1.Region定位

Region按大小分割，每个表以开始只有一个region，随着数据不断地插入表，region不断增大，当增大到一定阈值时，HBase会根据一定规则将表进行水平拆分，形成两个Region

Region是HBase中分布式存储和负载均衡的最小单元，最小单元就是表示不同的region可以分布在不同的regionServer上，但一个region不会拆分到多个server

1.1 META表--记录用户表和管理情况

①META表：记录了各个RegionServer所管理的表和region信息。（元数据表）
②与一般HBase表结构一样，采用键值对和面向列的存储
③META表数据过多，也会进行自动分区

1.2 数据存储与读取-Store

Store存储是HBase存储的核心

MemStore：内存写缓存
· HBase将最近接收到的数据缓存在内存中（in Memstore），在持久化到HDFS之前完成排序，然后再快速的顺序写入HDFS
· 缓存最近增加的频繁使用的数据，提高数据读取的速度
· 持久化写入之前，根据配置优化表数据

StoreFile：当MemStore满了以后会Flush成一个StoreFile（底层实现是HFile），
· 当StoreFile文件数量增长到一定阈值，会触发Compaction合并操作
· Memstore的数据插入是有序的，因此每个storefile最终会合并成一个有序的大的storefile。

HBase写流程
1.客户端首先访问zookeeper，从meta表得到写入数据对应的region信息和相应的region服务器
2.MemStore达到一个阈值后则把数据刷成一个StoreFile文件
3.当Storefile文件达到一定的数量后，会触发Compact合并操作，合并为一个大的StoreFile，最终以Hfile的形式存于HDFS中
4.当Storefile大小超过一定阈值后，会把当前的Region分割为两个，并由Master分配到相应的RegionServer，实现负载均衡

HBase读文件流程

1.客户端先访问zookeeper，从meta表读取Region的信息对应的服务器
2.客户端向对应Region服务器发送读取数据的请求，Region接收请求后，先从MemStore找数据，如果没有，再到StoreFile读取，然后将数据返回给客户端
· get操作：先定位到键值对所在的分区，再并行的查询该分区中所有storefile中是否由指定行键的键值对，由于storefile是排序过的，因此这种并行查询可以很快得到结果

· scan操作：根据限定条件，比如列族和行键的范围确定需要扫描的分区，并在这些分区的storefile中进行分布式扫描和过滤。

1.3 WAL机制

Hlog：预写日志（Write Ahead Log）文件，当数据写入memstore之前，RegionServer会将数据写入到Hlog中

当region服务故障，读取Hlog文件作灾难恢复

· HLog写入到HDFS中，记录所有的变更；

· 键值写入时不会被排序
· 键值对写入HLog时，会写入所属的表和分区，以及记录序号和时间戳
· 数据持久化操作之后，RegionServer会将不需要的HLog清除掉，并将这一清除事件写入Zookeeper。
· 以追加文件的方式将不同region的日志混在一起，减少磁盘寻址次数，提高对table的写性能；
· 如果一台regionServer下线，为了恢复其上的region，需要将HLog进行拆分，然后分发到其他regionserver上进行恢复