第1章 hbase简介
hbase的原型是google的bigtable论文，受到了该论文思想的启发，目前作为hadoop的子项目来开发维护，用于支持结构化的数据存储。
官方网站：http://hbase.apache.org
-- 2006年google发表bigtable白皮书
-- 2006年开始开发hbase
-- 2008年北京成功开奥运会，程序员默默地将hbase弄成了hadoop的子项目
-- 2010年hbase成为apache顶级项目
-- 现在很多公司二次开发出了很多发行版本，你也开始使用了。
hbase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用hbase技术可在廉价pc server上搭建起大规模结构化存储集群。
hbase的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。
hbase是google bigtable的开源实现，但是也有很多不同之处。比如：google bigtable利用gfs作为其文件存储系统，hbase利用hadoop hdfs作为其文件存储系统；google运行mapreduce来处理bigtable中的海量数据，hbase同样利用hadoop mapreduce来处理hbase中的海量数据；google bigtable利用chubby作为协同服务，hbase利用zookeeper作为对应。
1）海量存储
hbase适合存储pb级别的海量数据，在pb级别的数据以及采用廉价pc存储的情况下，能在几十到百毫秒内返回数据。这与hbase的极易扩展性息息相关。正式因为hbase良好的扩展性，才为海量数据的存储提供了便利。
2）列式存储
这里的列式存储其实说的是列族存储，hbase是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。
3）极易扩展
hbase的扩展性主要体现在两个方面，一个是基于上层处理能力（regionserver）的扩展，一个是基于存储的扩展（hdfs）。
通过横向添加regionsever的机器，进行水平扩展，提升hbase上层的处理能力，提升hbsae服务更多region的能力。
备注：regionserver的作用是管理region、承接业务的访问，这个后面会详细的介绍通过横向添加datanode的机器，进行存储层扩容，提升hbase的数据存储能力和提升后端存储的读写能力。
4）高并发
由于目前大部分使用hbase的架构，都是采用的廉价pc，因此单个io的延迟其实并不小，一般在几十到上百ms之间。这里说的高并发，主要是在并发的情况下，hbase的单个io延迟下降并不多。能获得高并发、低延迟的服务。
5）稀疏
稀疏主要是针对hbase列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。
从图中可以看出hbase是由client、zookeeper、master、hregionserver、hdfs等几个组件组成，下面来介绍一下几个组件的相关功能：
1）client
client包含了访问hbase的接口，另外client还维护了对应的cache来加速hbase的访问，比如cache的.meta.元数据的信息。
2）zookeeper
hbase通过zookeeper来做master的高可用、regionserver的监控、元数据的入口以及集群配置的维护等工作。具体工作如下：
通过zoopkeeper来保证集群中只有1个master在运行，如果master异常，会通过竞争机制产生新的master提供服务
通过zoopkeeper来监控regionserver的状态，当regionsevrer有异常的时候，通过回调的形式通知master regionserver上下线的信息
通过zoopkeeper存储元数据的统一入口地址
3）hmaster
master节点的主要职责如下：
为regionserver分配region
维护整个集群的负载均衡
维护集群的元数据信息
发现失效的region，并将失效的region分配到正常的regionserver上
当regionsever失效的时候，协调对应hlog的拆分
4）hregionserver
hregionserver直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：
管理master为其分配的region
处理来自客户端的读写请求
负责和底层hdfs的交互，存储数据到hdfs
负责region变大以后的拆分
负责storefile的合并工作
5）hdfs
hdfs为hbase提供最终的底层数据存储服务，同时为hbase提供高可用（hlog存储在hdfs）的支持，具体功能概括如下：
提供元数据和表数据的底层分布式存储服务
数据多副本，保证的高可靠和高可用性
功能
1．监控regionserver
2．处理regionserver故障转移
3．处理元数据的变更
4．处理region的分配或转移
5．在空闲时间进行数据的负载均衡
6．通过zookeeper发布自己的位置给客户端
1．负责存储hbase的实际数据
2．处理分配给它的region
3．刷新缓存到hdfs
4．维护hlog
5．执行压缩
6．负责处理region分片
1．write-ahead logs
hbase的修改记录，当对hbase读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间（时间以及数据量阈值可以设定）。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做write-ahead logfile的文件中，然后再写入内存中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。
2．region
hbase表的分片，hbase表会根据rowkey值被切分成不同的region存储在regionserver中，在一个regionserver中可以有多个不同的region。
3．store
hfile存储在store中，一个store对应hbase表中的一个列族。
4．memstore
顾名思义，就是内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在wal中之后，regsionserver会在内存中存储键值对。
5．hfile
这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。storefile是以hfile的形式存储在hdfs的。
第2章 hbase安装
做自己的太阳，成为别人的光！