【每日五分钟搞定大数据】系列，HBase第三篇
聊完场景和数据模型我们来说下HBase的架构，在网上找了张比较清晰的图，我觉得这张图能说明很多问题，那这一篇我们就重点来解析下这张图
角色与职责
先介绍下上图中的几个角色和Ta们的职责：
1.HMaster
- 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;
- 处理schema更新请求
2.Client
Client包含访问HBase的接口，并维护cache（region的位置信息）来加快对HBase的访问
3.Zookeeper
在之前的Zookeeper篇讲过HBase和Zookeeper的联系，忘记地同学可以去翻一下。
- HMaster的HA
- regionserver状态信息
- 存root表（用于记录.META.表所在的regionServer，该表只会有一个regionServer）
- 存储HBase的schema和table元数据
- 发现失效的Region，借助HMaster分配region
4.HRegionSever
即一台服务器，拥有一个到多个HRegion
RegionServer
图里HRegionServer里面的内容很多，大家可能会看得有点懵，我们来详细说下这个HRegionServer里面的东西。
HRegionServer 包含 （1+）个 Region
一个 HRegionServer 包含一到多个Region，而Region就是一张HBase表按一定阈值横向切割的一部分。
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 包含 （1+）个 Store = columns family 列族个数
Region由一个或者多个Store组成，每个store保存一个columns family;
Store 是一个抽象的概念就是一个存储，它的个数和HDFS上的存储目录个数是一致的，而一个存储目录对应的就是一个columns family列族。
Store 包含（1）个 MemStore +（0+）个 StoreFile
Store 上面说了就是一个存储，他包含了一个内存的存储和0+个文件存储，一个Store的所有文件都存在一个目录下，这个目录下的所有文件对应的是一个列族。
注意：
- StoreFile是实际存储数据的。是HFile的轻量级包装。
- StoreFile达到阈值个数（4）会进行合并;
- 一个StoreFile达到阈值大小会进行分裂；
- 分裂后由hmaster分配到不同region起到负载均衡作用(若出现hot region可以手动拆分)
上面说得可能有点抽象，我们来看具体的数据：
我们来沿用下上一篇的那个表：
如表：
假设这张表有几万行，一行就代表一万行，那可能A和B可能是属于RegionA，C和D可能是属于RegionB，
RegionA和RegionB可能分布在不同的RegionServer上，
可见，RegionA有两个列族，CF1和CF2，
即它有两个Store，
即在HDFS上有两个目录分别用于存放CF1和CF2，
即CF1和CF2在内存里也分别各对应了一个MemStore
读写
这里先讲个大概，后面的文章我会每一步详细分析，比如region的分裂过程，StoreFile的合并过程，rowkey的定位详细流程等等，欢迎持续关注。
Region定位流程：
- Zookeeper：记录了-ROOT-表的位置。
- -ROOT-：记录.META.表所在的region列表，该表只会有一个Region；
-
.META.：根据给定的key找到RegionServer。.META.记录所有的用户空间region列表，以及RegionServer的服务器地址。
写流程
- 向zookeeper发起请求，从ROOT表中获得META所在的region，再根据table，namespace，rowkey，去meta表中找到目标数据对应的region信息以及regionserver
-
把数据分别写到HLog和MemStore上一份
MemStore达到一个阈值后则把数据刷成一个StoreFile文件。若MemStore中的数据有丢失，则可以总HLog上恢复
当多个StoreFile文件达到一定的大小后，会触发Compact合并操作，合并为一个StoreFile，这里同时进行版本的合并和数据删除。
当Compact后，逐步形成越来越大的StoreFIle后，会触发Split操作，把当前的StoreFile分成两个，这里相当于把一个大的region分割成两个region读流程
- 从zookeeper获得root表所在region位置
- 根据table，namespace，rowkey去root表中获得meta表所在region位置
- 根据table，namespace，rowkey去meta表中获得这条记录所在regionserver
- 首先检查请求的数据是否在Memstore，写缓存未命中的话再到读缓存(blockCache)中查找，读缓存还未命中才会到HFile文件中查找，最终返回merged的一个结果给用户
-
client端会对数据块缓存
数据flush过程
- 当memstore数据达到阈值（默认是64M），将数据刷到硬盘，将内存中的数据删除同时删除Hlog中的历史数据。
- 并将数据存储到hdfs中。
-
在hlog中做标记点。
数据合并过程
- 当数据块达到4块，hmaster将数据块加载到本地，进行合并
- 当合并的数据超过256M，进行拆分，将拆分后的region分配给不同的hregionserver管理
- 当hregionser宕机后，将hregionserver上的hlog拆分，然后分配给不同的hregionserver加载，修改.META.
注意：hlog会同步到hdfs
