HBase – Hadoop Database，是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統，利用HBase技術可在廉價PC Server上搭建起大規模結構化存儲叢集。
HBase是Google Bigtable的開源實作，類似Google Bigtable利用GFS作為其檔案存儲系統，HBase利用Hadoop HDFS作為其檔案存儲系統；Google運作MapReduce來處理Bigtable中的海量資料，HBase同樣利用Hadoop MapReduce來處理HBase中的海量資料；Google Bigtable利用 Chubby作為協同服務，HBase利用Zookeeper作為對應。
上圖描述了Hadoop EcoSystem中的各層系統，其中HBase位于結構化存儲層，Hadoop HDFS為HBase提供了高可靠性的底層存儲支援，Hadoop MapReduce為HBase提供了高性能的計算能力，Zookeeper為HBase提供了穩定服務和failover機制。
此外，Pig和Hive還為HBase提供了高層語言支援，使得在HBase上進行資料統計處理變的非常簡單。 Sqoop則為HBase提供了友善的RDBMS資料導入功能，使得傳統資料庫資料向HBase中遷移變的非常友善。
1. Native Java API，最正常和高效的通路方式，适合Hadoop MapReduce Job并行批處理HBase表資料
2. HBase Shell，HBase的指令行工具，最簡單的接口，适合HBase管理使用
3. Thrift Gateway，利用Thrift序列化技術，支援C++，PHP，Python等多種語言，适合其他異構系統線上通路HBase表資料
4. REST Gateway，支援REST 風格的Http API通路HBase, 解除了語言限制
5. Pig，可以使用Pig Latin流式程式設計語言來操作HBase中的資料，和Hive類似，本質最終也是編譯成MapReduce Job來處理HBase表資料，适合做資料統計
6. Hive，目前Hive的Release版本尚沒有加入對HBase的支援，但在下一個版本Hive 0.7.0中将會支援HBase，可以使用類似SQL語言來通路HBase
Row Key
Timestamp
Column Family
URI
Parser
r1
t3
url=http://www.taobao.com
title=天天特價
t2
host=taobao.com
t1
r2
t5
url=http://www.alibaba.com
content=每天…
t4
host=alibaba.com
Ø Row Key: 行鍵，Table的主鍵，Table中的記錄按照Row Key排序
Ø Timestamp: 時間戳，每次資料操作對應的時間戳，可以看作是資料的version number
Ø Column Family：列簇，Table在水準方向有一個或者多個Column Family組成，一個Column Family中可以由任意多個Column組成，即Column Family支援動态擴充，無需預先定義Column的數量以及類型，所有Column均以二進制格式存儲，使用者需要自行進行類型轉換。
當Table随着記錄數不斷增加而變大後，會逐漸分裂成多份splits，成為regions，一個region由[startkey,endkey)表示，不同的region會被Master配置設定給相應的RegionServer進行管理：
HBase中有兩張特殊的Table，-ROOT-和.META.
Ø .META.：記錄了使用者表的Region資訊，.META.可以有多個regoin
Ø -ROOT-：記錄了.META.表的Region資訊，-ROOT-隻有一個region
Ø Zookeeper中記錄了-ROOT-表的location
Client通路使用者資料之前需要首先通路zookeeper，然後通路-ROOT-表，接着通路.META.表，最後才能找到使用者資料的位置去通路，中間需要多次網絡操作，不過client端會做cache緩存。
在HBase系統上運作批處理運算，最友善和實用的模型依然是MapReduce，如下圖：
HBase Table和Region的關系，比較類似HDFS File和Block的關系，HBase提供了配套的TableInputFormat和TableOutputFormat API，可以友善的将HBase Table作為Hadoop MapReduce的Source和Sink，對于MapReduce Job應用開發人員來說，基本不需要關注HBase系統自身的細節。
HBase Client使用HBase的RPC機制與HMaster和HRegionServer進行通信，對于管理類操作，Client與HMaster進行RPC；對于資料讀寫類操作，Client與HRegionServer進行RPC
Zookeeper Quorum中除了存儲了-ROOT-表的位址和HMaster的位址，HRegionServer也會把自己以Ephemeral方式注冊到 Zookeeper中，使得HMaster可以随時感覺到各個HRegionServer的健康狀态。此外，Zookeeper也避免了HMaster的 單點問題，見下文描述
HMaster沒有單點問題，HBase中可以啟動多個HMaster，通過Zookeeper的Master Election機制保證總有一個Master運作，HMaster在功能上主要負責Table和Region的管理工作：
1. 管理使用者對Table的增、删、改、查操作
2. 管理HRegionServer的負載均衡，調整Region分布
3. 在Region Split後，負責新Region的配置設定
4. 在HRegionServer停機後，負責失效HRegionServer 上的Regions遷移
HRegionServer主要負責響應使用者I/O請求，向HDFS檔案系統中讀寫資料，是HBase中最核心的子產品。
