一篇文章搞定一个大数据组件：kudu知识点全集

Posted 2021-05-21 明月十四桥

目录

1、kudu的定位

2、kudu基本概念

3、存储架构

3.1 储存架构：Tablet

3.2 储存架构：RowSets

3.3 储存架构：DiskRowSets

4、kudu工作原理

4.1 Compaction

4.2 Tablet切分规则

4.3 kudu写过程：insert

4.4 kudu写过程：update

4.5 Kudu读过程

---

1、kudu的定位

HDFS: 存储格式Textfile,Parquet,ORC，适合离线分析，不支持单条记录级别的update操作，随机读写性能差。

HBASE :可以进行高效随机读写，但写快读慢，大批量数据获取时的性能较差。并不适用于基于SQL的数据分析方向。

Kudu：

• 批量更新和单条记录更新都很友好  --FastData

• 与Impala组合使用，OLAP性能强大  --FastAnalytics

• 高可用

• 动态扩展

2、kudu基本概念

• Table（表）：一张table是数据存储在kudu的位置。Table具有schema和全局有序的primarykey(主键)。

• Tablet(段)：一个tablet是一张table连续的segment，与其他数据存储引擎或关系型数据的partition相似。Tablet存在副本机制，其中一个副本为leadertablet。任何副本都可以对读取进行服务，并且写入时需要在所有副本对应的tabletserver之间达成一致性。

• Tabletserver：存储tablet和为tablet向client提供服务。对于给定的tablet，一个tabletserver充当leader，其他tabletserver充当该tablet的follower副本。只有leader服务写请求，leader与follower为每个服务提供读请求。

• Master：主要用来管理元数据(元数据存储在只有一个tablet的catalogtable中)，即tablet与表的基本信息，监听tserver的状态

• CatalogTable: 元数据表，用来存储table(schema、locations、states)与tablet（现有的tablet列表，每个tablet及其副本所处tserver，tablet当前状态以及开始和结束键）的信息。

 

3、存储架构

•MemRowSet

用于新数据insert及已在MemRowSet中的数据的更新，一个MemRowSet写满后会将数据刷到磁盘形成若干个DiskRowSet。(默认是1G或者或者120S)

•DiskRowSet

用于老数据的变更（mutation），后台定期对DiskRowSet做compaction，以删除没用的数据及合并历史数据，减少查询过程中的IO开销。

•BloomFile

根据一个DiskRowSet中的key生成一个bloomfilter，用于快速模糊定位某个key是否在DiskRowSet中存在。

•Ad_hocIndex

主键的索引，用于定位key在DiskRowSet中的具体哪个偏移位置。

•BaseData

MemRowSet flush下来的数据，按列存储，按主键有序。

•UndoFile

基于BaseData之前时间的历史数据，通过在BaseData上applyUndoFile中的记录，可以获得历史数据。

•RedoFile

基于BaseData之后时间的变更（mutation）记录，通过在BaseData上applyRedoFile中的记录，可获得较新的数据。 

•DeltaMem

用于DiskRowSet中数据的变更mutation，先写到内存中，写满后flush到磁盘形成RedoFile。

 

3.1 储存架构：Tablet

分区策略	Writes	Reads	Tablet Growth
Range	所有写入都会落到最新分区	可以通过分区键提高读能力	可添加新tablets
Hash	在tablets上均匀分布	可以通过分区键提高读能力	tablets会无限增长

Hash分区有利于提高写吞吐量Range分区可避免tablet无限增长问题，所以我们可以使用多级分区，组合这两种分区方式

 

3.2 储存架构：RowSets

Tablet在底层被进一步细分成了一个称之为RowSets的单元

•MemRowSet

用于新数据insert及已在MemRowSet中的数据的更新，一个MemRowSet写满后会将数据刷到磁盘形成若干个DiskRowSet。(默认是1G或者或者120S)

•DiskRowSet

用于老数据的变更（mutation），后台定期对DiskRowSet做compaction，以删除没用的数据及合并历史数据，减少查询过程中的IO开销。

 

3.3 储存架构：DiskRowSets

DiskRowSet分为了两部分：basedata、deltastores。basedata 负责存储基础数据，deltastores负责存储 basedata 中的变更数据

 

4、kudu工作原理

4.1 Compaction

由于所有插入的数据都是先写入memRowSet，到达一定条件后再写入DiskRowSet，而且DiskRowSet中的basedata是不变的，这就导致会出现数据重叠的现象，导致写或查询时需要搜索大量的DiskRowSet

 

 

三种Compaction策略：

  DiskRowSet Compaction：减少DiskRowSet数量，优化insert、update和scans时间。

  Minor Delta Compaction：只减少delta file数量，优化scans时间。

  Major Delta Compaction：对base data和delta file进行compaction，优化scans时间

 

4.2 Tablet切分规则

建表时指定分区策略

Hash Partitioning：哈希分区通过哈希值将行分配到某一个bucket，每个bucket对应一个tablet，建表时设置bucket的数量。

Range Partitioning：range partition使用完全有序的分区键来分配行，分区键必须是kudu表主键的子集。

DEMO:

CREATE TABLE cust_behavior (

  _id BIGINT PRIMARY KEY,

  skuSTRING,

  rating INT,

  fulfilled_dateBIGINT

)

PARTITION BY RANGE(_id)

(

    PARTITION VALUES< 1439560049342,

    PARTITION1439560049342 <= VALUES < 1439566253755,

    PARTITION1439566253755 <= VALUES < 1439572458168,

    PARTITION1439572458168 <= VALUES < 1439578662581,

    PARTITION1439578662581 <= VALUES < 1439584866994,

    PARTITION1439584866994 <= VALUES < 1439591071407,

    PARTITION1439591071407 <= VALUES

)

STORED AS KUDU;

 

4.3 kudu写过程：insert

Kudu与HBase不同，Kudu将写入操作分为两种：一种是插入新数据，另一种是更新数据

1、客户端连接Master获取表的相关信息，包括分区信息，表中所有tablet的信息；

2、客户端找到负责处理读写请求的tablet所负责维护的TServer。Kudu接受客户端的请求，检查请求是否符合要求（表结构）；

3、Kudu在Tablet中的所有rowset（memrowset,diskrowset）中进行查找，看是否存在与待插入数据相同主键的数据，如果存在就返回错误，否则继续；

4、Kudu在MemRowset中写入一行新数据，在MemRowset数据达到一定大小时，MemRowset将数据落盘，并生成一个diskrowset用于持久化数据，还生成一个memrowset继续接收新数据的请求。

 

4.4 kudu写过程：update

 

4.5 Kudu读过程

1、客户端连接Master获取表的相关信息，包括分区信息，表中所有tablet的信息；

2、客户端找到需要读取的数据的tablet所在的TServer，Kudu接受读请求，并记录timestamp信息，如果没有显式指定，那么表示使用当前时间；

3、Kudu找到待读数据的所有相关信息，当目标数据处于memrowset时，根据读取操作中包含的timestamp信息将该timestamp前提交的更新操作合并到base data中，这个更新操作记录在该行数据对应的mutation链表中；

4、当读取的目标数据位于diskrowset中，在所有DeltaFile中找到所有目标数据相关的UNDO record和REDO records，REDO records可能位于多个DeltaFile中，根据读操作中包含的timestamp信息判断是否需要将base data进行回滚或者利用REDO records将base data进行合并更新。

 

整理不易，一键三连可好。