- 主从架构的非关系型数据库；
- 面向列簇存储，每个列簇内部数据以key-value格式存放；
- 支持水平扩展、容错性良好；
- 随机读写性能好、数据扫描慢，不适合用作OLAP。
数据模型
每个Namespace包含一组Table，默认有两个Namespace，hbase（如Meta表）、default；
- rowkey：类似主键（但没有数据类型，字符数组保存），唯一标识一行、按序排列。
- column family：定义表时需要指定好，可包含统一存放的无数个动态列（于一个文件）；
- column qualifier：可动态指定的列；
- cell：通过rowkey-column family-column qualifier定位一个cell，内有多个timestamp版本、以数组存放的值；
- timestamp：cell内的值的版本号，访问cell时默认只取timestamp最新的值，超过最大版本数时最旧的版本会被剔除。
可看作一个多维映射表：
{
"rowkey_1": {
"column_family_1": {
"column_1": {
"timestamp_1": "value_1",
"timestamp_1": "value_2",
...
}
}
}
}
而在实际存储中，不同版本的数据会重复保存rowkey（为节省空间，应尽可能短）：
key CF qualifier timestamp value
-----------------------------------------------------
tom data city 20180101000000 GZ
tom data country 20180101000000 GD
tom data city 20180102000000 SZ
基本架构
- 主从架构，Master与Slave通过ZooKeeper解耦而非直接相连（Master宕机也不至于停止服务）；
- HMaster：ZooKeeper选举产生，可多个，无状态（状态信息保存在ZK）：
- 协调Region Server：分配Region给Region Server并调整负载、发现失效Region Server并重新分配；
- 元信息管理：管理Region Server的元数据，提供Table的增删改查操作；
- 不参与数据I/O过程。
- Region Server：负责单个Region的存储管理（如按rowkey切分Region），处理Client读写请求；
- ZooKeeper：HMaster与Region Server之间的协调者，存放HBase关键元信息和状态信息：
- 主HMaster选举（并确保只有一个）；
- 存储Region寻址入口（Meta表所在Region Server）；
- 实时监控Region Server状态并通知HMaster；
- 存储HBase的Schema和Table元数据；
- Client：提供HBase访问接口，与Region Server交互，维护Cache（加快访问速度）。
内部原理
Region定位
HBase的put、get、delete、scan操作基础是Region定位：
- Client访问ZooKeeper，查找Meta表所在的Region Server（rowkey区间与Region存放位置的映射关系）；
- Client访问Meta表所在Region Server，获取rowkey所在的Region Server；
- Client访问rowkey所在Region Server，执行rowkey相关操作；
- 首次定位后会缓存Meta表位置，直到Region发生移动。
Region Server
- BlockCache：读缓存（LRU策略）；
- MemStore：写缓存（每个Region的每个Column Family都有一个）；
- HFile：（支持多级索引）存放实际数据于HDFS；
- WAL：暂存未持久化到HDFS的数据用于错误恢复（先写入内存、再写入HLog）。
模块协作
HBase启动
- HMaster启动，注册到ZooKeeper，等待Region Server汇报；
- Region Server注册到ZooKeeper，并向HMaster汇报；
- HMaster对各个Region Server（包括失效的）数据进行整理，分配Region和Meta信息。
Region Server失效
- HMaster将失效的Region Server上的Region分配给其他节点；
- HMaster更新Meta表以保证数据正常访问。
HMaster失效
- （已配置HA）处于Standby状态的其他HMaster节点选出一个、转为Active状态；
- （未配置HA）数据能正常读写，但不能创建、删除、更改表（Meta表不能更新）。
读写操作
写
- Region Server接收写请求，将数据追加到HDFS上的日志文件（WAL）；
- Region Server将数据写入内存MemStore中，更新到HLog，并通知客户端写入成功；
- MemStore内存达到一定阈值就将数据顺序写入HDFS保存成HFile（多级索引支持）；
- HFile达到一定阈值，会触发Split机制，Region重新分配；
- HFile小文件太多，会触发Compact机制进行合并（每个Store仅包含一个文件时查询效率才是最高）。
读
需要依次从读缓存BlockCache（最近读取）、写缓存MemStore（最近写入，每个column family都有一个MemStore）、磁盘HFile文件（已持久化）中查找数据，合并返回用户。
Compact
- Minor Compaction：选取一些小的、相邻的StoreFile合并成更大的；
- Major Compaction：将所有StoreFile合并成一个StoreFile，清理无意义数据（被删除、TTL过期、版本号超出范围）。
执行Compact检查：
- 当MemStore被Flush到磁盘；