HRegionServer内部管理了一系列HRegion對象，每個HRegion對應了Table中的一個Region，HRegion中由多 個HStore組成。每個HStore對應了Table中的一個Column Family的存儲，可以看出每個Column Family其實就是一個集中的存儲單元，是以最好将具備共同IO特性的column放在一個Column Family中，這樣最高效。
HStore存儲是HBase存儲的核心了，其中由兩部分組成，一部分是MemStore，一部分是StoreFiles。MemStore是 Sorted Memory Buffer，使用者寫入的資料首先會放入MemStore，當MemStore滿了以後會Flush成一個StoreFile（底層實作是HFile）， 當StoreFile檔案數量增長到一定門檻值，會觸發Compact合并操作，将多個StoreFiles合并成一個StoreFile，合并過程中會進 行版本合并和資料删除，是以可以看出HBase其實隻有增加資料，所有的更新和删除操作都是在後續的compact過程中進行的，這使得使用者的寫操作隻要 進入記憶體中就可以立即傳回，保證了HBase I/O的高性能。當StoreFiles Compact後，會逐漸形成越來越大的StoreFile，當單個StoreFile大小超過一定門檻值後，會觸發Split操作，同時把目前 Region Split成2個Region，父Region會下線，新Split出的2個孩子Region會被HMaster配置設定到相應的HRegionServer 上，使得原先1個Region的壓力得以分流到2個Region上。下圖描述了Compaction和Split的過程：
在了解了上述HStore的基本原理後，還必須了解一下HLog的功能，因為上述的HStore在系統正常工作的前提下是沒有問題的，但是在分布式 系統環境中，無法避免系統出錯或者當機，是以一旦HRegionServer意外退出，MemStore中的記憶體資料将會丢失，這就需要引入HLog了。 每個HRegionServer中都有一個HLog對象，HLog是一個實作Write Ahead Log的類，在每次使用者操作寫入MemStore的同時，也會寫一份資料到HLog檔案中（HLog檔案格式見後續），HLog檔案定期會滾動出新的，并 删除舊的檔案（已持久化到StoreFile中的資料）。當HRegionServer意外終止後，HMaster會通過Zookeeper感覺 到，HMaster首先會處理遺留的 HLog檔案，将其中不同Region的Log資料進行拆分，分别放到相應region的目錄下，然後再将失效的region重新配置設定，領取 到這些region的HRegionServer在Load Region的過程中，會發現有曆史HLog需要處理，是以會Replay HLog中的資料到MemStore中，然後flush到StoreFiles，完成資料恢複。
HBase中的所有資料檔案都存儲在Hadoop HDFS檔案系統上，主要包括上述提出的兩種檔案類型：
1. HFile， HBase中KeyValue資料的存儲格式，HFile是Hadoop的二進制格式檔案，實際上StoreFile就是對HFile做了輕量級包裝，即StoreFile底層就是HFile
2. HLog File，HBase中WAL（Write Ahead Log） 的存儲格式，實體上是Hadoop的Sequence File
下圖是HFile的存儲格式：
首先HFile檔案是不定長的，長度固定的隻有其中的兩塊：Trailer和FileInfo。正如圖中所示的，Trailer中有指針指向其他數 據塊的起始點。File Info中記錄了檔案的一些Meta資訊，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等。Data Index和Meta Index塊記錄了每個Data塊和Meta塊的起始點。
Data Block是HBase I/O的基本單元，為了提高效率，HRegionServer中有基于LRU的Block Cache機制。每個Data塊的大小可以在建立一個Table的時候通過參數指定，大号的Block有利于順序Scan，小号Block利于随機查詢。 每個Data塊除了開頭的Magic以外就是一個個KeyValue對拼接而成, Magic内容就是一些随機數字，目的是防止資料損壞。後面會詳細介紹每個KeyValue對的内部構造。
HFile裡面的每個KeyValue對就是一個簡單的byte數組。但是這個byte數組裡面包含了很多項，并且有固定的結構。我們來看看裡面的具體結構：
開始是兩個固定長度的數值，分别表示Key的長度和Value的長度。緊接着是Key，開始是固定長度的數值，表示RowKey的長度，緊接着是 RowKey，然後是固定長度的數值，表示Family的長度，然後是Family，接着是Qualifier，然後是兩個固定長度的數值，表示Time Stamp和Key Type（Put/Delete）。Value部分沒有這麼複雜的結構，就是純粹的二進制資料了。
上圖中示意了HLog檔案的結構，其實HLog檔案就是一個普通的Hadoop Sequence File，Sequence File 的Key是HLogKey對象，HLogKey中記錄了寫入資料的歸屬資訊，除了table和region名字外，同時還包括 sequence number和timestamp，timestamp是“寫入時間”，sequence number的起始值為0，或者是最近一次存入檔案系統中sequence number。
HLog Sequece File的Value是HBase的KeyValue對象，即對應HFile中的KeyValue，可參見上文描述。
本文對HBase技術在功能和設計上進行了大緻的介紹，由于篇幅有限，本文沒有過多深入地描述HBase的一些細節技術。目前一淘的存儲系統就是基于HBase技術搭建的，後續将介紹“一淘分布式存儲系統”，通過實際案例來更多的介紹HBase應用。
本文轉自二郎三郎部落格園部落格，原文連結：http://www.cnblogs.com/haore147/p/5103090.html，如需轉載請自行聯系原作者