HBase 架构简介

HBase 采用常见的 Master-Slave（主-从）结构，HBase 构建在 HDFS 上的结构如下图：

HBase Structure

核心组件简要介绍（以下词义表示同样概念：HMaster=Master，HRegionServer=RegionServer=RS，HRegion=Region）：

HMaster

• 负责 RegionServer 的负载均衡
• 为 RegionServer 分配 Region
• 发现失效的 RegionServer 并重新分配其上的 Region
• 管理用户对 Table 的增、删、改等操作

HRegionServer

• 管理由 HMaster 分配的 Region
• 处理对 RegionServer 上维护的 Region 的IO请求

HRegion

• Region 可看作是 Table 的水平切分，管理 Table 中的一段连续的 Rowkey （记录的唯一主键）
• Region 是 HBase 分布式存储和负载均衡以及其他特性实现的基本单位
• 同一个 Table 的不同的 Region 可以分别在不同的 RegionServer 上，同一个 Region 的数据不会在多个 RegionServer 上

HLog

• HBase 的 WAL（Write-Ahead Log）实现，每个 RegionServer 维护一个 HLog
• RegionServer 上的所有 Region 公用一个 HLog

MemStore

• Region 中维护的写缓存，数据会先写到 MemStore，满足一定条件时 flush 到文件中

HFile

• MemStore 每次 flush 时会生成新的 HFile，在 HDFS 上
• HDFS 会负责 HFile 的可用性

Client

• 客户端负责访问 HBase 的接口
• 会维护缓存信息加速 HBase 访问，如：Region 位置信息
• Client 访问数据通过 RegionServer（通过 Zookeeper 找到RS地址），不需要通过 HMaster

Zookeeper

• HBase HA 的解决方案，通过选举，保证任何时候集群中只有一个 Active Master
• Master 与 RegionServer 启动时会向 ZooKeeper 注册，存储所有 Region 的地址
• 实时监控 RegionServer 的上线和下线信息，实时通知给 Master
• 存储 HBase 的元数据
• Zookeeper 的引入使得 Master 不再是单点故障

HBase Table 的核心概念：

• Rowkey, 每条记录的唯一主键
• Column（列），无固定模式，可以动态添加，属于一个 ColumnFamily
• ColumnFamily（列族），对表的垂直切分，可以设置独立的特性。每个 ColumnFamily 的列数据对应一个 Memstore，由 Store 封装。
• Value，真实的数据，Rowkey 对应某一列的列值
• Version，版本号，每个 Value 有自己的版本，默认是更新数据的时间戳

---

Reference：
《HBase- The Defintive Guide》
《HBase权威指南》