读书笔记-HBase in Action-第一部分 HBase fundamentals

新项目准备上HBase。HBase目前由组里某牛负责。本着学会使用HBase的目标，先阅读下HBase in Action，一共十章组织成三部分，需要学习的内容包括HBase基本实现原理，使用方法，Schema设计原则和实战等。借用Michael Stack（HBase Chair）的话，“At a highlevel, HBase is like theatomic bomb. Its basic operation can be explained onthe back of a napkin over adrink (or two). Its deployment is another matter。(HBase像原子弹一样，它的基本操作可以写在一张餐巾纸的背面，但是它的部署就是另一回事了。)

首先，HBase可以理解为Database on Hadoop，即山寨版的BigTable on GFS，具备以下几个主要特点：Key-Value分布式存储、面向列、实时随机读写。

基本概念&基本操作

以下是HBase的一些基本术语：

基本操作包括5种：

Put（存储或者修改单行记录）/Get（读取单行记录，可以指定列族、列等）/Delete（删除单行记录，由于底层存储不可变，实现为添加墓碑记录）/Scan（返回行集合，可以指定扫描起止row key，过滤条件等）/Increment（增加某个单元值，原子操作）

数据模型

逻辑上，可以把HBase数据理解成有序Map。其中记录行按照row key升序存储，version降序存储。

Map<RowKey, Map<ColumnFamily,Map<Column,Map<Version, Data>>>>

物理上（Region及HDFS细节下一节介绍），数据存储在HFile中，HFile只包含某一个列族数据，而每一个列族可能使用多个HFile。HFile使用列式存储。下图是HFile存储示意图，TheRealMT为row key，info为列族，email/name/password为列名，后两列为时间戳版本号和cell值（注：由于使用列式存储，HBase不用存储null值）。

        

数据读写过程

HBase数据同时写入到WAL（wrete-ahead log）和MemStore。每个列族都有一个MemStore缓存区，用于提高写入性能，数据定期同步到HFile；WAL用于保障可靠性，出问题时，如果MemStore数据没有同步到HFile中，可以从WAL回放恢复（WAL日志顺序写入，写入性能尚可）。

数据读取使用BlockCache/MemStore提高性能。

HBase与HDFS

理论上，HBase能运行在各种分布式文件系统之上，实际上，HBase和HDFS紧耦合在一起。HDFS提供可扩展性和容错性。HBase表可以存储数十亿行数据，每行可以包含成百上千个字段。Table随着记录数不断增加变大，会逐渐分裂成多个Region。Region由RegionServer进行管理。借用一张淘宝技术博客的图。在实际生产环境中，RegionServer可以部署在HDFS DataNode节点上，节省网络IO。

从高层次来讲，通过HDFS引入统一命名空间，也保障了HBase的可用性，当某台RegionServer挂掉，其他ReginServer可以读取HDFS上数据。

Region分裂带来一个新问题：怎么查找特定Region。HBase通过两张特殊表-ROOT-和.META来实现。其中-ROOT-表记录了.META表Region信息，-ROOT-表只有一个Region，其位置记录在ZooKeeper上。.META表记录用户表Region信息，可以有多个Region。可以把查找Region看做是在高度为3的B+Tree树中查找叶子节点的过程。

HBase与MapReduce

HBase主要用于低延迟访问场景，如果应用强调吞吐量，不关心延迟时间，可以考虑使用MapReduce进行数据处理。TableMapper和TableReduer封装了访问HBase数据的细节。Map和Reduce方法签名如下：

protected void map(ImmutableBytesWritable rowkey,Resultresult,Context context);
protected void reduce(ImmutableBytesWritablerowkey,Iterable<Put> values,Context context);

还需要使用TableMapReduceUtil帮助类初始化Job，指定HBase表名等参数。

TableMapReduceUtil.initTableMapperJob(
  "twits",
  scan,
  Map.class,
  ImmutableBytesWritable.class,
  Result.class,
  job);

另外，由于HBase天然是Key-Value存储，可以把它看做是一个分布式Map，利用HBase随机访问高性能特性，使用Get和小范围的Scan操作帮助实现Map-Join，如下图所示：