相较于Redis，memcached等缓存型的NoSQL数据库，HBase虽然也是NoSQL数据库，但是其使用更贴近于传统DB数据存储的功能，那么HBase与RDBMS(关系型数据库)的差异在哪里？为何HBase是NoSQL数据库？又为什么要使用HBase呢？今天让我们走近HBase。

1. HBase

HBase是一个开源的、分布式的、面向列（column-oriented）的数据库管理系统。它构建在Hadoop分布式文件系统（HDFS）之上，并受到了Google的Bigtable数据存储系统的启发。HBase提供了实时读/写访问大规模数据集的能力，并具有高可扩展性和高可靠性。

在本质上，HBase仍然是k-v型的数据存储，但是和Redis，memcached等简单直接的k-v存储不同，HBase本身有一些类似于关系型数据库的概念设计，这也为我们初识HBase增加了不小的难度。

2. HBase的逻辑结构

为了更好的理解HBase，让我们先来重新看看MySQL的数据结构：

MySQL的基本数据组织单元是表，表由数据行组成，每一行又有很多属性列。当我们查询数据时，可以按照属性列的值进行判断，筛选出我们所需的数据行，进行数据查询。

HBase和MySQL的结构有一丝丝相像，但其实完全不同：

HBase也有行的概念，并且通过RowKey进行唯一标识，每一行会有很多列族（Colunm Family），每个列族中又可以设置多个列作为属性。与MySQL不同，HBase不同行的同一列族中的列是可以不一样的。当我们在查询数据时，是通过 RowKey+Colunm Family+Colunm 来定位到我们要查找的value的，其本质还是通过一个key来定位value的查询逻辑，所以HBase本质也是k-v型的nosql数据库。

3. HBase的存储结构

HBase在磁盘中的存储结构式HFile，其由一个个k-v数据对组成，而k-v对就是我们上面提及的RowKey+Colunm Family+Colunm到val的映射。值得注意的是，key中还有version与keyType两个属性，其中version也是时间戳，在HBase中，数据的修改操作并不是直接覆盖式的，而是像日志一样增加一条新版本的数据（和ES是一样的，LSM树的思想），因此，同一个RowKey+Colunm Family+Colunm可能会映射到多个val，我们只读取最新的val。

HFile是Hbase在磁盘中的存储结构，我们前面提到，Hbase和ES类似，使用的也是LSM树的存储结构，那么什么是LSM树呢？简单来说分为四步：

• 增删改操作先写入AWL日志（Ahead Write Log），日志写入成功就视为操作成果，日志用于融灾恢复
• 数据先写入内存中的Memstore，提高写入效率。
• 定期刷新内存的Memstore到磁盘的HFile中。
• HFile是一个分层结构，老数据逐步合并下沉。

在搜索时，Hbase也是按照先查内存的Memstore，再逐级查找磁盘的HFile的顺序执行。

4. HBase的分布式架构

HBase的一个重要特点是其天生就是要支持分布式的。

从上图中可以看出，Hbase内部的核心结构由以下几大块组成：HMaster，HRegionServer，HLog，HRegion等,外部系统有Zookeeper等。

• HMaster：用来管理HRegionServer，管理HRegionServer的负载均衡，调整Region分布，不直接与client交互。在一个HBase集群中会存在多个HMaster，不过zookeeper的Master Election机制会保证只有一个HMaster在运行。当运行的HMaster出问题后，其他的HMaster就会立刻补上。
• HRegionServer：一个Hbase集群中有许多个HRegionServer，一个HRegion拥有多个Store（每个Store只会存储一个ColumnFamily）。当客户端发起一个查询数据的请求后，首先，客户端会先连接上zookeeper集群，之后会被路由到对应的HRegionServer。