HBase 的原理和设计
HBase 架构跟笔者读研时做的分布式索引系统非常像，再一次体会到万变不离其宗！
以下为简单总结。
HDFS是个分布式文件系统，HBase本质是个数据分区管理系统，主要作用是管理数据分区，数据最终存到HDFS上。（你的分布式索引系统也是个数据分区管理系统）
功能上的主要概念：RowKey, Column Family, Column Qualifier, TimeStamp, KeyType
内部原理上主要概念：HRegion、HRegionServer、Store、MemStore、Store File（HFile）
是什么
HBase是基于HDFS的一个分布式列式数据库，常作为数据仓库，用于OLAP。其用于支持海量数据的快速写入存储、单RowKey数据查询和RowKey范围查询。
为什么写入快？主要有：【节点并行、数据分区并行】、【WAL及批量持久化】、【数据多版本即增删改在内部都是增故可追加写入】、【零拷贝等】。可见，类似于Kafka。其实写入速度快的分布式数据库几乎都是基于这些原理。
HBase架构
，
Zookeeper 用于存储系统元数据，包括节点列表和地址、数据分区信息、数据多副本的leader信息等。
RegionServer 是干活节点，负责数据存取等。
HMaster 用于监控RegionServer状态、进行数据分区的调整（Region的分配和调整）等。
Client 用于向系统发起读写数据，会从Zookeeper取得分区元数据后定位到HRegion，从而与HRegionServer通信。
DataNode是HDFS中的存储节点。
数据模型
本质是一个KV数据库，Key由 (RowKey, Column Family, Column Qualifier, TimeStamp, KeyType) 组成、而Value就是实际上的值。
RowKey在写入数据时生成，唯一，在表中按字典序排序；
Column Family、Column Qualifier分别为列族、列，每个列族下可有任意个列且不同行所包含的列可不一样；
TimeStamp是由数据库自动生成的时间戳，表示数据的版本，每次增删改同一行数据都将产生新版本；
KeyType 为"Delete"表示数据被删除；
数据分区策略（数据写入过程）
、
一个表的数据根据 RowKey 横向分区，分成多个HRegion上，这些HRegion分到不同的RegionServer上，每个HRegion有startKey、endKey记录标识本Region内数据的RowKey范围。
一个HRegion上有多个Store，一列族内的数据存储在一起，每个列族用一个Store存（所以我们可以说HBase是基于列族存储的）；
数据写Store时是用WAL策略写：写内存MemStore+写磁盘HLog 就返回，MemStore攒一定数据量再批量append写磁盘HFile。
由上可见，HBase对数据分区策略很简单，是先水平分再垂直分区——先按RowKey、再按ColumnFamily分区的，即先按RowKey分成不同的HRegion、对于一个HRegion内的数据再按不同ColumnFamily分成不同Store。（与笔者的分布式索引系统中索引space的切分很像）
其数据写入过程和LSM tree的非常像，实际上内部就用了LSM tree。
数据查询（RowKey设计）
使用
hbase shell
常用的操作命令有create,describe,disable,drop,list,scan,put,get,delete,deleteall,count,status等，通过help可以看到详细的用法。
参考资料
HBase的原理和设计、https://zhuanlan.zhihu.com/p/145551967。
