HBase是一个基于HDFS文件系统的分布式NO-SQL数据库，比起RDBMS，它的特点是高可靠性、高性能、面向列、可伸缩，且能够在廉价硬件构成的集群上管理超大规模的稀疏表。
粒度
HBase表（table）中纵向的最基本的单位是列（qualifier），多个列组成一个列族（family），横向的最基本单位为行（row），每个行拥有一个唯一行键（row key），多个行组成一个区域（Region），且所有行键按照字典序进行排序存储，列和行的每个交错点为一个单元格，每个单元格可以保存多个版本。 引用列的时候一般需要带上列族（family:qualifier），列和列族可以是任何的字节数组，列族的数量受HBase实现的限制（大约为几十），但列的数量没有限制
纵向
- 列（qualifier）
- 列族（family）
横向
- 行（row）
- 区域（Region）
单元格（Cell）
- 单元格（Cell）是列（qualifier）和行（row）的交错点
- HBase中每一个单元格的值都具有一个时间戳，默认为系统取当前时间，也可以由用户显示指定，可以通过不同的时间戳区分一个值的不同版本，一个单元格的不同版本值按照降序排列在一起，访问时不指定版本时默认读取最新的值
- 用户可以指定每个值所能保存的最大版本数
Region
Region是HBase中拓展和负载均衡的基本单元，每个Region由表中行的子集构成，每个Region由它所属的表，它所包含的第一行及其包含的最后一行（不包括最后一行）来表示，一张表初始时只有一个Region，，但当Region的大小超过配置的最大值时，系统会在中间键处将这个Region拆分成两个大致相等的子Region
每一个Region只能由一个Region服务器加载，分布式多Region 服务器情况下一张表的逻辑视图如下所示：
可视化表现
HBase与普通RDBMS在行设计上不同，因此在可视化表现上也没有想经典的电子表格模型那样排列，而是采用了标签描述，具体的值都保存在一个特定的标签下
在标签描述下我们可以发现NULL值不会对应到任何标签，实际上，在HBase的存储架构中，会省略NULL值对应的整个列，也就是说，NULL值不占任何的存储结构开销。
存储相关
预写日志
每次更新数据时，数据记录都会先提交在一个提交日志中，然后才会将这些数据写入内存的memstore缓存区中。当memstore缓存区中的写入量累计大小超过了一个给定的最大值，系统才会将这些数据移出内存作为HFile文件刷写到磁盘中，memstore中的数据已经按照键排序，所以持久化到磁盘中的HFile也是按照这个顺序排列的
majar compaction
当HBase中的数据经历过多次删除，TTL后，将会产生大量零碎的HFile，因此需要一种操作将一个Region中一个列族的若干个HFile重写为一个新的HFile，这就是majar compaction，经过majar compaction后，HFile数量减少，文件大小减小，能够显著提高读数据的效率，但是缺点是它非常占用资源，在执行的过程中将会严重影响读写效率
触发时机
- 通过 CompactionChecker 线程来定时检查是否需要执行 compaction（RegionServer 启动时在 initializeThreads() 中初始化），每隔10000秒（可配置）检查一次
- 每当 RegionServer 发生一次 Memstore flush 操作之后也会进行检查是否需要进行 Compaction 操作
- 手动触发，执行命令 major_compact 、 compact
split
split是HBase根据一定的触发条件和一定的分裂策略将HBase的一个Region进行分裂成两个子Region并对父Region进行清除处理的过程
Pre-splitting
一个表刚被创建的时候，Hbase 默认分配一个 Region 给表，所有的读写请求都会访问到一个 RegionServer 上的唯一一个 Region。这样就达不到负载均衡的效果了，对于该表的请求将不会负载到集群中的其他 RegionServer上，形成读写热区
触发split的三种条件
- 当memstore flush操作后，HRegion写入新的HFile，有可能产生较大的HFile，HBase就会调用CompactSplitThread.requestSplit判断是否需要split操作
- HStore刚刚进行完compact操作后有可能产生较大的HFile，当满足HBase的某一分裂策略后就会进行split操作。
- 当HBaseAdmin使用命令手动发起split时，也会触发split操作
物理架构
HBase物理架构主要由三个组件组成：
- 主服务器（一般采用ZooKeeper为Region服务器分配Region）
- Region服务器（加载被分配的Region）
- 客户端