一、HBase简介
HBase是面向列的分布式存储系统（NoSQL数据库），是对Google论文BigTable的实现，具有数据存储量大、高性能、高扩展等特点。（BigTable是对HBase最形象的解释，大宽表，支持百万级列、亿万级数据，动态列）
二、系统原理
2.1 数据模型
HBase数据模型可以分为逻辑结构和物理结构。逻辑结构上，HBase的表由多行记录组成，每行由多个列簇组成，每个列簇由多个列组成；物理结构上，每张表按照RowKey被水平拆分成多个Region，每个Region按照Column Family被垂直拆分成多个Store（面向列存储的原因），每个单元格的数据由多个版本，按照KV存储，如下图所示：
- RowKey：唯一表示一行记录；
- Column Qualifier：创建表时只需要指定RowKey和Column Family，列是动态的，按需指定；
- Cell：<RowKey, Column Family, Column Qualifier>唯一确定的单元，每个单元格有多个版本，并且可以设置过期时间TTL；
- TimeStamp：用于标识数据的不同版本，每条数据写入时可以指定数据版本，如果不指定默认使用系统当前时间；
- Region：每个Region由多个Store组成，每个Store对应一个列簇；
2.2 系统架构
HBase的架构为主从架构，HMaster为管理节点，负责元信息和集群管理；HRegionServer为数据节点，负责数据的管理，数据最终存储在HDFS上，如下图所示：
HMaster职责：
- HRegionServer节点管理（监控、Region分配和负载均衡等）；
- 表元信息管理（DML相关），实际数据仍存储在HRegionServer；
HRegionServer职责：
- Region管理（拆分、压缩）；
- 客户端数据读写请求处理（DDL相关）；
Zookeeper职责：
- HMaster高可用（集群选主）；
- 集群监控：HRegionServer的监控，上下线信息通报给HMaster；
- 元信息管理：Region路由信息、表元信息，以及集群配置信息等；
2.3 数据读写流程
1. Region寻址
- Client首先请求ZK，获取HBase的Meta表所在的HRegionServer；
- Client连接HRegionServer，获取Meta表信息，确定RowKey所属的Region，以及Region所在的HRegionServer；
2. 写流程
- 通过Region寻址，Client连接至对应的HRegionServer；
- 先将写命令写入HLog日志，然后将更新写入MemStore内存，写入成功后返回ACK到Client；
- 如果MemStore的大小超过设定阈值，刷盘到StoreFile；
3. 读流程
- 通过Region寻址，Client连接至对应的HRegionServer；
- 先从BlockCache（HRegionServer全局缓存，LRU算法）中查找数据，如果存在则返回；
- 如果不存在，则从RowKey所属的Region中的MemStore和StoreFile查找；
2.4 拆分与合并
1. Region拆分
-
拆分原因： 单个Region的数据越来越多，会导致数据读取RT升高；
-
拆分时机： Region中某个Store的数据量（所有StoreFile之和）超过设定阈值时触发拆分；
-
拆分过程： 一个Region被拆分成两个，如果有负载均衡的需要，某个Region会被移到其他HRegionServer；
2. StoreFile合并
-
合并原因： StoreFile过多会导致数据读取RT升高；
-
合并方式： 合并分为Minor Compaction和Major Compaction。Minor Compaction会将临近的若干个小文件合并成一个大文件，会清理过期数据，但是不会清理已删除数据；Major Compaction将Store下所有的文件合并成一个大文件，并且会清理和已删除数据。
2.5 批量导入
基本原理：跳过HRegionServer，直接将数据转换成HFile格式，然后存储HBase对应的路径即可，如下图所示。
使用场景：大批量数据的快速导入，绕开HRegionServer，避免写WAL、分裂合并等过程，性能是批量接口的几倍。
三、LSM树
LSM树的核心思想内存加磁盘顺序写，将写性能达到最优。具体做法是将数据存储分为内存和磁盘两部分，数据的修改只需要更改内存中的数据即可，内存中使用有序数据结构称为Memtable，当内存中的数据达到设定阈值后，再批量顺序写到磁盘文件称为SSTable,后台周期性的对SSTable进行合并和数据压缩，为了防止内存数据丢失，更新内存Memtable前需要先写入WAL日志；（所有的写都是追加写入，只有当SSTable合并时，才会对数据整理）
读性能优化
1. 使用布隆过滤器快速判断数据是否存在；
2. 利用SSTable的有序性，文件的最大最小值知道，所有的SSTable在内存中创建稀疏索引，方便判断key存在于哪个SSTable；
三大索引结构
1. 哈希表。增删改查复杂度都是O(1),但是不适合范围查找，常用于内存KV存储，典型应用有Redis、Memcache；
2. B+树。增删改查复杂度为O(lgn),支持范围查找、顺序查找，存在随机写的问题，常见于MySQL等传统型关系数据库；
3. LSM树。通过内存和磁盘顺序写，写性能最优，读性能依赖于内存命中率，常见于HBase等NoSQL数据库中；
四、其它
1. 对比
对比关系型数据库： HBase能够支持海量数据的存储，并且容易扩展，但是不支持事务，二级索引，以及复杂查询；
对比Hive： 虽然都是基于HDFS，HBase是存储系统，提供低延迟的读写，用于在线业务；Hive是分析系统，用于大数据的离线分析；
2. 应用场景
HBase作为分布式数据库，适用于海量数据存储（至少亿级别的数据量）场景（没有事务、复杂SQL等需求）。
3. RowKey设计原则
- 长度原则：长度越短越好，建议不超过16Byte，数量大时极大的节约内存和磁盘空间；
- 唯一原则：唯一标识一条数据；
- 散列原则：确保数据能够均匀的分部到各RegionServer上；
参考
- 入门HBase的正确姿势
- 表及RowKey设计指南
- LSM Tree
