当前位置:   article > 正文

HBase数据结构_hbase的数据结构

hbase的数据结构

在这里插入图片描述


在分析HBase的LSM合并树之前,我们需要来了解一些常用的数据结构知识。

跳表

在这里插入图片描述
上图是一个有序链表,我们要检索一个数据就挨个遍历。如果想要再提升查询效率,可以变种为以下结构:

在这里插入图片描述
现在,我们要查询11,可以跳着来查询,从而加快查询速度。

常见树结构

二叉搜索树(Binary Search Tree)

什么是二叉搜索树?

在这里插入图片描述

树的高度、深度、层数
  • 深度
    节点的深度是根节点到这个节点所经历的边的个数,深度是从上往下数的
  • 高度
    节点的高度是该节点到叶子节点的最长路径(边数),高度是从下往上数的
  • 层数
    根节点为第一层,往下依次递增

上图:

  • 节点12的深度为0,高度为4,在第1层
  • 节点15的深度为2,高度为2,在第3层
二叉搜索树的特点

树中的每个节点,它的左子树中所有关键字值小于该节点关键字值,右子树中所有关键字值大于该节点关键字值

二叉搜索树的查询方式
  • 首先和根节点进行比较,如果等于根节点,则返回
  • 如果小于根节点,则在根节点的左子树进行查找
  • 如果大于根节点,则在根节点的右子树进行查找
二叉搜索树的缺点

因为二叉搜索树是一种二叉树,每个节点只能有两个子节点,但有较多节点时,整棵树的高度会比较大,树的高度越大,搜索的性能开销也就越大

平衡二叉树(Balance Binary Tree)

简介
  • 平衡二叉树也称为AVL数
  • 它是一颗空数,或者它的任意节点左右两个子树的高度差绝对值不超过1
  • 平衡二叉树很好地解决了二叉查找树退化成链表的问题

在这里插入图片描述
上图:

  1. 两棵树都是二叉查找树
  2. 左边的不是平衡二叉树节点6的子节点:节点2的高度为:2,节点7的高度为:0,| 2 – 0 | = 2 > 1)
  3. 右边的是平衡二叉树节点6的子节点:节点3的高度为:1,节点7的高度为:0,| 1 – 0 | = 1 = 1 )
平衡二叉树的特点

AVL树是高度平衡的(严格平衡),频繁的插入和删除,会引起频繁的rebalance,导致效率下降,它比较使用与插入/删除较少,查找较多的场景

红黑树

简介

红黑树是一种含有红黑节点并能自平衡的二叉搜索树,它满足以下性质:

  • 每个节点要么是黑色,要么是红色
  • 根节点是黑色
  • 每个叶子节点(NIL)是黑色
  • 每个红色结点的两个子结点一定都是黑色
  • 任意一结点到每个叶子结点的路径都包含数量相同的黑结点

在这里插入图片描述

红黑树的特点

和AVL树不一样,红黑树是一种弱平衡的二叉树,它的插入/删除效率更高,所以对于插入、删除较多的情况下,就用红黑树,而且查找效率也不低。例如:Java中的TreeMap就是基于红黑树实现的。

B树

什么是B树
  • B树是一种平衡多路搜索树
  • 与二叉搜索树不同的是,B树的节点可以有多个子节点,不限于最多两个节点
  • 它的子节点可以是几个或者是几千个
    在这里插入图片描述
B树的特点
  • 所有节点关键字是按递增次序排列,并遵循左小右大原则
  • B-树有个最大的特点是有多个查找路径,而不像二叉搜索树,只有两路查找路径。
  • 所有的叶子节点在同一层
  • 逐层查找,找到节点后返回
B-树的查找方式
  • 从根节点的关键字开始比较,例如:上图为13,判断大于还是小于
  • 继续往下查找,因为节点可能会有多个节点,所以需要判断属于哪个区间
  • 不断往下查找,直到找到为止或者没有找到返回Null

