HBase框架基础（一）

HBase的基础框架，将分成几个章节对HBase进行描述，不当之处还望大家批评指正。下面是了解HBase基础架构的第一部分。

什么是HBase

要解释HBase，我们就先说一说经常接触到的RDBMS，即关系型数据库：

** mysql：

1、有开源社区版本的，有企业收费版本的

2、遵循主从架构

3、 端口号：3306

** sqlserver：

1、微软公司开发的产品，主要用于windows平台下的项目

2、端口号：1433

** oracle：

1、超强的集群性能

2、端口号：1521

再来说一说HBase这个非关系型数据库：

** HBase：

1、灵感来自于Google的BigTable论文

2、一般于Hadoop结合使用，是Hadoop项目的子项目

3、基于key-value的形式存储数据

4、高性能，高可靠，面向列，可伸缩的分布式存储系统

5、没有sql语句，一般用API操作

6、适用于单表数据量超大，且不能分表

7、分布式架构,支持服务器在线添加和移除

接着说一说HBase和Hive的关系和区别：

** Hive：

1、是数据仓库，不是数据库

2、一般用于分析，并不会直接接入到在线业务

3、实际上是将hql语句转化为mapreduce任务运行在yarn平台上

** HBase：

1、面向列的非关系型数据库，分布式架构

2、用于存储数据和检索数据，一般会直接接入在线业务

3、不依赖于yarn和mapreduce

最后说一说RDBMS和HBase的区别：

1、RDBMS使用sql语句，HBase使用API

2、RDBMS基于行存储，HBase基于列存储且支持更好的压缩

3、RDBMS适用于存储结构化数据，HBase适用于存储结构化和非结构化数据

4、RDBMS支持事务处理，HBase不支持事务处理

5、RDBMS支持多表Join，HBase不支持多表Join

6、RDMBS更新表数据会自动更新索引文件，HBase需要手动建立索引，手动更新

7、RDMBS适用于业务逻辑复杂的存储环境，HBase不适合。

8、RDMBS不适合存储超大数据量的单表，HBase适合。

HBase基本进程

HMaster

HMaster节点有如下功能：

1、为HRegionServer分配HRegion

2、负责HRegionServer的负载均衡

3、发现失效的HRegionServer并重新分配其上的HRegion

4、HDFS上的垃圾文件回收

5、处理Schema更新请求

HRegionServer

1、维护HMaster分配给他的HRegion，处理HRegion的IO请求

2、负责切分正在运行过程中变的过大的HRegion

HBase基本原理

注：一般而言，Master和NameNode在一台服务器上，RegionServer与DataNode在同一个服务器上。

Client：

包含访问HBase的接口，并维护cache来加快对HBase的访问。说白了，就是用来访问HBase的客户端。

HMaster：

这个东西是HBase的主节点，用来协调Client端应用程序和HRegionServer的关系，管理分配HRegion给HRegionserver服务器。

HRegionServer：

Hbase的从节点，管理当前自己这台服务器上面的HRegion，HRegion是Hbase表的基础单元组建，存储了分布式的表。HRegionserver负责切分在运行过程中变得过大的HRegion。

HRegion：

一个Table可以有多个HRegion，HBase使用rowKey将表水平切割成多个HRegion，每个HRegion都纪录了它的StartKey和EndKey（第一个HRegion的

StartKey为空，最后一个HRegion的EndKey为空），由于RowKey是排序的，因而Client可以通过HMaster快速的定位每个RowKey在哪个HRegion中。

HRegion由HMaster分配到相应的HRegionServer中，然后由HRegionServer负责HRegion的启动和管理，和Client的通信，负责数据的读(使用HDFS)。

每个HRegionServer可以同时管理1000个左右的HRegion，出处请参看论文：BigTable（5 Implementation节）：Each tablet server manages a set of tablets(typically we have somewhere between ten to a thousand tablets per tablet server)）。

MemStore：

它是一个写缓存，数据先WAL[write ahead log]（也就是HLog它是一个二进制文件，所有写操作都会先保证将数据写入这个Log文件后，才会真正更新MemStore，最后写入HFile中），在写入MemStore后，由MemStore根据一定的算法将数据Flush到底层HDFS文件中(HFile)，一般而言，对于每个HRegion中的每个Column Family来说，有一个自己的MemStore。

StoreFile：

1个HStore，由一个MemStore和0~N个StoreFile组成。

HFile：

用于存储HBase的数据(Cell/KeyValue)，在HFile中的数据是按RowKey、Column Family、Column排序，对于相同的数据单元，排序则按照时间戳（Timestamp）倒叙排列。

Zookeeper：

HBase内置有zookeeper，但一般我们会有其他的Zookeeper集群来监管master和regionserver，Zookeeper通过选举，保证任何时候，集群中只有一个活跃的HMaster，HMaster与HRegionServer 启动时会向ZooKeeper注册，存储所有HRegion的寻址入口，实时监控HRegionserver的上线和下线信息。

并实时通知给HMaster，存储HBase的schema和table元数据，默认情况下，HBase 管理ZooKeeper 实例，Zookeeper的引入使得HMaster不再是单点故障。一般情况下会启动两个HMaster，非Active的HMaster会定期的和Active HMaster通信以获取其最新状态，从而保证它是实时更新的，因而如果启动了多个HMaster反而增加了Active HMaster的负担。如图：