說起Hadoop，玩大數據的沒有一個不知道，Hadoop是由Apache基金會所開發的一個分布式系統基礎架構，包含分布式文件系統HDFS（HadoopDistributed FileSystem）、分布式計算框架MapReduce、HIve數據倉庫、Avro序列化工具等。而今天我們要給大家介紹一位新朋友Hbase，它是基于HDFS的非關系型大數據（非常適合存儲，因為可以像HDFS一樣做到存儲的線性擴容，無論多少數據都可以存儲；）

Hbase數據庫繼承了Hadoop家族的良好基金，它是用來存儲海量數據的，百萬以下的數據量就不要打擾它了。既然是存儲使用使用，那么它是如何做數據存儲的呢？為了大家更好的理解概念，我們與同一個數據在傳統的關系型數據庫如Mysql中的存儲做對比進行理解。現在我們來存儲學生張三和李四的信息，包含編號、姓、名、密碼、學號，在Mysql中會分成兩行五列存儲。

而在HBase中則會將數據從邏輯上分為三部分，第一部分為rowkey唯一標識（即Mysql中的主鍵），第二部分則把相同屬性的內容劃分到同一個Column-Family中，比如姓名、賬號，每一個Column-Family就是一個Qualifier，而里面具體的值就是CellValue。在下表（邏輯關系）中Rowkey是1，CF是姓名屬性、賬號屬性，Qualifier是info、pwd，Value是張、三、20160719、111。

在Hbase中物理存儲如下，Version代表的是版本，在Hbase中允許一個值有多個版本，通過Version號來標記。將上面的邏輯數據拆解后，如下圖所示，hbase會進行如下存儲。從存儲方式來看，一個CF對應一個HFile，而HFile在HDFS分布式文件系統中，是可以無限擴張，因此Hbase的存儲能力也可以無限擴張。細心的朋友不要以為HFile只能存儲在HDFS上噢，它其實在本地的文件系統也可以存儲使用，只不過就是存儲能力有限，無法擴展而已。

介紹完了Hbase的數據存儲模式，我們來看看它的架構圖，在Hbase中從上往下包含API、Master節點、RegionServer、Region、HDFS五大部分，在實際使用過程中使用分布式協調器Zookeeper來協調MasterServer的負載，確保使用Hbase是處于工作狀態。

在Hbase中Master節點是用來協調多個Regionserver節點的，確保RegionServer是處于工作狀態。而為了保證系統的高可用，也要確保Master節點不能掛掉啊，因此Zookeeper會來做Master節點的整體監控，當有Master節點掛掉時，選舉出新的Master節點來接管工作。

Regionserver包含多個Region，用于管理表格、讀寫數據，通過對外提供API可以直接獲取Region的數據，Region則是真正存儲數據的地方，一般一個Region對應一個CF，但是當表格數據很大由多個CF組成時，就會存儲在多個Region中，通過存儲單元Store關聯起來。同時Zookeeper也會管理多個Regionserver之間的協調調度。

下圖是Hbase工作的原理圖，從圖上我們看到RegionServer還包含WAL、Memstore、Hfile幾部分。WAL是HBase為了保障數據一致性的一個設計，為了提高數據讀寫性能，并且保證數據準確，HBase會把數據先寫入到內存，但內存并不是一直可靠啊，萬一斷電了數據全沒了，因此在寫入內存時，也會寫一份日志，當內存掛掉時，通過日志的數據可以知道內容，實現數據恢復。寫入到內存的數據一般放在Memstore中，然后再定期的把Memstore的數據存儲在磁盤，然后清空Memstore。HFile就是Hbase最終存儲數據的實體了，本質上也就是HDFS的一個文件，一個CF存儲在一個HFile中。

本文介紹了HBase數據庫，它與Hive、Mysql還是不太一樣噢，Hive專注于數據分析，底層依靠的更多是MapReduce的計算能力，而Mysql是關系型數據庫，主要聚焦在事務的ACID（原子性、一致性、持久性、），Hbase則更多的是聚焦在數據的存儲方便。如果你的數據足夠多，上億萬的數據才考慮使用Hbase，數據量太小反而是發揮不出優勢，也沒辦法做數據的其他處理。在決定使用Hbase之前，要確保硬件條件到位，一般來說HDFS集群的數據節點少于5個時，基本也等于雞肋，相當于擺好了一個大陣仗，飛機坦克步兵炮兵全上了，以為是來了一個連的敵人，結果只來了一個班。

不過總的來說Hbase還是非常優秀的一款大數據，在很多互聯網公司的信息存儲都使用Hbase，在流數據存儲、實時計算時，Hbase也是很好的選擇，相信今天大家了解了Hbase數據之后，可以更好的將Hbase使用在業務當中，輸出更好的大數據解決方案。