注：由图可见Hyperbase存储数据十分稀疏，在数据存储的时候，如果某一个单元格没有数据时，最终落在底层数据存储时也不会占据多余的存储空间。 同一单元格里的数据是按照时间倒叙排列，方便快速查找到最新的数据。rowkey有序的按照生序的方式排列。
Namespace（命名空间）：
命名空间是对表的逻辑分组，类似于关系型数据库中的database。利用命名空间，在多租户场景下可以达到更好的资源和数据隔离效果。table（表）：
Hyperbase以表维单位组织数据。表由多行组成。row（行）：
表以行维单位组织数据。行由一个rowkey和多个列族组成。rowkey（行键）：
是Hyperbase表中决定一行数据的唯一标识。rowkey是按照字典顺序进行排列。rowkey最多能存储64k字节的数据。column family（列族）&column（列）&Column qualifier（列限定符）：
Hyperbase表中的每一个列都归属于某个列族，列族必须作为Schema定义的一部分预先给出；列族必须在建表时明确定义，入：create ‘student’，‘basicinfo’，‘courseinfo’列由列族和列限定符唯一指定，形式为列族：列限定符；每一个列族都可以有多个列，新的列可以在表创建后，动态的加入某个列族；权限控制、存储以及调优都是在列族层面进行的。物理上，同一列族的数据存储在一起 注：以行的形式体现表，但是是以列的形式存储数据的。cell（单元格）：
由行和列的坐标交叉所决定；Hyperbase中的单元格中所存储的都是字节数组（Byte[]），也就是说Hyperbase单元格中的数据是没有类型的，全部都是字节码的形式进行存储。timestamp（时间戳）：
在Hyperbase中每个cell存储单元对同一份数据有多个版本，根据唯一的时间戳来区分每个版本之间的差异；不同版本的数据按照时间倒序排序，最新的数据排在最上面；时间戳可以在数据写入时由Hyperbase自动赋值，同样也可以由用户来手动赋值，但是如果要避免数据版本之间的冲突，就必须由用户自己生成具有唯一性的时间戳；时间戳的数据类型是64位整形。为了避免数据存在过多版本造成的的管理(包括存贮和索引)负担，Hyperbase提供了两种数据版本回收方式。一是保存数据的最后n个版本，二是保存最近一段时间内的版本。数据在Hyperbase中的数据读取流程为table->rowkey->column family->column->cell->ti mestamp。HMaster是Hbase集群的主节点，它对于自身而言管理元数据，并管理表的创建、删除和修改。作为集群管理者，它为HRegionServer分配Region，并保证HRegionServer的负载均衡（分配均匀数量的Region），但不处理Client的数据读写请求。
HRegionServer是Hbase集群的从节点，它负责处理Client的读写请求，管理Region的分裂和Storefile的合并。
Zookeeper除了负责HMaster的高可用之外，还负责监控HRegionServer的上下线信息，并通知HMaster。而且存储元数据的寻址入口和所有Region的寻址入口。（注：与hdfs的主从不同的是，在HRegionServer处理来自客户端的请求的时候，不会通过HMaster，而是由Zookeeper直接找到hmaster存储的元数据的hyperbase表，查找到目标表的HRegionServer，在哪些Region中存放，然后将元数据缓存在client节点之后再通过HRegionServer来对表数据操作）。
client通过接口访问hyperbase，为了加快数据访问速度，将元数据，region位置等信息缓存在client cache中。
Region是Hyperbase中分布式存储和负载的最小单元。系统会将表中数据按照rowkey划分为多个Region，每一个Region中保存表中的一段数据，默认情况下每一张表一开始只有一个Region，但是随着数据的写入，Region会不断的增大，当Region的大小超过阈值时，会分裂为两个Region，以此类推，并且随着Region的不断分裂，HMaster会将部分Region迁移到其他的HRegionServer中去来实现负载均衡，因此一张表中的数据通常被保存在多个HRegionServer的多个Region中。（注：很方便的通过rowkey进行切分）
Region是由多个Store组成的，每一个Store存储表中一个列族的数据。Store由内存中的MemStore以及磁盘中的StoreFile两部分构成。
MemStore是Store的内存缓冲区，数据读写都要首先经过MemStore。而StoreFile是MemStore的磁盘溢写文件，在HDFS中被称为HFile。在Hyperbase写入数据时，数据先被写入MemStore，当MemStore中的数据达到阈值时，HRegionServer会将MemStore中的数据溢写入磁盘中，每一次溢写都生成一个独立的StoreFile，StoreFile文件落在HDFS中被称为HFile。当StoreFile的数量超过阈值时，HRegionServer会将若干小的StoreFile合并成为一个大的StoreFile。（注：落小文件会在巡道时对hdfs造成压力）在Client从Hyperbase中读取数据时，Client会先找MemStore（注：因为在没有达到阀值时，MemStore中的数据不会写入到StoreFile，如果不先读MemStore则会少读到一部分数据），之后再去读取StoreFile。（当Region中Store大大小超过一定的阈值时，HRegionServer会将其等分成两个Region）
