HBase
Posted @想太多先森
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相关的知识,希望对你有一定的参考价值。
HBase概述
1.HBase是一个构建在HDFS上的分布式列存储系统
2.HBase是Apache Hadoop生态系统中的重要一员,主要用于海量结构化数据存储
3.从逻辑上讲,HBase讲数据按照表、行和列进行存储
HBase是Hadoop生态系统的一个组成部分
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
Hbase表的特点
大:一个表可以有数十亿行,上百万列;
无模式:每行对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:对于空(null)的列,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
行存储与列存储
数据是按行存储的
没有索引的查询实用大量I/O
建立索引和物化视图需要花费大量时间和资源
面向查询的需求,数据库必须被大量膨胀才能满足性能要求
数据是按列存储-每一列单独存放
数据即是索引
指访问查询涉及的列-大量降低系统I/O
每一列由一个线索来处理-查询的并发处理
数据类型一致,数据特征相似-高效压缩
Hbase数据模型
HBase是基于Google Big Table模型开发的,典型的key/value系统;
Hbase逻辑视图
Rowkey与Column Family
Hbase基本概念
Row Key
Byte array
表中每条记录的 “主键"
方便快速查找
Column Family
拥有一个名称(string)
包含一个或者多个相关列
Column
属于某一个column family
包含在某一列中 Column Family
Version Number
每个rowkey唯一
默认值->系统时间戳
类型为Long
Value(Cell)
Byte array
Hbase数据模型
HBase schema可以有多个Table
每个表可由多个Column Family组成
HBase可以有Dynamic Column
列名称是编码在cell中的
不同的cell可以拥有不同的列
version number 可由用户提供
无需以递增的顺序插入
每一行的rowkey必须是唯一的
Table可能非常稀疏
很多cell可以是空的
Row Key是主键
Hbase支持的操作
所有操作均是基于rowkey的;
支持CRUD(Create、Read、Update和Delete)和Scan;
单行操作
Put
Get
Scan
多行操作
Scan
MultiPut
没有内置join操作,可使用MapReduce解决
Hbase物理模型
每个column family存储在HDFS上的一个单独文件中;
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:key,column family,column name,timestamp
空值不会被保存。
物理存储
Table中的所有行都按照row key的字典序排列
Table在行的方向上分割为多个Region;
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就会等分成两个新的region,之后会有越来越多的region;
Table在行的方向上分割为多个Region;
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;Table在行的方向上分割为多个Region;
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columns family;
每个Store又由一个memStore和0至多个StoreFile组成;
memStore存储在内存中,StoreFile存储在HDFS上;
Client
包含访问HBase的接口,并维护cache来加快对HBase的访问
Zookeeper
保证任何时候,集群中只有一个master
存贮所有Region的寻址入口
实时监控Region server的上线和下线信息。并实时通知给Master
存储HBase的schema和table元数据
Master
为Region server分配region
负责Region server的负载均衡
发现失效的Region server并重新分配其上的region
管理用户对table的增删改查操作
Zookeeper作用
HBase依赖Zookeeper
默认情况下,HBase管理ZooKeeper实例
Master与RegionServers启动时会向Zookeeper注册
Zookeeper的引入使得Master不再是单点故障
HBase容错性
Master容错:Zookeeper重新选择一个新的Master
无Master过程中,数据读取仍照常进行
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,如果一段时间内为出现心跳
Master将该RegionServer上的Region重新分配到其他RegionServer上
失效服务器上"预写"日志由住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
第一次读取:
步骤1:读取ZooKeeper中ROOT表的位置
步骤2:读取ROOT表中.META表的位置
步骤3:读取.META表中用户表的位置
步骤4:读取数据
如果已经读取过一次,则root和.META都会缓存到本地则直接去用户表的位置读取数据
ROOT表与.META表
ROOT表
ROOT表包含.META表所在的region列表,该表只会有一个Region;
Zookeeper中记录了ROOT表的location
.META表
.META表包含所有的用户空间region列表,以及REgionServer的服务器地址
何时使用HBase
需数据进行随机读操作或者随机写操作
大数据上高并发操作,比如每秒对PB级数据进行上千次操作
读写访问均是非常简单的操作
Hbase在淘宝的应用
交易历史记录查询系统
百亿行数据表,千亿级二级索引表
每天千万行更新
查询场景简单,检索条件少
关系型数据库所带来的问题
基于userId+time+id的rowkey设计
成本考虑
以上是关于HBase的主要内容,如果未能解决你的问题,请参考以下文章