HBase概述

  Apache HBase是列式存储的NoSQL数据库，一个实时读写数据库系统，提供分布式、可伸缩的大数据存储。为什么HBase能存储海量的数据？因为HBase是在HDFS的基础之上构建的，HDFS是分布式文件系统。

1. HBase数据模型
   HBase有表、行和列的概念。一行数据由一个行键和一个或多个相关的列以及它的值所组成，定位一行数据会有一个唯一的值，这个叫做行键(RowKey)。
   数据写到HBase的时候都会被记录一个时间戳，这个时间戳被我们当做一个版本。比如说，我们修改或者删除某一条的时候，本质上是往里边新增一条数据，记录的版本加一了而已。
2. HBase 的Key-Value
   Key由RowKey(行键)+ColumnFamily（列族）+Column Qualifier（列修饰符）+TimeStamp（时间戳--版本）+KeyType（类型）组成，而Value就是实际上的值。
   修改一条数据其实上是在原来的基础上增加一个版本的，那要准确定位一条数据，就得根据（RowKey+Column+时间戳）定位。
3. HBase列族存储架构
   （1）HBase读写数据的内部流程如下
   1）、Client客户端，它提供了访问HBase的接口，并且维护了对应的cache来加速HBase的访问。
   2）、Zookeeper存储HBase的元数据（meta表），无论是读还是写数据，都是去Zookeeper里边拿到meta元数据告诉给客户端去哪台机器读写数据
   3）、HRegionServer它是处理客户端的读写请求，负责与HDFS底层交互，是真正干活的节点。
   大致流程就是：client请求到Zookeeper，然后Zookeeper返回HRegionServer地址给client，client得到Zookeeper返回的地址去请求HRegionServer，HRegionServer读写数据后返回给client。
   （2） HBase列式存储
   一个HBase表首先要定义列族，然后列是在列族之下的，列可以随意添加。
   一个列族的数据是存储在一起的，所以一个列族的数据是存储在一个Store里边的。
   HBase在写数据的时候，会先写到Mem Store，当MemStore超过一定阈值，就会将内存中的数据刷写到硬盘上，形成StoreFile，而StoreFile底层是以HFile的格式保存，HFile是HBase中KeyValue数据的存储格式。
   1）、HRegionServer一般和DataNode在同一台机器上运行，实现数据的本地性。
   2）、HRegionServer包含多个HRegion，由WAL(HLog)、BlockCache、MemStore、HFile组成。
4. RowKey的设计及优化手册
     RowKey是会按字典序排序的，HBase表会用RowKey来横向切分表。
   无论是读和写都是用RowKey去定位到HRegion，然后找到HRegionServer。这里有一个很关键的问题：那我怎么知道这个RowKey是在这个HRegion上的？
   HRegion上有两个很重要的属性：start-key和end-key。
   RowKey是以字典序排序的，如果对RowKey没有做任何处理，那就有可能存在热点数据的问题。
     HBase优化手册：
   建表申请时的预分区设置，对于经常使用HBase的小伙伴来说,HBase管理平台里申请HBase表流程必然不陌生了。
   给定split的RowKey组例如:aaaaa,bbbbb,ccccc;或给定例如:startKey=00000000,endKey=xxxxxxxx,regionsNum=x'
   第一种方式:
   是自己指定RowKey的分割点来划分region个数.比如有一组数据RowKey为[1,2,3,4,5,6,7],此时给定split RowKey是3,6,那么就会划分为[1,3),[3,6),[6,7)的三个初始region了.如果对于RowKey的组成及数据分布非常清楚的话,可以使用这种方式精确预分区。
   第二种方式 :
   如果只是知道RowKey的组成大致的范围,可以选用这种方式让集群来均衡预分区,设定始末的RowKey,以及根据数据量给定大致的region数,一般建议region数最多不要超过集群的rs节点数,过多region数不但不能增加表访问性能,反而会增加master节点压力.如果给定始末RowKey范围与实际偏差较大的话,还是比较容易产生数据热点问题.
   最后:生成RowKey时,尽量进行加盐或者哈希的处理,这样很大程度上可以缓解数据热点问题.
5. 根据RowKey范围查询
   （1）HBase将RowKey设计为字典序排序，如果不做限制，那很可能类似的RowKey存储在同一个HRegion中。那我正好有这个场景上的业务，那我查询的时候不是快多了吗？在同一个HRegion就可以拿到我想要的数据了。
    举个例子：定时采集直播间热度数据，将采集数据存储到HBase中，然后应用方经常要把主播的一段时间内的热度给查询出来。
   （2）设计好的RowKey，将该主播（车辆）的一段时间内的热度位置信息都写到同一个HRegion上，拉取的时候只要访问一个HRegionServer就可以得到全部我想要的数据了，那查询的速度就快很多。
6. HBase是一个NoSQL数据库，一般我们用它来存储海量的数据（因为它基于HDFS分布式文件系统上构建的）
   （1）HBase的一行记录由一个RowKey和一个或多个的列以及它的值所组成。先有列族后有列，列可以随意添加。
   （2）HBase的增删改记录都有「版本」，默认以时间戳的方式实现。
   （3）RowKey的设计如果没有特殊的业务性，最好设计为散列的，这样避免热点数据分布在同一个HRegionServer中。
   （4）HBase的读写都经过Zookeeper去拉取meta数据，定位到对应的HRegion，然后找到HRegionServer。
   参考：
   [1]我终于看懂了HBase，太不容易了...
   [2]Rowkey设计指南