hbase 簡介

概述

HBase是一個構建在HDFS上的分布式列存儲系統；

HBase是基于GoogleBigTable模型開發的，典型的key/value系統；

HBase是ApacheHadoop生態系統中的重要一員，主要用于海量結構化數據存儲；

從邏輯上講，HBase將數據按照表、行和列進行存儲。

與hadoop一樣，Hbase目標主要依靠橫向擴展，通過不斷增加廉價的商用服務器，來增加計算和存儲能力。

Hbase表的特點

大：一個表可以有數十億行，上百萬列；

無模式：每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態的增加，同一張表中不同的行可以有截然不同的列；

面向列：面向列（族）的存儲和權限控制，列（族）獨立檢索；

稀疏：空（null）列并不占用存儲空間，表可以設計的非常稀疏；

數據多版本：每個單元中的數據可以有多個版本，默認情況下版本號自動分配，是單元格插入時的時間戳；

數據類型單一：Hbase中的數據都是字符串，沒有類型。

·Hbase數據模型

Hbase邏輯視圖

注意上圖中的英文說明

Hbase基本概念

RowKey：是Bytearray，是表中每條記錄的“主鍵”，方便快速查找，Rowkey的設計非常重要。
ColumnFamily：列族，擁有一個名稱(string)，包含一個或者多個相關列
Column：屬于某一個columnfamily，familyName:columnName，每條記錄可動態添加
VersionNumber：類型為Long，默認值是系統時間戳，可由用戶自定義
Value(Cell)：Bytearray

·Hbase物理模型

每個columnfamily存儲在HDFS上的一個單獨文件中，空值不會被保存。

Key和 Version number在每個 column family中均有一份；

HBase為每個值維護了多級索引，即：

物理存儲:

1、Table中所有行都按照rowkey的字典序排列；

2、Table在行的方向上分割為多個Region；

3、Region按大小分割的，每個表開始只有一個region，隨著數據增多，region不斷增大，當增大到一個閥值的時候，region就會等分會兩個新的region，之后會有越來越多的region；

4、Region是Hbase中分布式存儲和負載均衡的最小單元，不同Region分布到不同RegionServer上。

5、Region雖然是分布式存儲的最小單元，但并不是存儲的最小單元。Region由一個或者多個Store組成，每個store保存一個columnsfamily；每個Strore又由一個memStore和0至多個StoreFile組成，StoreFile包含HFile；memStore存儲在內存中，StoreFile存儲在HDFS上。

·HBase架構及基本組件

Hbase基本組件說明：

Client

ü包含訪問HBase的接口，并維護cache來加快對HBase的訪問，比如region的位置信息

Master

ü為Regionserver分配region

ü負責Regionserver的負載均衡

ü發現失效的Regionserver并重新分配其上的region

ü管理用戶對table的增刪改查操作

RegionServer

üRegionserver維護region，處理對這些region的IO請求

üRegionserver負責切分在運行過程中變得過大的region

Zookeeper作用

ü通過選舉，保證任何時候，集群中只有一個master，Master與RegionServers啟動時會向ZooKeeper注冊

ü存貯所有Region的尋址入口

ü實時監控Regionserver的上線和下線信息。并實時通知給Master

ü存儲HBase的schema和table元數據

ü默認情況下，HBase管理ZooKeeper 實例，比如， 啟動或者停止ZooKeeper

üZookeeper的引入使得Master不再是單點故障

Write-Ahead-Log（WAL）

該機制用于數據的容錯和恢復：

每個HRegionServer中都有一個HLog對象，HLog是一個實現WriteAheadLog的類，在每次用戶操作寫入MemStore的同時，也會寫一份數據到HLog文件中（HLog文件格式見后續），HLog文件定期會滾動出新的，并刪除舊的文件（已持久化到StoreFile中的數據）。當HRegionServer意外終止后，HMaster會通過Zookeeper感知到，HMaster首先會處理遺留的HLog文件，將其中不同Region的Log數據進行拆分，分別放到相應region的目錄下，然后再將失效的region重新分配，領取到這些region的HRegionServer在Load Region的過程中，會發現有歷史HLog需要處理，因此會ReplayHLog中的數據到MemStore中，然后flush到StoreFiles，完成數據恢復

HBase容錯性

Master容錯：Zookeeper重新選擇一個新的Master

ü無Master過程中，數據讀取仍照常進行；

ü無master過程中，region切分、負載均衡等無法進行；

RegionServer容錯：定時向Zookeeper匯報心跳，如果一旦時間內未出現心跳，Master將該RegionServer上的Region重新分配

到其他RegionServer上，失效服務器上“預寫”日志由主服務器進行分割并派送給新的RegionServer

Zookeeper容錯：Zookeeper是一個可靠地服務，一般配置3或5個Zookeeper實例

Region定位流程：

尋找RegionServer

ZooKeeper-->-ROOT-(單Region)-->.META.-->用戶表

-ROOT-

ü表包含.META.表所在的region列表，該表只會有一個Region；

üZookeeper中記錄了-ROOT-表的location。

.META.

ü表包含所有的用戶空間region列表，以及RegionServer的服務器地址。

·Hbase使用場景

storing large amounts of data(100s ofTBs)
needhigh write throughput
needefficient random access(key lookups) within large datasets
needto scale gracefully with data
forstructured and semi-structured data
don'tneed fullRDMS capabilities(cross row/cross table transaction,joins,etc.)

大數據量存儲，大數據量高并發操作

需要對數據隨機讀寫操作

讀寫訪問均是非常簡單的操作

·Hbase與HDFS對比

兩者都具有良好的容錯性和擴展性，都可以擴展到成百上千個節點；

HDFS適合批處理場景

不支持數據隨機查找

不適合增量數據處理

不支持數據更新