摘要：Hbase是基于HDFS的非关系型大数据，非常适合存储，因为它可以像HDFS一样做到存储的线性扩容，无论多少数据都可以存储。Hbase数据库继承了Hadoop家族的良好基金，用来存储海量数据。
说起Hadoop，玩大数据的没有一个不知道，Hadoop是由Apache基金会所开发的一个分布式系统基础架构，包含分布式文件系统HDFS（HadoopDistributed FileSystem）、分布式计算框架MapReduce、HIve数据仓库、Avro序列化工具等。而今天我们要给大家介绍一位新朋友Hbase，它是基于HDFS的非关系型大数据（非常适合存储，因为可以像HDFS一样做到存储的线性扩容，无论多少数据都可以存储；）
Hbase数据库继承了Hadoop家族的良好基金，它是用来存储海量数据的，百万以下的数据量就不要打扰它了。既然是存储使用使用，那么它是如何做数据存储的呢？为了大家更好的理解概念，我们与同一个数据在传统的关系型数据库如Mysql中的存储做对比进行理解。现在我们来存储学生张三和李四的信息，包含编号、姓、名、密码、学号，在Mysql中会分成两行五列存储。
而在HBase中则会将数据从逻辑上分为三部分，第一部分为rowkey唯一标识（即Mysql中的主键），第二部分则把相同属性的内容划分到同一个Column-Family中，比如姓名、账号，每一个Column-Family就是一个Qualifier，而里面具体的值就是CellValue。在下表（逻辑关系）中Rowkey是1，CF是姓名属性、账号属性，Qualifier是info、pwd，Value是张、三、20160719、111。
在Hbase中物理存储如下，Version代表的是版本，在Hbase中允许一个值有多个版本，通过Version号来标记。将上面的逻辑数据拆解后，如下图所示，hbase会进行如下存储。从存储方式来看，一个CF对应一个HFile，而HFile在HDFS分布式文件系统中，是可以无限扩张，因此Hbase的存储能力也可以无限扩张。细心的朋友不要以为HFile只能存储在HDFS上噢，它其实在本地的文件系统也可以存储使用，只不过就是存储能力有限，无法扩展而已。
介绍完了Hbase的数据存储模式，我们来看看它的架构图，在Hbase中从上往下包含API、Master节点、RegionServer、Region、HDFS五大部分，在实际使用过程中使用分布式协调器Zookeeper来协调MasterServer的负载，确保使用Hbase是处于工作状态。
在Hbase中Master节点是用来协调多个Regionserver节点的，确保RegionServer是处于工作状态。而为了保证系统的高可用，也要确保Master节点不能挂掉啊，因此Zookeeper会来做Master节点的整体监控，当有Master节点挂掉时，选举出新的Master节点来接管工作。
Regionserver包含多个Region，用于管理表格、读写数据，通过对外提供API可以直接获取Region的数据，Region则是真正存储数据的地方，一般一个Region对应一个CF，但是当表格数据很大由多个CF组成时，就会存储在多个Region中，通过存储单元Store关联起来。同时Zookeeper也会管理多个Regionserver之间的协调调度。
下图是Hbase工作的原理图，从图上我们看到RegionServer还包含WAL、Memstore、Hfile几部分。WAL是HBase为了保障数据一致性的一个设计，为了提高数据读写性能，并且保证数据准确，HBase会把数据先写入到内存，但内存并不是一直可靠啊，万一断电了数据全没了，因此在写入内存时，也会写一份日志，当内存挂掉时，通过日志的数据可以知道内容，实现数据恢复。写入到内存的数据一般放在Memstore中，然后再定期的把Memstore的数据存储在磁盘，然后清空Memstore。HFile就是Hbase最终存储数据的实体了，本质上也就是HDFS的一个文件，一个CF存储在一个HFile中。
本文介绍了HBase数据库，它与Hive、Mysql还是不太一样噢，Hive专注于数据分析，底层依靠的更多是MapReduce的计算能力，而Mysql是关系型数据库，主要聚焦在事务的ACID（原子性、一致性、持久性、），Hbase则更多的是聚焦在数据的存储方便。如果你的数据足够多，上亿万的数据才考虑使用Hbase，数据量太小反而是发挥不出优势，也没办法做数据的其他处理。在决定使用Hbase之前，要确保硬件条件到位，一般来说HDFS集群的数据节点少于5个时，基本也等于鸡肋，相当于摆好了一个大阵仗，飞机坦克步兵炮兵全上了，以为是来了一个连的敌人，结果只来了一个班。
不过总的来说Hbase还是非常优秀的一款大数据，在很多互联网公司的信息存储都使用Hbase，在流数据存储、实时计算时，Hbase也是很好的选择，相信今天大家了解了Hbase数据之后，可以更好的将Hbase使用在业务当中，输出更好的大数据解决方案。