前言
HBase，是基于GoogleBigtable实现的开源、分布式、可伸缩的列式存储数据库。
诞生于Hadoop，也是Hadoop生态的重要一环，如今作为一个Apache顶级项目，早已经不能将其仅仅看作Hadoop的一部分，基于Storm，Spark等框架的数据处理方案中，都有它的身影，可以说它已经成为大数据工具箱中非常重要的一种数据存储工具，也因此必然会被很纳入很多人学习计划。
对于任何一个新技术的介绍，我认为一种有效的学习方式是：对其有简要认知后，通过QuickStart式的使用，获得直观的感知，消除距离感，然后再带着使用过程中的疑问去了解其背后的真相，最后支撑我们将其应用到实际工程。
从关系型数据库模型来演变理解Hbase
在说Hase是个啥家伙之前，首先我们来看看两个概念，面向行存储和面向列存储。
面向行存储，我相信大伙儿应该都清楚，我们熟悉的RDBMS就是此种类型的，面向行存储的数据库主要适合于事务性要求严格场合，或者说面向行存储的存储系统适合OLTP，但是根据CAP理论，传统的RDBMS，为了实现强一致性，通过严格的ACID事务来进行同步，这就造成了系统的可用性和伸缩性方面大大折扣，而目前的很多NoSQL产品，包括Hbase，它们都是一种最终一致性的系统，它们为了高的可用性牺牲了一部分的一致性。好像，我上面说了面向列存储，那么到底什么是面向列存储呢？
相信各位对Mysql的概念比较熟，那我们从Mysql入手来介绍。
假如系统中有一个User表，如果按照传统的RDBMS的话，User表中的列是固定的，比如schema定义了name,age,sex等属性。
这种关系型数据结构的存储相信已经是非常熟悉了。但在Hbse，或是说在Nosql里面，却不是这样了。
新技术的学习，避免不了又是学习很多的术语，在解释之前，我们先说说在Hbase里面的术语。
表(table)：一张表中包含若干行。
行(row)：一行包括一个行键(rowkey)和若干列族，一张表中的行按照行键排序，并用行键作为索引。图中展示了一个行键为1、2、3的行。列族(columnfamily)：每个列族包含若干个列，列族需要在建表时预定义，运行期间可以动态加入新的列。图中的private、public就是row1行中的两个列族。
在物理层面，HBase的数据存储是在列族这一层级进行组织，每个列族单独存储。所以一般我们在开发中，指定列族名就用一个字母，并且不会超过两个。
列(column)：每个列都归属于某个列族，以列族名作为前缀，通常使用列族名：修饰符的形式来标识一个列，可以将其中的修饰符部分看作列名。图中的private:name和priavte:phone即是列族private中的成员。
单元格(cell)：存储的每一个值存放在一个单元格中，由[行，列，版本号]来唯一指向一个单元格。
版本(version)：版本号默认是时间戳形式，同一列中可能包含若干单元格，这些单元格由版本号唯一区分，根据版本号降序排列，HBase查询时，如果不指定版本号，默认返回最新的值。版本是HBase多维特性的表现。
HBase与Mysql关系型数据库非常不一样。HBase是一个稀疏的、分布式、持久、多维、排序的映射，它以行键（rowkey），列键（columnkey）和时间戳（timestamp）为索引。你可能会听到人们称呼它为key-value存储的、面向列族的数据库，或者是存储不同版本的映射的映射的数据库。
理解ColumnFamily和RegionServer
从关系型数据库模型来辅助理解，好像是一张表，被两个列族垂直纵向切割了。每一个切割的单元，我们就把它称之为一个列族。
如果纵向的切割，称之为列族，那横向的切割是什么？
对，没错，就是RegionServer，除了RegionServer，hbase里面还有其他的组件。先从粗粒度对HBase的架构进行简单了解吧：HMaster：主要负责监控集群、管理RegionServers的负责均衡等，可以用主-备形式部署多个Master。
HRegionServers：负责响应用户的I/O操作请求，客户端对HBase读写数据是与RegionServer交互。
Zookeeper：负责选举Master的主节点；服务注册；保存RegionServers的状态等。可以使用系统内建的zookeeper，也可以使用独立的zookeeper，只需要在配置文件中调整即可。
HDFS：真正的数据持久层，并非必须是HDFS文件系统，但搭配HDFS是最佳选择，也是目前应用最广泛的选择。
整体的理解Hbase架构
相关组件的介绍如下：Client
包含访问HBase的接口并维护cache来加快对HBase的访问Zookeeper
保证任何时候，集群中只有一个master存贮所有Region的寻址入口。实时监控Regionserver的上线和下线信息。并实时通知Master存储HBase的schema和table元数据
Master为Regionserver分配region负责Regionserver的负载均衡发现失效的Regionserver并重新分配其上的region管理用户对table的增删改操作
RegionServer
Regionserver维护region，处理对这些region的IO请求Regionserver负责切分在运行过程中变得过大的region
HLog(WALlog)：
HLog文件就是一个普通的HadoopSequenceFile，SequenceFile的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括sequencenumber和timestamp，timestamp是”写入时间”，sequencenumber的起始值为0，或者是最近一次存入文件系统中sequencenumber。HLogSequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue
Region
HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据；每个表一开始只有一个region，随着数据不断插入表，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（裂变）；当table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver上。
Memstore与storefile
一个region由多个store组成，一个store对应一个CF（列族）store包括位于内存中的memstore和位于磁盘的storefile写操作先写入memstore，当memstore中的数据达到某个阈值，hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major