hbase 简介

技术  /  管理员 发布于 7年前   206

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 throughputneedefficient random access(key lookups) within large datasetsneedto scale gracefully with dataforstructured and semi-structured datadon'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