B+树结构

B+树简介

B+树是B树的升级版。B+树常用在文件系统和数据库中,B+树通过对每个节点存储数据的个数进行扩展,可以让连续的数据进行快速访问,有效减少查询时间,减少IO操作。它能够保持数据稳定有序,其插入与修改拥有较稳定的对数时间复杂度。

例如:Linux的Ext3文件系统、Oracle、MySQL、SQLServer都会使用到B+树。

在这里插入图片描述

  • B+ 树是一种树数据结构,是一个n叉树
  • 每个节点通常有多个孩子
  • 一颗B+树包含根节点、内部节点和叶子节点
  • 只有叶子节点包含数据(所有数据都是在叶子节点中出现)
B+树的特点
  • 所有关键字都出现在叶子结点的链表中(稠密索引),且链表中的关键字恰好是有序的
    如果执行的是:select * from user order by id,要全表扫描数据,那么B树就比较费劲了,但B+树就容易了,只要遍历最后的链表就可以了。
  • 只会在叶子节点上搜索到数据
  • 非叶子结点相当于是叶子结点的索引(稀疏索引),叶子结点相当于是存储
  • 数据库的B+树高度大概在 2-4 层,也就是说查询到某个数据最多需要2到4次IO,相当于0.02到0.04s
稠密索引和稀疏索引
  • 稠密索引文件中的每个搜索码值都对应一个索引值
  • 稀疏索引文件只为索引码的某些值建立索引项

稠密索引:

在这里插入图片描述
稀疏索引:

在这里插入图片描述

LSM树数据结构

简介

传统关系型数据库,一般都选择使用B+树作为索引结构,而在大数据场景下,HBase、Kudu这些存储引擎选择的是LSM树。LSM树,即日志结构合并树(Log-Structured Merge-Tree)。

  • LSM树主要目标是快速建立索引
  • B+树是建立索引的通用技术,但如果并发写入压力较大时,B+树需要大量的磁盘随机IO,而严重影响索引创建的速度,在一些写入操作非常频繁的应用场景中,就不太适合了
  • LSM树通过磁盘的顺序写,来实现最好的写性能
LSM树设计思想

在这里插入图片描述

  • LSM 的主要思想是划分不同等级的结构,换句话来理解,就是LSM中不止一个数据结构,而是存在多种结构
  • 一个结构在内存、其他结构在磁盘(HBase存储结构中,有内存——MemStore、也有磁盘——StoreFile)
  • 内存的结构可以是B树、红黑树、跳表等结构(HBase中是跳表),磁盘中的树就是一颗B+树
  • C0层保存了最近写入的数据,数据都是有序的,而且可以随机更新、随机查询
  • C1到CK层的数据都是存在磁盘中,每一层中key都是有序存储的
LSM的数据写入操作
  • 首先将数据写入到WAL(Write Ahead log),写日志是顺序写,效率相对较高(PUT、DELETE都是顺序写)
  • 数据项写入到内存中的C0结构中
  • 只有内存中的C0结构超过一定阈值的时候,将内存中的C0、和C1进行合并。这个过程就是Compaction(合并)
  • 合并后的新的C1顺序写磁盘,替换之前的C1
  • 但C1层达到一定的大小,会继续和下层合并,合并后旧的文件都可以删除,只保留最新的
  • 整个写入的过程只用到了内存结构,Compaction由后台异步完成,不阻塞写入
LSM的数据查询操作
  • 先在内存中查C0层
  • 如果C0层中不存在数据,则查询C1层
  • 不断逐层查询,最早的数据在CK层
  • C0层因为是在内存中的结构中查询,所以效率较高。因为数据都是分布在不同的层结构中,所以一次查询,可能需要多次跨层次结构查询,所以读取的速度会慢一些。
  • 根据以上,LSM树结构的程序适合于写密集、少量查询的场景
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/AllinToyou/article/detail/725294
推荐阅读
相关标签
  

闽ICP备14008679号