HLog是预写日志产生的日志文件，就是说Hyperbase在进行操作时，会首先将操作写入日志，后进行具体操作，即先写HLog，再写MemStore，最后由MemStore溢写出StoreFile。HLog的存在意义就是在HRegionServer意外宕机时作为数据恢复的依据。每一个HRegionServer都会维护一个自己的HLog，并且HLog会定期将过期数据进行清理。
Hyperbase的数据恢复过程：
1. 首先HMaster通过Zookeeper自动感知HRegionServer的宕机； 2. HMaster会处理HLog，并针对不同的Region将HLog进行拆分； 3. HMaster重新分配失效的Region； 4. 通过HLog将尚未持久化的数据重新写入MemStore，然后溢写到StoreFile。
当有一张表的数据在写入Hyperbase时，Region会在写入的过程中分裂为多个Region，这样的多个Region均匀的存储在HRegionServer中，而我们的客户端在进行读请求时也是直接访问的HRegionServer。
HRegionServer中的一个Region会根据表结构中的列族细分为多个Store，每一个Store存储一个列族的数据，而这些Store由有MemStore和StoreFile之分，数据在写入时，首先写入MemStore，当MemStore中的数据达到阈值时，HRegionServer会将这些MemStore中的数据溢写为StoreFile文件，StoreFile文件为HDFS当中持久化文件，即HFile文件。
随着MemStore中的数据不停的溢写为StoreFile文件，StoreFile文件的数据量过多超过阈值，这些StoreFile文件就会进行合并，合成为一个大的StoreFile文件。这些大的StoreFile文件最终存储到HDFS上就是HFile文件。
Hbase的表为什么是稀疏的结构呢？PPT中的图示可以说明，在一个列族进行存储的时候，会按行去进行扫描，有数据就会进行存储，没有数据就不进行存储。最终存储成key-value的形式保存成StoreFile。
StoreFile Compaction的含义是将Store中的全部或者部分StoreFile合并为一个StoreFile的过程，其目的是为了减少StoreFile文件的数量，提升数据读取的效率。
StoreFile Compaction的分类：
1. Minor Compaction就是在StoreFile合并时，选取Store下的部分的StoreFile进行合并，一般选取的标准是相邻或者比较小的StoreFile进行合并，将这些StoreFile合并为一个大的StoreFile。这种合并机制速度较快，并且IO和带宽的开销相对较低，除此之外，该合并机制对于版本过期的数据不会进行删除，只会删除被标记为删除的数据。
2. Major Compaction就是在StoreFile合并时，将Store下的所有StoreFile和并为一个StoreFile，该合并机制对于IO以及带宽的开销非常高，速度很慢，并且会对版本过期的数据进行删除，并删除标记为删除的数据。
当Region的大小达到阈值时，HRegionServer会将这个Region分裂为两个小的Region，这个过程就是Region Split，Region Split的目的是为了保证数据的负载均衡。
Region Split的具体方法是利用Middle Key将当前Region划分为两个等量的Region。当Region中最大的Store的大小超过阈值时，触发Region Split，并且Split会产生大量的IO操作，在Split开始前和完成后，HRegionServer都会通知HMaster，在Split完成后，HRegionServer会更新meta表。
写操作中，首先Client会去访问Zookeeper来获取meta表所在Region的位置信息，并将该信息写入Client Cache。之后Client读取meta表，后根据Namespace、表名和rowkey，来获取将要写入Region的位置信息，并将meta表写入Client Cache，之后就由Client与HRegionServer直接交互完成写操作。Client向HRegionServer发出写请求，HRegionServer先将操作和数据写入HLog，再将数据写入MemStore，并保持有序。当MemStore达到阈值时，将数据溢写入磁盘，生成StoreFile文件。当StoreFile文件数量超过阈值时，触发StoreFile Compaction将若干StoreFile进行合并。当Region中最大的StoreFile文件大小超过阈值时，Region分裂为两个Region。
读操作中，同样Client会去访问Zookeeper来获取meta表所在的Region的位置信息，并将该信息写入Client Cache。之后Client读取meta表，并根据Namespace、表名和rowkey来获取将要读取的Region的位置信息，将meta表写入Client Cache，后由Client和HRegionServer直接交互。Client向HRegionServer发出读请求。HRegionServer会先从MemStore中读取数据，如果未找到、再从StoreFile中读取数据。
一级索引就是指各行数据按照rowkey的字典顺序排列，通过rowkey来查询表中对应数据。一级索引对rowkey的查询效率很高，但是无法实现基于列的条件查询，在某些场景下不太适用。
通过在某个或者某些列上建立二级索引，达到创建全局索引的目的，实现基于列的快速条件查询。一张表可以创建多个全局索引。
