【赵渝强老师】HBase的体系架构

一、什么是HBase？

HBase是一个基于HDFS之上的分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“BigTable大表”，即：把所有的数据存入一张表中。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

二、HBase的体系架构

HBase是由三种类型的服务器以主从模式构成的。这三种服务器分别是：HBase HMaster，Region server，ZooKeeper。

• HBase HMaster负责Region的分配及数据库的创建和删除等操作。具体来说，HMaster的职责包括：

1. HMaster负责region的分配。
2. 调控Region server的工作
3. 在集群启动的时候分配region，根据恢复服务或者负载均衡的需要重新分配region。
4. 监控集群中的Region server的工作状态。
5. 管理数据库。提供创建，删除或者更新表格的接口。

• Region server负责数据的读写服务。用户通过沟通Region server来实现对数据的访问。

具体来说，RegionServer上存在若干个Region。HBase中的表是根据row key的值水平分割成所谓的region的。一个region包含表中所有row key位于region的起始键值和结束键值之间的行。每一个region的默认大小为1GB。集群中负责管理Region的结点叫做Region server。Region server负责数据的读写。每一个Region server大约可以管理1000个region。

• ZooKeeper负责维护集群的状态（某台服务器是否在线，服务器之间数据的同步操作及master的选举等）。HBase中ZooKeeper的职责包含：

1. 维护HBase服务器是否存活
2. 监控HBase服务器是否可访问的状态
3. 提供服务器故障/宕机的通知
4. 同时还使用一致性算法来保证服务器之间的同步。
5. 同时也负责Master选举的工作。
6. 需要注意的是要保证良好的一致性及顺利的Master选举，集群中的服务器数目必须是奇数，例如三台或五台。

三、HBase的表结构

每一行有一个RowKey用于唯一地标识和定位行，各行数据按RowKey的字典序排列。其中ImployeeBasicInfoCLF和DetailInfoCLF是两个列族，列族下又有多个具体列。（员工基本信息列族：姓名、年龄。详细信息列族：薪水、角色）。

HBase数据模型

• 命名空间：命名空间是对表的逻辑分组，不同的命名空间类似于关系型数据库中的不同的Database数据库。利用命名空间，在多租户场景下可做到更好的资源和数据隔离。
• 表：对应于关系型数据库中的一张张表，HBase以“表”为单位组织数据，表由多行组成。
• 行：由一个RowKey和多个列族组成，一个行有一个RowKey，用来唯一标示。
• 列族：每一行由若干列族组成，每个列族下可包含多个列，如上ImployeeBasicInfoCLF和DetailInfoCLF即是两个列族。列族是列共性的一些体现。注意：物理上，同一列族的数据存储在一起的。
• 列限定符：列由列族和列限定符唯一指定，像如上的name、age即是ImployeeBasicInfoCLF列族的列限定符。
• 单元格：单元格由RowKey、列族、列限定符唯一定位，单元格之中存放一个值（Value）和一个版本号。
• 时间戳：单元格内不同版本的值按时间倒序排列，最新的数据排在最前面