首先，HBase能够理解为Database on Hadoop，即山寨版的BigTable on GFS，具备下面几个主要特点：Key-Value分布式存储、面向列、实时随机读写。

基本概念&基本操作

下面是HBase的一些基本术语：

1. Table：和关系型数据库一样，HBase数据以表的形式组织，表也由行和列组成。
2. Column families：列族，即列分组，每一个列都属于一个列族。
3. Row key：即每行数据的主键，无数据类型，HBase依照rowkey字节序顺序存储记录。
4. Version:以时间戳表示的版本号号。默认每一个数据保留三个版本号，依照版本号号降序存储。
5. Cell：表中的基本存储单元，由{rowkey, column families,column, version} 唯一确定，无数据类型，和row key一样都是字节数组。

基本操作包含5种：

Put（存储或者改动单行记录）/Get（读取单行记录，能够指定列族、列等）/Delete（删除单行记录，因为底层存储不可变，实现为加入墓碑记录）/Scan（返回行集合，能够指定扫描起止row key，过滤条件等）/Increment（添加某个单元值，原子操作）

数据模型

逻辑上，能够把HBase数据理解成有序Map。当中记录行依照row key升序存储，version降序存储。

Map<RowKey, Map<ColumnFamily,Map<Column,Map<Version, Data>>>>

物理上（Region及HDFS细节下一节介绍），数据存储在HFile中，HFile仅仅包括某一个列族数据，而每个列族可能使用多个HFile。HFile使用列式存储。下图是HFile存储示意图，TheRealMT为row key，info为列族，email/name/password为列名，后两列为时间戳版本和cell值（注：因为使用列式存储，HBase不用存储null值）。

数据读写过程

HBase数据同一时候写入到WAL（wrete-ahead log）和MemStore。每一个列族都有一个MemStore缓存区，用于提高写入性能，数据定期同步到HFile；WAL用于保障可靠性，出问题时，假设MemStore数据没有同步到HFile中，能够从WAL回放恢复（WAL日志顺序写入，写入性能尚可）。

数据读取使用BlockCache/MemStore提高性能。

HBase与HDFS

理论上，HBase能执行在各种分布式文件系统之上，实际上，HBase和HDFS紧耦合在一起。HDFS提供可扩展性和容错性。HBase表能够存储数十亿行数据，每行能够包括成百上千个字段。Table随着记录数不断添加变大，会逐渐分裂成多个Region。Region由RegionServer进行管理。借用一张淘宝技术博客的图。在实际生产环境中，RegionServer能够部署在HDFS DataNode节点上，节省网络IO。

从高层次来讲，通过HDFS引入统一命名空间，也保障了HBase的可用性，当某台RegionServer挂掉，其它ReginServer能够读取HDFS上数据。

Region分裂带来一个新问题：怎么查找特定Region。HBase通过两张特殊表-ROOT-和.META来实现。当中-ROOT-表记录了.META表Region信息，-ROOT-表仅仅有一个Region，其位置记录在ZooKeeper上。.META表记录用户表Region信息，能够有多个Region。能够把查找Region看做是在高度为3的B+Tree树中查找叶子节点的过程。

HBase与MapReduce

HBase主要用于低延迟訪问场景，假设应用强调吞吐量，不关心延迟时间，能够考虑使用MapReduce进行数据处理。TableMapper和TableReduer封装了訪问HBase数据的细节。Map和Reduce方法签名例如以下：

protected void map(ImmutableBytesWritable rowkey,Resultresult,Context context);
protected void reduce(ImmutableBytesWritablerowkey,Iterable<Put> values,Context context);

还须要使用TableMapReduceUtil帮助类初始化Job，指定HBase表名等參数。

TableMapReduceUtil.initTableMapperJob(
  "twits",
  scan,
  Map.class,
  ImmutableBytesWritable.class,
  Result.class,
  job);