- 用户执行Shell命令或调用API：compact、major_compact；
- HBase后台线程周期性触发检查。
设计原则
HBase最好看作一个巨大的哈希表，基于键取值，更适用于迭代访问（范围扫描）。
Rowkey
- 基于行键查询，因此使用宽表（包括尽可能多的信息）更有优势；
- 数据按行键排序按范围存储在不同的Region（一个Region Server），可利用时间戳将put、get请求集中在单一Region上（反模式设计），为了使负载分布均匀，进行Salt处理；
- 数据块缓存（最近最少使用LRU），对行键第一部分进行salt处理（对原来的键获其中一部分做Hash取模），同一个数据块中同时获取的数据之间按行键有序排列，数据块缓存中记录相关、命中率更高；
- 行键越短存储消耗越小、读写性能越高，但行键较长时get、scan性能更好；同时也需要顾及可读性（便于发现问题）；
- 行键选择不合理可能导致一次查找需要访问多个Region Server，过滤不相关的记录。
Region
- Region数量越多、平均每个Region的memstore空间越少，磁盘冲刷越小，导致更小、更多的HFile和更多较小的合并而性能降低，memstore分区（每个100M）；
- Region越大，合并花费时间越多（最大为20G~120G）；
- 建议建表时指定Region数量，将Region大小设置为足够大的值，避免自动分片范围不理想影响性能（但数据集只更新最新记录时建议自动分片）。
Column、Column Family
- 列的数量决定了：数据块缓存记录数、进入WAL的数据量、memstore一次冲刷写入记录数、合并所需时间；
- 一个表包括一或多个列簇，列簇有自己的HFile集合，同一个表不同列簇合并其他列簇不受影响；
- 一般不使用多个列簇，除非：一张表中的一部分列操作完成不会改变，或者变化频率与其他列存在显著不同（降低合并成本、更好利用数据块缓存）。
过滤器
为筛选数据提供的过滤器，可以在HBase中的数据的多个维度（行、列、版本）上对数据进行筛选。
- 基于行：PrefixFilter、PageFilter；
- 基于列：ColumnPrefixFilter、FirstKeyOnlyFilter；
- 基于单元值：KeyOnlyFilter、TimestampsFilter；
- 基于列和单元值：SingleColumnValueFilter、SingleColumnValueExcludeFilter。
- 比较过滤器：RowFilter、FamilyFilter、QualifierFilter、ValueFilter。
常用的：
- RowFilter
- PrefixFilter
- KeyOnlyFilter
- ColumnPrefixFilter
- ValueFilter
- TimestampsFilter
- FilterList
（支持自定义过滤器，但不建议使用）
协处理器
- HBase协处理器受BigTable协处理器的启发，为用户提供类库和运行时环境，使得代码可以在HBase Region Server和Master上处理；
- 分为系统协处理器（全局加载到Region Server托管的所有表和Region上，针对整个集群）和表协处理器（用户可以指定一张表使用协处理器，针对表）；
- 两种插件：Observer（类似触发器，实现安全性检查、完整性约束、二级索引）和Endpoint（类似存储过程）。
Observer
- RegionObserver：提供客户端的数据操纵事件钩子：Get、Put、Delete、Scan等；
- MasterObserver：提供DDL类型的操作钩子，如创建、删除、修改数据表等；
- WALObserver：提供WAL相关操作钩子。
Endpoint
- 动态RPC插件的接口，它的实现代码被安装在服务器端，从而能够通过HBase RPC唤醒；
- 调用接口，实现代码会被目标的Region Server远程执行；
如对于较大的表（上百个Region）计算某列平均值、求和等操作，使用Endpoint可减少耗时。
加载协处理器
- 配置文件加载：修改配置文件hbase-site.xml加载，系统级别；
- Shell加载：alter命令对表进行Schema修改来加载协处理器；
- 通过API代码加载。
卸载/更新协处理器
必须重启Region Server，即重启JVM；否则重复加载的协处理器实例不会起作用。
容灾
- CopyTable：支持时间区间、Row区间，改变表名称，改变列簇名称，制定是否copy已经被删除的数据等功能；工具采用Scan查询，写入新表时采用put和delete的API（全部是基于Client API进行读写）；
- Export/Import：Export将数据到处到目标集群（HDFS）、再用Import导入数据（可指定开始时间与结束时间、作增量备份）；
- Snapshot：作用在表上，修改配置文件hbase-site.xml实现，可通过快照迅速修复数据，但会丢失快照之后的数据；
- Replication：通过Replication机制实现HBase主从模式。
监控
保证系统的稳定性、可靠性、可运维性；
了解集群性能表现，及时做出针对性调整；
出现问题时及时报警，快速定位解决问题。
利用Hadoop生态圈开源的专业监控工具（Ambari、Cloudera Manager）；
调用Hadoop和HBase的JMX接口获取检测数据。
Phoenix
- 构建在Apache HBase上的SQL中间层，具备完善的查询支持，且查询效率高；
- 具备完整的ACID事务功能的SQL和JDBC API的强大功能（多租户，二级索引，用户自定义函数，行时间戳列，分页查询，视图）；
- 可以与Spark、Hive、Pig、Flume、MR集成；
- 通过HBase协处理器，在服务端进行操作，最大限度减少客户端与服务的的数据传输；
- 通过定制的过滤器对数据进行处理；
- 通过本地HBase API（而非Hive的MR），最大限度降低启动成本。
