当Table随着记录数不断增加而变大后，会逐渐分裂成多份splits，成为regions，一个region由[startkey,endkey)表示，不同的region会被Master分配给相应的RegionServer进行管理。
表和列说明：
Row KeyTimestampColumn Family
URIParser
url=http://www.chinastor.cn title=存储
host=chianstor.com
t1
r2t5url=http://www.chinastor.cn content=中存储…
t4host=alibaba.com
? Row Key: 行键，Table的主键，Table中的记录按照Row Key排序
? Timestamp: 时间戳，每次数据操作对应的时间戳，可以看作是数据的version number
? Column Family：列簇，Table在水平方向有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column组成，即Column Family支持动态扩展，无需预先定义Column的数量以及类型，所有Column均以二进制格式存储，用户需要自行进行类型转换。
Table & Region
当Table随着记录数不断增加而变大后，会逐渐分裂成多份splits，成为regions，一个region由[startkey,endkey)表示，不同的region会被Master分配给相应的RegionServer进行管理：
-ROOT- && .META. Table
HBase中有两张特殊的Table，-ROOT-和.META.
? .META.：记录了用户表的Region信息，.META.可以有多个regoin
? -ROOT-：记录了.META.表的Region信息，-ROOT-只有一个region
? Zookeeper中记录了-ROOT-表的location
Client访问用户数据之前需要首先访问zookeeper，然后访问-ROOT-表，接着访问.META.表，最后才能找到用户数据的位置去访问，中间需要多次网络操作，不过client端会做cache缓存。
MapReduce on HBase
在HBase系统上运行批处理运算，最方便和实用的模型依然是MapReduce，如下图：
HBase Table和Region的关系，比较类似HDFS File和Block的关系，HBase提供了配套的TableInputFormat和TableOutputFormat API，可以方便的将HBase Table作为Hadoop MapReduce的Source和Sink，对于MapReduce Job应用开发人员来说，基本不需要关注HBase系统自身的细节。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
