Hbase本身是数据库，本身就是为了存储数据，因此了解其存储原理对我们是很有必要的，这样我们才能更好的使用Hbase。
这篇文章主要记录了关于Hbase一些进阶的知识点，掌握这些东西在以后使用Hbase的过程中将更加的得心应手。
行式存储与列式存储
列式存储(Columnar or column-based)是相对于传统关系型数据库的行式存储(Row-basedstorage)来说的。简单来说两者的区别就是如何组织表
- 行式存储以一系列的行来存储一个表，一行一行的进行存储
- 列式存储以一系列的列来存储一个表, 一个列一个列的进行存储
行式存储与列式存储的应用环境
如果需要关系查询，那么行式存储很好
行式存储最大的优点是关系之间的解决方案，表与表之间很大的关联关系并且数据量不大，那么行式存储就是很好的选择。记住因为它的线性扩展性不高，需要保证数据量不能特别大，控制在千万级与以下。
如果数据量非常大，使用列式存储
在大数据，利于压缩和扩展的肯定要选择列式存储，如果事务使用率不高，那么也最好使用列式存储，随机更新更些行的频率不高，也可以使用列式存储
Hbase的列族式存储
列族就是多个数据列的组合，列族式可以说是表的schema的一部分，而列不是。Hbase可以说是列簇数据库，在创建表的时候要指定列族，而不需要指定具体的列。
Hbase Table组成：
Table = rowkey + family + column + timestamp + value
数据存储模式：
(Table, rowkey , family , column , timestamp) -> Value
Hbase列数据默认可以保存3个版本，不过可以设置该属于保存几个版本。
Hbase数据存储原型
HBase 是一个稀疏的、分布式、持久、多维、排序的映射，它以行键（row key），列键（column key）和时间戳（timestamp）为索引。
Hbase在存储数据的时候，有两个SortedMap，首先按照rowkey进行字典排序，然后再对Column进行字典排序。
这张图可以看到其存储排序是先由rowkey排序，然后按列的名称进行排序
Hbase数据表解析
我们分析下条语句，在hbase shell中，直接按create命令不带参数，hbase会提示建表的语法。
create 'demo:user', {NAME => 'f1', VERSIONS => 5, COMPRESSION => 'SNAPPY',COMPRESSION_COMPACT=>'snappy','REPLICATION_SCOPE'=>1}
- 表名字叫做'demo:user'
- NAME 列族名字是 f1，记住建表一定要指定列族名
- VERSION 是Hbase的表保存的数据版本数，默认保存3个版本
- REPLICATION_SCOPE 值可以为0或者1，0代表不复制，1代表启用复制
- COMPRESSION_COMPACT,COMPRESSION 是表的压缩类型
Hbase提供了三种常用的压缩类型，如下，并且官方给出的压缩率如下：
Hbase数据存储目录解析
我们在搭建Hbase的时候需要在hbase-site.xml中指定其存储目录，Hbase在指定的目录中构造数据数据
- .tmp 当对表进行创建和删除的时候会把表移动到.tmp目录下，然后再进行表操作，他是一个临时的数据交换目录
- WALS 理解为存储Hbase的操作日志
- archive 管理表的归档，这个由一个定时任务定时处理，管理和维护hbase的数据
- corrupt 一般是损坏的数据
- data 存储数据的核心目录
- hbase.id 标识hbase进程
- hbase.version 表名的
- oldWALs 日志已经被持久化之后，日志就被移动到这个目录下等待删除
- data/default 目录存储的是当前Hbase内包含的的表信息
- data/hbase 存储元数据和命名空间
Hbase的元信息表
hbase的元数据表为'hbase:meta'，存储在ZooKeeper上面。它也是一张普通的hbase表。它的结构如下：
region是存储数据的最基本单元
Key:
table,key,time 三个部分的组合。因为Hbase根据rowkey排序，所有可用很快的找打对应的表
Values: 指向的是region server指向的region
info:regioninfo 对于region的基本信息存储，平时基本上用不到
info:server region服务器的地址和端口，这样就可以找到服务器
info:serverstartcode 数据校验的时候才用得到的
里面的值也是会进行变化的。RegionServer挂掉，它也会及时的更新，Hbase表相当于Hbase的第一级索引，是Hbase最重要的系统表。
Hbase读取数据过程
在读数据的时候，客户端首先连接到ZooKeeper上面，然后查找"hbase:meta"表的位置，客户端查询"hbase:meta"表然后找到对应rowKey的Region，然后Region和RegionServer的信息缓存到客户端，在接下来的交互中就无需再次连接查询"hbase:meta"表了，如果缓存过期之后，客户端会发起一个新的查询，然后再缓存到本地。
在读取的时候，其中的WAL功能如下：
在写数据的时候，数据首先被写到日志文件中(write-ahead log)，然后写到MemStore中。直接写到MemStore很有可能导致数据丢失的问题，因为它存储在内容中。一旦MemStore满了，MemStore的内容就会刷新到磁盘中的HFile文件中。
在发生故障的时候，WAL的作用就显示出来了。因为WAL存储在HDFS上面，一般会有多份的复制，任何一个服务器有复制的WAL都可以使用。
而HFile代表真实的数据存储文件，这个文件包含不同数量的数据块和固定数量的文件信息块。索引块记录数据和元数据块的偏移量，每一个数据块包含魔数头和许多的KeyValue实例。
参考
[Hbase .META table](https://stackoverflow.com/questions/25917701/hbase-meta-table)
[Hbase 官方参考](http://hbase.apache.org/book.html#arch.catalog.meta)
[Hbase 存储原理剖析](https://www.imooc.com/learn/996)
[几张图看懂列式存储](https://blog.csdn.net/dc_726/article/details/41143175)
[Hbase模式设计介绍](https://zhuanlan.zhihu.com/p/36235199)
[Hbase存储原理剖析](https://www.imooc.com/learn/996)
注：
本文独家发布自金蝶云社区
