前言
Hbase 是一个分布式的、多版本、面向列的开源 KV 数据库。运行在 HDFS 的基础上，支持 PB 级别、百万列的数据存储。作为性能如此强大的KV数据库，HBase的存储结构究竟是怎样的呢？面向列的存储结构究竟有什么样的不同之处呢？接下来会详细讲解这部分。
HBase的存储结构
为了清晰地表述这个，我们把HBase的存储结构分为逻辑结构和物理结构两个部分来描述。
逻辑存储结构
通过下图直观地展示 HBase 的逻辑存储结构：
在本图中，列簇（Column Family）对应的值就是 info 和 area ，列（ Column 或者称为 Qualifier ）对应的就是 name 、 age 、 country 和 city ，Row key 对应的就是 Row 1 和 Row 2，Cell 对应的就是具体的值。
Row key：表的主键，按照字典序排序。- 列簇：在
HBase中，列簇将表进行横向切割。 - 列：属于某一个列簇，在
HBase中可以进行动态的添加。 Cell: 是指具体的Value。Version：在这张图里面没有显示出来，这个是指版本号，用时间戳（TimeStamp）来表示。
看完这张图，是不是有点疑惑，怎么获取其中的一条数据呢？既然 HBase 是 KV 的数据库，那么当然是以获取 KEY 的形式来获取到 Value 啦。在 HBase 中的 KEY 组成是这样的：
KEY 的组成是以 Row key 、CF(Column Family) 、Column 和 TimeStamp 组成的。
TimeStamp 在 HBase 中充当的作用就是版本号，因为在 HBase 中有着数据多版本的特性，所以同一个 KEY 可以有多个版本的 Value 值（可以通过配置来设置多少个版本）。查询的话是默认取回最新版本的那条数据，但是也可以进行查询多个版本号的数据，在接下来的进阶操作文章中会有演示。
Region Server 和 Region 的关系
- 一个
Region Server就是一个机器节点(服务器) - 一个
Region Server包含着多个Region - 一个
Region包含着多个列簇(CF) - 一个
Region Server中可以有多张Table，一张Table可以有多个Region
物理存储结构
先来看这张图：
为了不混淆，我们可以先把以下的概念一一对应起来
| 逻辑结构 | 物理结构 |
|---|---|
| Region Server | HRegion Server |
| Region | HRegion |
| CF | HStore(这里指的是Store) |
在具体的物理结构中
HRegion Server就是一个机器节点，包含多个HRegion，但是这些HRegion不一定是来自于同一个Table，负责响应的是用户的IO请求，和HDFS进行交互，是服务器中的一个进程。HRegion包含多个HStore。- 一个
CF组成一个HStore，默认是10 G，如果大于10G会进行分裂。HStore是HBase的核心存储单元，一个HStore由MemStore和StoreFile组成。 MemStore是一块内存，默认大小是128M，如果超过了这个大小，那么就会进行刷盘，把内存里的数据刷进到StoreFile中。- 在
HStore对应着的是Table里面的Column Family，不管有CF中有多少的数据，都会存储在HStore中，为了避免访问不同的HStore而导致的效率低下。 HRegion是Hbase中分布式存储和负载均衡的最小单元，但不是存储的最小单元。- 一个
Hstore可以有多个StoreFile
在HBase中查找不同的CF的数据
从不同的 CF 中查询 Row 3 主键的数据，结果集如下：
更加直观地显示，在 HBase 中是以 CF 为单元的存储结构。
HBase的架构
如下图，HBase 的架构图，在 HBase 中我们看到有 Client、Zookeeper、HMaster 和 HRegion。
Client是客户端，要求读写数据的发起者。ZK集群是负责转发Client的请求和提供心跳机制，会让HRegion Server和HRegion注册进来，同时保存着Rowkey和Region的映射关系。HMaster中可以有多个待命，只有一个在活跃。
Hbase读取数据的过程
Client 请求读取数据时，先转发到 ZK 集群，在 ZK 集群中寻找到相对应的 Region Server，再找到对应的 Region，先是查 MemStore，如果在 MemStore 中获取到数据，那么就会直接返回，否则就是再由 Region 找到对应的 Store File，从而查到具体的数据。
在整个架构中，HMaster 和 HRegion Server 可以是同一个节点上，可以有多个 HMaster 存在，但是只有一个 HMaster 在活跃。
在 Client 端会进行 rowkey-> HRegion 映射关系的缓存，降低下次寻址的压力。
HBase 写入数据的过程
先是 Client 进行发起数据的插入请求，如果 Client 本身存储了关于 Rowkey 和 Region 的映射关系的话，那么就会先查找到具体的对应关系，如果没有的话，就会在ZK中进行查找到对应 Region server，然后再转发到具体的 Region 上。所有的数据在写入的时候先是记录在 WAL 中，同时检查关于 MemStore 是否满了，如果是满了，那么就会进行刷盘，输出到一个 Hfile 中，如果没有满的话，那么就是先写进 Memstore 中，然后再刷到 WAL 中。
PS：画图的过程是真滴累啊！！！
题图：chichimaru
