HBase篇--初始Hbase

Posted 2020-10-20 L先生AI课堂

一.前述

1.HBase，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。
2.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。

3.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）。
二.Hbase数据模型

2.1 ROW  KEY(相当于关系型数据库中的ID)
决定一行数据
按照字典顺序排序的。
Row key只能存储64k的字节数据

2.2 Column Family列族 & qualifier列

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；
权限控制、存储以及调优都是在列族层面进行的（相当于最小单位是列族！！！）
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。

2.3 Timestamp时间戳（相当于版本！！！）

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。

2.4 Cell单元格

由行和列的坐标交叉决定；
单元格是有版本的；
单元格的内容是未解析的字节数组；
由{row key， column( =<family> +<qualifier>)， version} 唯一确定的单元。！！！
cell中的数据是没有类型的，全部是字节码形式存贮。！！！

三.Hbase架构

3.1 Client
包含访问HBase的接口并维护cache来加快对HBase的访问

3.2 Zookeeper
保证任何时候，集群中只有一个master（HA）
存贮所有Region的寻址入口。（同时存储数据）
实时监控Region server的上线和下线信息。并实时通知Master（当某一个Region server挂掉时，通知Hmaster去将其上的数据分发给其他的region Server）
存储HBase的schema和table元数据(存储元数据信息)

 

 3.3 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的增删改操作（是管理操作！！！）

3.4 RegionServer
Region server维护当前节点的region，处理对这些region的IO请求
Region server负责切分在运行过程中变得过大的region

3.5 Region
HBase自动把表水平划分成多个区域(region)，每个region会保存一个表里面某段连续的数据
每个表一开始只有一个region，随着数据不断插入表，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（裂变）
当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 上。

3.6 Memstore 与 storefile
一个region由多个store组成，一个store对应一个CF（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（有些类似Hadoop中的Mapper阶段的写数据）
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所有storefile的大小和数量超过一定阈值后，会把当前的region分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载均衡
客户端检索数据，先在memstore找，找不到再找storefile

注意：1.major会把HStore所有的HFile都compact为一个HFile，并同时忽略标记为delete的KeyValue（被删除的KeyValue只有在compact过程中才真正被"删除"），可以想象major会产生大量的IO操作，对HBase的读写性能产生影响。minor则只会选择数个HFile文件compact为一个HFile。

          2.HRegion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可以分布在不同的 HRegion server上。
              HRegion由一个或者多个Store组成，每个store保存一个columns family。
              每个Strore又由一个memStore和0至多个StoreFile组成。如图：StoreFile以HFile格式保存在HDFS上。（HFile只是另一个叫法而已，对应于HDFS上）

持续更新中。。。。，欢迎大家关注我的公众号LHWorld.