HBase是一个构建在HDFS上的分布式列存储系统，基于Google BigTable模型开发的，是典型的key/value系统。支持海量结构化数据存储、横向扩展、高可用
2. hbase数据模型hbase以表的方式在HBase存储数据的。表是由行和列构成的，所有的列是从属于某一个列族的。行和列的交叉点称之为cell,cell是版本化的。cell的内容是不可分割的字节数组。
表的行键也是一段字节数组，所以任何东西都可以保存进去，不论是字符串或者数字。HBase的表是按key排序的，排序方式之针对字节的。所有的表都必须要有主键-key.
2.1 概念视图我们可以将一个表想象成一个大的映射关系，通过行健、行健+时间戳或行键+列（列族：列修饰符），就可以定位特定数据，HBase是稀疏存储数据的，因此某些列可以是空白的。每个单元称作cell
下图演示了hbase中定义的一张表的逻辑视图。可以看到同样的key根据时间戳可以有不同的版本。某些cell可以为空。
根据hbase的逻辑视图以及官方资料我们可以总结出hbase表的一些特点：
写支持行级锁 空cell不占用空间，表可以是稀疏表，不会造成存储空间浪费 cell的内容是不可分割的字节数组，不区分类型 一个列名是由它的列族前缀和修饰符(qualifier)连接而成。例如上图c1表示列族，冒号后面接修饰符。 每一张表有一个固定的列族集合。修改列族集合需要修改表结构；列修饰符可以随意修改 相同的key值hbase会保存一定数量的版本，默认用时间戳来区分，读取的时候，列族和列修饰符都相同，则默认选最新的（列族相同，修饰符不同则还是会都显示的）。 2.2 物理视图虽然从概念视图来看每个表格是由很多行组成的，但是在物理存储上面，它是按照列来保存的。例如上图中的key=r1相关的行按照列族c1和c2不同，在物理上分成两部分存储，如下图：
总结：
HBase 为每个值维护了多级索引，即： 存储优化都是针对列族级别的，这就意味着，一个colimn family的所有成员的是用相同的方式访问的 在物理上，一个的列族成员在文件系统上都是存储在一起 2.3 hbase物理存储结构 Table在行的方向上分割为多个Region；
Region按大小分割的，每个表开始只有一个region，随着数据增多，region不断增大，当增大到一个阀值的时候，region就会等分会两个新的region，之后会有越来越多的region；
Region是Hbase中分布式存储和 负载均衡的最小单元 ，不同Region分布到不同RegionServer上。
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Strore又由一个memStore和0至多个StoreFile组成，StoreFile包含HFile（StoreFile是HFile的轻量级包装）；memStore存储在内存中，StoreFile存储在HDFS上。
2.4 列族的设计原则
每个列族都会MemStore和BlockCache，数据在硬盘中以HFile形式存储。HFile不会存储跨列族的数据。
因此，根据上图可以得出，HBase表中列族设计的原则是：
同一个列族里存储相似访问模式的所有有数据。可以理解为关系数据库中一对一关系，一对一关系的两张表，在HBase中可以存储在一张表中，放到不同的列族。 大多数的表，设计一个列族就够了。在HBase中，高表比宽表性能好，可以设计多张表来满足需求。总结：1张表1个列族最好
3. hbase基本架构
3.1 client
包含访问HBase的接口，并维护cache来加快对HBase的访问，比如region的位置信息
3.2 master为Region server分配region
负责Region server的负载均衡
发现失效的Region server并重新分配其上的region
管理用户对table的增删改查操作
3.3 Region ServerRegionserver维护region，处理对这些region的IO请求
Regionserver负责切分在运行过程中变得过大的region
3.4 zookeeper通过选举，保证任何时候，集群中只有一个master，Master与RegionServers 启动时会向ZooKeeper注册
存贮所有Region的寻址入口
实时监控Region server的上线和下线信息。并实时通知给Master
存储HBase的schema和table元数据
默认情况下，HBase 管理ZooKeeper 实例，比如， 启动或者停止ZooKeeper
Zookeeper的引入使得Master不再是单点故障
4. 高可用 4.1 Write-Ahead-Log（WAL）保障数据高可用
该机制用于数据的容错和恢复：
每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复
4.2 组件高可用 Master容错：Zookeeper重新选择一个新的Master。如果无Master过程中，数据读取仍照常进行，但是，region切分、负载均衡等无法进行； RegionServer容错：定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳，Master将该RegionServer上的Region重新分配到其他RegionServer上，失效服务器上“预写”日志由主服务器进行分割并派送给新的RegionServer Zookeeper容错：Zookeeper是一个可靠地服务，一般配置3或5个Zookeeper实例 5. HBASE与HDFS对比两者都具有良好的容错性和扩展性，都可以扩展到成百上千个节点；
HDFS适合批处理场景，但是不支持数据随机查找、不适合增量数据处理、不支持数据更新
参考资料：
hbase官方网站