hbase 简介

  • 来源:网络
  • 更新日期:2020-09-29

摘要:服务器 概述 HBase是一个构建在HDFS上的分布式列存储系统; HBase是基于GoogleBigTable模型开发的,典型的key/value系统; HBase是Apac

服务器

概述


HBase是一个构建在HDFS上的分布式列存储系统;

HBase是基于GoogleBigTable模型开发的,典型的key/value系统;

HBase是ApacheHadoop生态系统中的重要一员,主要用于海量结构化数据存储;

从逻辑上讲,HBase将数据按照表、行和列进行存储。

与hadoop一样,Hbase目标主要依靠横向扩展,通过不断增加廉价的商用服务器,来增加计算和存储能力。

Hbase表的特点

大:一个表可以有数十亿行,上百万列;

无模式:每行都有一个可排序的主键和任意多的列,列可以根据需要动态的增加,同一张表中不同的行可以有截然不同的列;

面向列:面向列(族)的存储和权限控制,列(族)独立检索;

稀疏:空(null)列并不占用存储空间,表可以设计的非常稀疏;

数据多版本:每个单元中的数据可以有多个版本,默认情况下版本号自动分配,是单元格插入时的时间戳;

数据类型单一:Hbase中的数据都是字符串,没有类型。

·Hbase数据模型

Hbase逻辑视图


注意上图中的英文说明

Hbase基本概念

RowKey:是Bytearray,是表中每条记录的“主键”,方便快速查找,Rowkey的设计非常重要。
ColumnFamily:列族,拥有一个名称(string),包含一个或者多个相关列
Column:属于某一个columnfamily,familyName:columnName,每条记录可动态添加
VersionNumber:类型为Long,默认值是系统时间戳,可由用户自定义
Value(Cell):Bytearray

·Hbase物理模型

每个columnfamily存储在HDFS上的一个单独文件中,空值不会被保存。

Key和 Version number在每个 column family中均有一份;

HBase为每个值维护了多级索引,即:

物理存储:

1、Table中所有行都按照rowkey的字典序排列;

2、Table在行的方向上分割为多个Region;

3、Region按大小分割的,每个表开始只有一个region,随着数据增多,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,之后会有越来越多的region;

4、Region是Hbase中分布式存储和负载均衡的最小单元,不同Region分布到不同RegionServer上。



5、Region虽然是分布式存储的最小单元,但并不是存储的最小单元。Region由一个或者多个Store组成,每个store保存一个columnsfamily;每个Strore又由一个memStore和0至多个StoreFile组成,StoreFile包含HFile;memStore存储在内存中,StoreFile存储在HDFS上。


·HBase架构及基本组件


Hbase基本组件说明:

Client

ü包含访问HBase的接口,并维护cache来加快对HBase的访问,比如region的位置信息

Master

ü为Regionserver分配region

ü负责Regionserver的负载均衡

ü发现失效的Regionserver并重新分配其上的region

ü管理用户对table的增删改查操作

RegionServer

üRegionserver维护region,处理对这些region的IO请求

üRegionserver负责切分在运行过程中变得过大的region

Zookeeper作用

ü通过选举,保证任何时候,集群中只有一个master,Master与RegionServers启动时会向ZooKeeper注册

ü存贮所有Region的寻址入口

ü实时监控Regionserver的上线和下线信息。并实时通知给Master

ü存储HBase的schema和table元数据

ü默认情况下,HBase管理ZooKeeper 实例,比如, 启动或者停止ZooKeeper

üZookeeper的引入使得Master不再是单点故障

Write-Ahead-Log(WAL)


该机制用于数据的容错和恢复:

每个HRegionServer中都有一个HLog对象,HLog是一个实现WriteAheadLog的类,在每次用户操作写入MemStore的同时,也会写一份数据到HLog文件中(HLog文件格式见后续),HLog文件定期会滚动出新的,并删除旧的文件(已持久化到StoreFile中的数据)。当HRegionServer意外终止后,HMaster会通过Zookeeper感知到,HMaster首先会处理遗留的HLog文件,将其中不同Region的Log数据进行拆分,分别放到相应region的目录下,然后再将失效的region重新分配,领取到这些region的HRegionServer在Load Region的过程中,会发现有历史HLog需要处理,因此会ReplayHLog中的数据到MemStore中,然后flush到StoreFiles,完成数据恢复

HBase容错性

Master容错:Zookeeper重新选择一个新的Master

ü无Master过程中,数据读取仍照常进行;

ü无master过程中,region切分、负载均衡等无法进行;

RegionServer容错:定时向Zookeeper汇报心跳,如果一旦时间内未出现心跳,Master将该RegionServer上的Region重新分配

到其他RegionServer上,失效服务器上“预写”日志由主服务器进行分割并派送给新的RegionServer

Zookeeper容错:Zookeeper是一个可靠地服务,一般配置3或5个Zookeeper实例

Region定位流程:




寻找RegionServer

ZooKeeper-->-ROOT-(单Region)-->.META.-->用户表

-ROOT-

ü表包含.META.表所在的region列表,该表只会有一个Region;

üZookeeper中记录了-ROOT-表的location。

.META.

ü表包含所有的用户空间region列表,以及RegionServer的服务器地址。

·Hbase使用场景

storing large amounts of data(100s ofTBs)
needhigh write throughput
needefficient random access(key lookups) within large datasets
needto scale gracefully with data
forstructured and semi-structured data
don\'tneed fullRDMS capabilities(cross row/cross table transaction,joins,etc.)

大数据量存储,大数据量高并发操作

需要对数据随机读写操作

读写访问均是非常简单的操作

·Hbase与HDFS对比

两者都具有良好的容错性和扩展性,都可以扩展到成百上千个节点;

HDFS适合批处理场景

不支持数据随机查找

不适合增量数据处理

不支持数据更新



新网虚拟主机