什么是HBase？它是怎样工作的？终于有人讲明白了 _HBase

导读：HBase是一个构建在HDFS之上的、分布式的、支持多版本的NoSQL数据库，它的出现补齐了大数据场景下快速查询数据能力的短板。它非常适用于对平台中的热数据进行存储并提供查询功能。

作者：朱凯
来源：华章科技

文章插图

01 概述HBase的出现很好地弥补了大数据快速查询能力的空缺。让我们再次将时间拨回到2006年，那时Hadoop项目已经正式启动，开源社区已经拥有了HDFS和MapReduce 。通过HDFS我们拥有了能够存储海量文件的分布式文件系统。通过MapReduce我们拥有了一种对海量数据进行批处理操作的途径。
但是这还不够，我们在大数据领域还没有一款能够称为数据库的产品。就在2006年年末，google发表了著名的Bigtable论文。此后HBase便诞生了。
HBase是一个构建在HDFS之上的、分布式的、支持多版本的NoSql数据库。它也是Google BigTable的开源实现。HBase非常适合于对海量数据进行实时随机读写。HBase中的一张表能够支撑数十亿行和数百万列。
HBase从设计上来讲是一个由三类服务组成的Master/Slave架构服务。HBase Master进程负责处理Region分配、DDL（create、delete表）这类操。数据的读写由RegionServers进程负责处理。底层数据存储和集群协同管理则交由HDFS和Zookeeper进行管理，如图2-6所示。

文章插图
▲图2-6 HBase逻辑架构图
HBase的所有数据最终都以HDFS文件的形式进行存储，Region Server服务通常是伴随着HDFS的Datanode进行部署的，这样可以更好地利用数据本地性的优势。
HBase采用主从架构。其分布式协调是通过Zookeeper进行管理的，而数据的物理存储最终会以文件的形式存储到HDFS 。
02 数据模型HBase是一个NoSQL数据库，它通过一个四维数据模型定义数据，如图2-7所示。

RowKey：HBase中的每行数据都必须拥有一个唯一的行键，它类似于关系型数据库中的主键。
Column Family：HBase中的每个列都归属于一个列簇，它类似于子表的概念。一个列簇对应一个MemStore对象。
Column：HBase用列来定义数据属性字段，和关系型数据库中的表字段类似。
Version：HBase中的数据是有版本概念的，每次新增或者修改数据都会产生一个新的版本。

文章插图
▲图2-7 HBase的四维数据模型
HBase的数据模型由行键、列簇、列名和版本号组成。
03 RegionsHBase的表以RowKey的起止区间为范围被水平切分成了多个Region 。每个Region中包含了RowKey从开始到结束区间的所有行。这些Region被分配到的集群节点称为RegionServers，RegionServers负责提供HBase中数据的读写功能。一个RegionServer可以容纳大约1000个Region，如图2-8所示。

文章插图
▲图2-8 HBase Regions的逻辑结构
一个Region Server包含了多个Region，每个Region包含了一部分数据。
04 HBase MasterHBase Master主要负责Region的分配和一些DDL操作，如图2-9所示。HBase Master在启动、失败恢复或者负载均衡的时候为region指定所属的RegionServer，或者是创建、删除和更新表的这类操作。

文章插图
▲图2-9 HBase Master的逻辑结构
HMaster作为主控节点并不直接存储数据，它只是做一些统筹分配和DDL操作。
05 Region Server之前我们提到过，为了利用HDFS数据本地性的能力，通常会将RegionServer一同安装在HDFS的Datanode所在的服务器之上，如图2-10所示。RegionServer自身包含这么几个部分：