HBase简介：
分布式数据库
是构建在HDFS上的分布式列存储数据库（Mysql，Oracle是行数据库），是一个高可靠性，高性能，面向列。可伸缩的分布式存储系统

列式存储允许用户存储海量的数据到相同表中，而在传统数据库中，海量数据需要被切分为多个表进行存储
行键 不宜过长，否则会占用大量的存储空间降低检索效率 尽量均匀分布，避免产生热点问题 还有唯一性

列簇是在创建表的时候建立的，不会再变，但是列是可以动态添加的
但是也不能有太多列簇，因为跨列簇访问是非常低效的

数据模型

 

HBase物理模型：

每个column family存储在HDFS的一个单独文件里
键值和版本在每个列簇里都有一份
空值不保存占位符都没有
在行方向上按照键值字典序排列
在行的方向上分割为多个region，从而实现分布存储
最开始只有一个region，随着记录数不断增加，会逐渐分裂为多个region
一个region由【startkey，endkey】表示，不同的region会被Master分配给不同的Regionserver

 

region虽然是分布式存储的最小单元，但并不是存储的最小单元
region由一个或者多个store组成，每个store保存一个columns family
每个store又由一个memstore和0至多个storefile组成
memstore存储在内存中，storefile存在HDFS中

 

HBase系统架构：

 

 

 

 附自己做的笔记：