6.HBase的读流程
  客户端发起请求，通过Zookeeper寻找到Meta表所在RegionServer，通过RowKey查找Meta表，获取所要读取的Region所在RegionServer，请求发送到该RegionServer，由其具体处理数据读取