是什么

Hbase是一个分布式数据库，可以存储互联网的海量数据。 HBase是在HDFS的基础之上构建的，HDFS是分布式文件系统。 可以支持千万的QPS、PB级别的存储。

为什么

为什么不是MySql

HBase的	关系数据库管理系统(RDBMS)
HBase是无架构的，它没有固定列架构的概念；仅定义列族。	RDBMS由其架构控制，该架构描述表的整个结构。
它是为宽表而设计的。HBase是水平可伸缩的。	它很薄，专为小表而建。难以扩展。
HBase中没有事务。	RDBMS是事务性的。
它具有非规范化的数据。	它将具有标准化的数据。
对于半结构化数据和结构化数据都非常有用。	这对结构化数据很有用。

因为Mysql无法存储互联网的海量数据，只能使用NoSql的解决方案。

为什么不是ES

因为ES的成本比较好，支持了分词等等逻辑，主要用在搜索领域，远高于我们的需求。

为什么不是HDFS

HDFS	HBase
HDFS是适用于存储大文件的分布式文件系统。	HBase是建立在HDFS之上的数据库。
HDFS不支持快速的单个记录查找。	HBase为大型表提供快速查找。
它提供高延迟的批处理；没有批处理的概念。	它提供了数十亿条记录对单行的低延迟访问（随机访问）。
它仅提供数据的顺序访问。	HBase在内部使用哈希表并提供随机访问，并且将数据存储在索引的HDFS文件中，以加快查找速度。

HDFS是一个分布式的文件系统，他可以存储海量的数据，但是功能太底层，不方便我们去操作。

---

HBase可以以低成本来存储海量的数据并且支持高并发随机写和实时查询。

概念

列式存储

面向行的数据库	列式数据库
它适用于在线事务处理（OLTP）。	它适用于在线分析处理（OLAP）。
此类数据库设计用于少量的行和列。	面向列的数据库是为大型表设计的。

我们可以对比的去学习，MySQL是行存储，每一行有一个id，然后有若干字段。那列式存储，从形式上来看，就是就是把一行拆分开，每一行只有一个id和一个字段。 这样做有什么好处吗，为什么要这么做？ 首先，在MySQL中如果有的字段为空，或者有的一列字段很多重复的，都会照成空间的浪费，如果是列式存储的话，这些空间都是可以压缩的。而且一个id对应一个字段这样的结构，就是NoSql最典型的k-v结构。

基本概念

表

首先，Hbase里面也有表的概念这个和Mysql是一样的

行键(RowKey)

这个其实就是id

列族

一个列族下面有多个列

区别于MySql，有了列族的概念，而且行与行之间不需要相同的列。数据写到HBase的时候都会被记录一个时间戳，这个时间戳被我们当做一个版本。比如说，我们修改或者删除某一条的时候，本质上是往里边新增一条数据，记录的版本加一了而已。

架构

Client客户端，它提供了访问HBase的接口，并且维护了对应的cache来加速HBase的访问。 Zookeeper存储HBase的元数据（meta表），无论是读还是写数据，都是去Zookeeper里边拿到meta元数据告诉给客户端去哪台机器读写数据。 HRegionServer它是处理客户端的读写请求，负责与HDFS底层交互，是真正干活的节点。

大概的流程就是：client请求到Zookeeper，然后Zookeeper返回HRegionServer地址给client，client得到Zookeeper返回的地址去请求HRegionServer，HRegionServer读写数据后返回给client。

HRegionServer

很明显的，这个Server肯定是核心的内容。

HRegion

HBase一张表的数据会分到多台机器上的。用的就是RowKey来切分，其实就是表的横向切割。一个HRegionServer上面管理了多个HRegion，存储了HBase表的一部分数据。

Store

HRegion下面有Store，那Store是什么呢？我们前面也说过，一个HBase表首先要定义列族，然后列是在列族之下的，列可以随意添加。 一个列族的数据是存储在一起的，所以一个列族的数据是存储在一个Store里边的。

Store内部

HBase在写数据的时候，会先写到Mem Store，当MemStore超过一定阈值，就会将内存中的数据刷写到硬盘上，形成StoreFile，而StoreFile底层是以HFile的格式保存，HFile是HBase中KeyValue数据的存储格式。 MemStore的作用不是为了加快写速度，而是为了对Row Key进行排序。

Hlog

这里看到了内存写入，我们学过MySQL原理的同学肯定第一时间就想到了内存有丢失的风险，同理，Hbase在解决这个问题的时候，也是通过一个顺序写日志的方式解决的，也就是HLog。顺序写磁盘，直接写内存，批量持久化内存，所以说性能还是非常高的。 在HBase中，每个RegionServer只需要维护一个WAL，所有Region对象共用一个WAL，而不是每个Region都维护一个WAL。这种方式对于多个Region的更新操作所发生的的日志修改，只需要不断地追加到单个日志文件中，不需要同时打开并写入多个日志文件，这样可以减少磁盘寻址次数，提高写性能。

HMaster

到这里我们还有一个最关键的点不知道，HRegion到底是怎么划分的呀，具体是谁管理的，那么这个时候就需要一个Master来管理了。 首先，读写请求都不经过Hmaster，只是为了管理。HMaster会处理 HRegion 的分配或转移。如果我们HRegion的数据量太大的话，HMaster会对拆分后的Region重新分配RegionServer。（如果发现失效的HRegion，也会将失效的HRegion分配到正常的HRegionServer中） Master只负责各种协调工作，比如建表、删表、移动Region、合并等操作。这些操作有一个共性的问题：就是需要跨RegionServer。所以，HBase就将这些工作分配给了Master服务。这种结构的好处是大大降低了集群对Master的依赖。而Master节点一般只有一个到两个，一旦宕机，如果集群对Master的依赖度很大，那么就会产生单点故障问题。在HBase中即使Master宕机了，集群依然可以正常地运行，依然可以存储和删除数据。