Hbase基本架构及原理

Posted 2022-11-24 祺嘉朱

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Hbase基本架构及原理相关的知识，希望对你有一定的参考价值。

简述

Hadoop Databases 基于Hadoop存储，是一个高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据库。利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理HBase中的海量数据,利用Zookeeper作为其分布式协同服务 主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）

数据模型

列族

权限控 HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)定义的一部分预先给出。如 create ‘test’, ‘course’

列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如course:math, course:english, 新的列族成员（列）可以随后按需、动态加入制、存储以及调优都是在列族层面进行的

HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

timestamp时间戳

在HBase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，最新的数据版本排在最前面。

时间戳的类型是 64位整型 时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫秒的当前系统时间时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳

单元格cell

单元格是有版本的（时间戳决定），行和列交叉决定

单元格的内容是未解析的字节数组（row key ,column(=<family>+<qualifier>), version) 一确定的单元，cell中的数据是没有类型的，全部是字节数组形式储存二进制安全

Hlog

预写日志，上传数据时不会直接存储磁盘上，先存储在哪内存中，到达一定阈值后写出
HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象， HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是” 写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValu

架构

基本组件与流程

Client

访问Zookeeper，不会直接和Master打交道，包含了访问Hbase的接口并维护cache来加快对Hbase的访问
Zookeeper记录着meta表在哪里，存储元数据信息（Hbase：meta），上面存储哪个region存储在哪里

[zk: localhost:2181(CONNECTED) 1] ls /hbase/table
[hbase:meta, hbase:namespace, student]
[zk: localhost:2181(CONNECTED) 2] ls /hbase
[replication, meta-region-server, rs, splitWAL, backup-masters, table-lock, flush-table-proc, region-in-transition, online-snapshot, master, running, recovering-regions, draining, namespace, hbaseid, table]
[zk: localhost:2181(CONNECTED) 3] get /h
hadoop-ha   hbase     
[zk: localhost:2181(CONNECTED) 3] get /h
hadoop-ha   hbase     
[zk: localhost:2181(CONNECTED) 3] get /h
hadoop-ha   hbase     
[zk: localhost:2181(CONNECTED) 3] get /hbase/meta-region-server
?regionserver:60020Xz??f
??PBUF
 
five??????0 
cZxid = 0x2b00000047
ctime = Wed Oct 26 10:36:17 CST 2022
mZxid = 0x2b00000047
mtime = Wed Oct 26 10:36:17 CST 2022
pZxid = 0x2b00000047
cversion = 0
dataVersion = 0
aclVersion = 0
ephemeralOwner = 0x0
dataLength = 58
numChildren = 0
[zk: localhost:2181(CONNECTED) 4]

获取之后去对应区域寻找meta表上对应的region信息
直接到相应的region上读取相应的数据

Zookeeper

保证任何时候集群中只有一个存或的HMseter
存储这所有Region的寻址入口（meta位置）
实时监控Regionserver的上下线，并实时通知HMaster
存储HBase的schema和table元数据

Master

为RegionServer分配region
负责Region server的负载均衡
发现失效的RegionServer并重新分配上面的Region
管理用户对table的增删改操作

RegionServer

RegionServer维护region，处理这些region的IO请求
RegionServer负责分担在运行过程中变得过大的Region（人工干预）

Region

Hbase自动把表横向切分成几个区域，每个region存储一段连续的数据（字典排序）

每个表一开始只有一个Region，region不断增大，当增大到一个阈值的时候， region就会等分会两个新的region（裂变）table中的行不断增多，就会有越来越多的region。这样一张完整的表被保存在多个Regionserver

Memstore和storeFile

一个region由于多个store组成，一个store对应一个列族
store包括位于内存中的memstore和位于磁盘的storefile，写操作先写入memstore，当memstore中的数据达到某个阈值， hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile
当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、major compaction），在合并过程中会进行版本合并和删除工作（majar），形成更大的storefile
当一个region的所有storefile增长到一定阈值后，会把当前的region分割成两个，并由于Hmaste分配到对应的RegionServer服务器，实现负载均衡
客户端检索数据，先到memstore上找，找不到再找storefile
Heregion是Hbase中分布式存储和负载均衡的最小单元，最小单元就表示不同的HRegion可以分布再不同的Hregion

以上是关于Hbase基本架构及原理的主要内容，如果未能解决你的问题，请参考以下文章