HBase是一个开源的、面向列（Column-Oriented）、适合存储海量非结构化数据或半结构化数据的、具备高可靠性、高性能、可灵活扩展伸缩的、支持实时数据读写的分布式存储系统。

存储在HBase中的表的典型特征：

• 大表（BigTable）：一个表可以有上亿行，上百万列
• 面向列：面向列（族）的存储、检索与权限控制
• 稀疏：表中为空（null）的列不占用存储空间

HBase结构

HBase主要由主备Master进程和多个RegionServer进程组成。

名称	描述
Master	又叫HMaster，在HA模式下，包含主用Master和备用Master。 主用Master：负责HBase中RegionServer的管理，包括表的增删改查；RegionServer的负载均衡，Region分布调整；Region分裂以及分裂后的Region分配；RegionServer失效后的Region迁移等。 备用Master：当主用Master故障时，备用Master将取代主用Master对外提供服务。故障恢复后，原主用Master降为备用。
Client	Client使用HBase的RPC机制与Master、RegionServer进行通信。Client与Master进行管理类通信，与RegionServer进行数据操作类通信。
RegionServer	RegionServer负责提供表数据读写等服务，是HBase的数据处理和计算单元。 RegionServer一般与HDFS集群的DataNode部署在一起，实现数据的存储功能。
ZooKeeper集群	ZooKeeper为HBase集群中各进程提供分布式协作服务。各RegionServer将自己的信息注册到ZooKeeper中，主用Master据此感知各个RegionServer的健康状态。
HDFS集群	HDFS为HBase提供高可靠的文件存储服务，HBase的数据全部存储在HDFS中。

 

HBase原理

HBase数据模型

HBase以表的形式存储数据，数据模型如下图所示。表中的数据划分为多个Region，并由Master分配给对应的RegionServer进行管理。

每个Region包含了表中一段RowKey区间范围内的数据，HBase的一张数据表开始只包含一个Region，随着表中数据的增多，当一个Region的大小达到容量上限后会分裂成两个Region。您可以在创建表时定义Region的RowKey区间，或者在配置文件中定义Region的大小。

名称	描述
RowKey	行键，相当于关系表的主键，每一行数据的唯一标识。字符串、整数、二进制串都可以作为RowKey。所有记录按照RowKey排序后存储。
Timestamp	每次数据操作对应的时间戳，数据按时间戳区分版本，每个Cell的多个版本的数据按时间倒序存储。
Cell	HBase最小的存储单元，由Key和Value组成。Key由row、column family、column qualifier、timestamp、type、MVCC version这6个字段组成。Value就是对应存储的二进制数据对象。
Column Family	列族，一个表在水平方向上由一个或多个Column Family组成。一个CF（Column Family）可以由任意多个Column组成。Column是CF下的一个标签，可以在写入数据时任意添加，因此CF支持动态扩展，无需预先定义Column的数量和类型。HBase中表的列非常稀疏，不同行的列的个数和类型都可以不同。此外，每个CF都有独立的生存周期（TTL）。可以只对行上锁，对行的操作始终是原始的。
Column	列，与传统的数据库类似，HBase的表中也有列的概念，列用于表示相同类型的数据。

 

RegionServer数据存储

RegionServer主要负责管理由HMaster分配的Region，RegionServer的数据存储结构如下所示。

名称	描述
Store	一个Region由一个或多个Store组成，每个Store对应图1-2中的一个Column Family。
MemStore	一个Store包含一个MemStore，MemStore缓存客户端向Region插入的数据，当RegionServer中的MemStore大小达到配置的容量上限时，RegionServer会将MemStore中的数据“flush”到HDFS中。
StoreFile	MemStore的数据flush到HDFS后成为StoreFile，随着数据的插入，一个Store会产生多个StoreFile，当StoreFile的个数达到配置的最大值时，RegionServer会将多个StoreFile合并为一个大的StoreFile。
HFile	HFile定义了StoreFile在文件系统中的存储格式，它是当前HBase系统中StoreFile的具体实现。
HLog	HLog日志保证了当RegionServer故障的情况下用户写入的数据不丢失，RegionServer的多个Region共享一个相同的HLog。

 

元数据表

元数据表是HBase中一种特殊的表，用来帮助Client定位到具体的Region。元数据表包括“hbase:meta”表，用来记录用户表的Region信息，例如，Region位置、起始RowKey及结束RowKey等信息。元数据表和用户表的映射关系如下图所示。

数据操作流程

1. 对HBase进行增、删、改、查数据操作时，HBase Client首先连接ZooKeeper获得“hbase:meta”表所在的RegionServer的信息(涉及namespace级别修改的，比如创建表、删除表需要访问HMaster更新meta信息)。
2. HBase Client连接到包含对应的“hbase:meta”表的Region所在的RegionServer，并获得相应的用户表的Region所在的RegionServer位置信息。
3. HBase Client连接到对应的用户表Region所在的RegionServer，并将数据操作命令发送给该RegionServer，RegionServer接收并执行该命令从而完成本次数据操作。

HBase客户端操作

在华为云MRS集群中，您可以通过连接HBase客户端实现创建表，往表中插入数据，修改表，读取表数据，删除表中数据以及删除表的功能。

MRS集群的创建可参考创建集群。

1. 安装集群客户端后，登录客户端。

   cd /opt/client/
   source bigdata_env
   kinit hbaseuser   #集群未开启Kerberos认证忽略

2. 执行命令进入HBase Shell。

   hbase shell
   
   hbase:001:0> 
   hbase:002:0> 

3. 在HBase中创建一个表并写入数据，例如创建一个学生信息表。

   create 'student_info',{NAME => 'i'}
   put 'student_info','2021001','i:name','xiaoming'
   put 'student_info','2021001','i:age','15'
   put 'student_info','2021001','i:address','shenzhen'
   put 'student_info','2021002','i:name','xiaohong'
   put 'student_info','2021002','i:age','16'

4. 执行命令查询某学生的数据。

   scan'student_info',{STARTROW=>'2021001',STOPROW=>'2021001',COLUMNS=>['i:name','i:address']}
   
   ROW                                                COLUMN+CELL                                                                                                                                        
    12005000201                                       column=i:name, timestamp=2021-06-22T21:32:05.638, value=xiaoming                                                                                   
   1 row(s)

5. 删除某个表。

   disable'student_info'
   drop 'student_info'

好了，本期云小课就介绍到这里，快去体验MapReduce(MRS)更多功能吧！猛戳这里