HBase数据存储

1、数据模型

• Namespace（表命名空间）：表命名空间不是强制的，当想把多个表分到一个组去统一管理的时候才会用到表命名空间。
• Table（表）：一个表由一个或者多个列族组成。数据属性，都在列族的定义中定义。
• Row（行）：一个行包含多个列。列通过列族分类。由于HBase是一个列式数据库，所以一个行中的数据可以分布在不同的服务器上。
• Column Family（列族）：列族是多个列的集合。列族的存在，提高存取性能。
• Column   Qualifile（列）：多个列组成一个行。列是可以随意定义的，一个行中的列不限名字、不限数量，只限定列族。
• Cell（单元格）：一个列中可以存储多个版本的数据。每个版本就成为一个单元格。
• Timestamp（时间戳/版本号）：用来标定同一个列中多个单元格的版本号。

注：

• 在HBase中，rowkey按照字典排序。
• HBase不支持表关联。
• HBase部分支持ACID。（ACID即：原子性、一致性、隔离性、持久性）。

2、宏观架构：

以上图形说明了HBase的服务器角色构成：

1. Master：负责启动的时候分配Region到具体的RegionServer，执行各种管理操作，比如Region的分割和合并。
2. RegionServer：RegionServer上有一个或者多个Region。我们读取的数据就存储在Region上。
3. HDFS：hadoop的一部分。HBase不是直接和服务器的硬盘交互的，而是和HDFS交互。因此HDFS是真正承载数据的载体。
4. Zookeepeer：在HBase中扮演的角色类似于一个管家。管理着HBase中所有的ResgionServer信息，包括具体数据段放在哪一个RegionServer上。

由图5-4可知：

       一个ResgionServer包含有：一个WAL  和  多个Region。

WAL：预写日志，WAL是Write-Ahead Log的缩写。当操作到达Region的时候，HBase不管三七二十一把操作写到WAL里面去。HBase会先把数据放到基于内存实现的Memstore里，等数据达到一定的数量时才会刷写（flush）到最终储存的HFile内。

       作用：解决宕机之后的操作恢复问题，保证数据不会丢失。

多个Region：一段数据的集合。Region相当于一个数据分片。每一个Region都有起始rowkey和结束rowkey，代表了它所存储的row范围。

图5-5是单个Region内部的结构：

       一个Region包含有：每一个Region内都包含多个Stroe实例。

       Store：一个Store对应一个列族的数据，若一张表内有两个列族，则在一个Region里面就有两个Store。Stroe内部有MemStore和HFile两部分组成。