devbox
Gausst松鼠会
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

分布式数据库HBase（林子雨慕课课程）_实验三:分布式数据库hbase

作者：Gausst松鼠会 | 2024-05-13 10:48:11

赞

踩

实验三:分布式数据库hbase

文章目录

4. 分布式数据库HBase

4.1 HBase简介

  • HBase是BigTable的开源实现

image-20231008165253142

  • 对于网页搜索主要分为两个阶段

    • 1.建立整个网页索引：设计网页爬虫，爬取的网页存入BigTable中，在上面运行MapReduce

    • 2.搜索互联网网页

      image-20231008165520391

  • BigTable诞生？

    image-20231008165628566

  • Bigtable是在GFS的基础上实现的

    image-20231008165743978

  • 为什么分布式存储系统可以得到广泛的关注？

    • 它具有非常好的性能（可以支持PB级别的数据）
    • 它具有非常好的可扩展性（用集群去存储几千台服务器完成分布式存储）

  • HBase特点：高可能、高性能、面向列、可伸缩

    image-20231008170105044

  • HBase:通过水平扩展的方式，允许几千台服务器去存储海量文件

    image-20231008170221982

  • HBase和BigTable的底层技术对应关系

    image-20231008170317037

  • 为什么需要设计HBase这么一个数据库产品？

    • 虽然已经有了HDFS和MapReduce,但是Hadoop主要解决大规模数据离线批量处理，Hadoop无法满足大数据实时处理需求。

    • 随着这些年数据的大规模爆炸式增长，传统关系型数据库的扩展能力非常有限，即使通过设计主从复制方案或者分库的方式，仍然有两个缺陷，一个是不便利，另一个是效率非常低

  • 传统关系型数据库如何进行数据规模化扩展：

    • 设计主从复制方案，由主服务器负责接收写请求，若干从服务器都是主服务器的副本，从服务器接收外界的读请求，这样可以实现数据库在性能上的一定扩展

      image-20231008170854304

    • 做分库：对企业内部数据进行分库，将写负载分流

  • Hbase和传统关系型数据库有什么联系和区别？

    • 数据类型方面，传统关系数据库用的是非常经典的关系数据模型

    • 数据操作方面，在关系数据库中定了非常多的数据操作，查找，插入，删除等

    • 存储模式方面，关系数据库基于行模式存储，而对于HBase来讲是基于列存储

    • 在数据索引方面，关系数据库可以直接针对各个不同的列，构建非常复杂的索引

      image-20231008171505053

    • 数据维护方面，在关系数据库当中做一些数据更新操作的时候，实际上里面旧的值会被新的值覆盖掉；而HBase生成新的版本，旧的版本仍然存在，不会被替换

    • 可伸缩性方面，关系数据库是很难实现水平扩展的，最多可以实现纵向扩展

      image-20231008171935421

  • HBase访问接口

    image-20231008172100903

4.2 HBase数据模型

  • HBase是一个稀疏的多维度的排序的映射表：包含行键，列族，列限定符，时间戳

    image-20231008173124333

  • HBase特点

    image-20231008170221982

  • 列族的特性

    • 支持动态扩展：可以对列族进行增加或者减少

    • 保留旧的版本：执行数据更新操作的时候，会保留旧版本

    • HBase以表的形式组织数据，与关系型数据库的区别：关系型数据库会对其进行规范化处理，根据第一范式、第二范式、第三范式，将 表进行不断分解，最后需要对表进行多表连接；HBase不考虑冗余，牺牲空间去避免表连接操作带来的效率问题

  • 列限定符（列）

    • 实际过程中可以动态增加或者减少列

  • 单元格：具体存储数据的地方

  • 时间戳：新的版本会通过时间戳进行确定

  • 数据坐标的定位：必须通过四维：行键、列族、列限定符、时间戳来定位数据位置

    image-20231008174618703

  • HBase数据的概念视图

    • 列族名称：具体列限定符=“”
    • 在概念上HBase数据是稀疏的，因为很多单元格是空白的

    image-20231008175013832

  • HBase数据的物理视图：是按照列族进行存储的

    image-20231008191514263

  • 传统关系型数据库是行式存储，而HBase是列式存储

    外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • 行式数据库和列式数据库示意图

    image-20231008192303431

  • 面向行的存储有什么优势和缺点

    image-20231008192354813

  • 列式存储的优点

    • 列式存储：按照一个列去存储，可以带来很高的数据压缩率，适用于以分析型应用为主的场景
    • 行式存储：不可能达到很高的数据压缩率，适合事务型操作比较多的场景

4.3 HBase的实现原理

  • HBase的功能组件：Master服务器、库函数、Reigion服务器

    • 库函数：链接每个客户端

    • Master服务器：充当管家作用

      image-20231008193013952

    • Region服务器：负责存储不同的Region

      • 客户端在获取Region位置信息之后，直接和Region服务器进行打交道

        image-20231008193213286

  • HBase的表和Region的关系

    • 初始化的时候将一个HBase表划分为多个Region，随着表的增大，Region规模增加，会分裂成多个新的Region，分裂时只需要修改指向信息，是非常快速的

      image-20231008193440440

      image-20231008193646685

  • Region到底被存到哪里去了？

    image-20231008193924333

  • HBase的三层结构

    • Root表在一个Region机器上，存储的元数据信息，即META表的位置

    • META表存储的是用户数据存储的位置

    • Root表的地址是写死在Zookeeper中的

      为了加速寻址，客户端会缓存位置信息，但同时需要解决缓存失效问题，它会先通过缓存查找数据，若找不到数据，则判定缓存失效，需要重新进行三级寻址

    image-20231008194400631

    • 三层结构中各层次的名称和作用

      image-20231008194440040

    • Region的定位

      image-20231008194653162

      image-20231008194807033

4.4 HBase运行机制

  • HBase的系统架构

    image-20231008195308851

    • 客户端：访问HBase的接口，为了加快访问速度，会进行位置地址的缓存

    • Zookeeper服务器：实现协同管理服务，其被大量用于分布式系统，提供配置维护，域名服务，分布式同步服务等，在HBase中，其主要提供管家功能，维护和管理整个HBase集群

      image-20231008195632529

    • Master服务器（主服务器）：负责对HBase的表的增删改查；负责不同Region服务器的负载均衡；负责调整分裂、合并后Region的分布；负责重新分配故障、失效的Region服务器，也要借助Master来进行重新分配

      image-20231008195953264

    • Region服务器：负责用户数据的存储和管理，其负责向HDFS文件系统中读写数据

      • Region服务器集群由多个Region服务器构成，每个Region服务器中有多个组件
      • 若干个Region共用一个HLog文件
      • 每个Region中的每个列族会单独构成一个Store进行存储：会先存储到MemStore缓存中，缓存满了在存储到StoreFile文件中
      • StoreFile是HBase的表现形式，它在底层是借助HDFS存储的，其在HDFS中以HFile的格式存储

      image-20231008200103059

  • 用户读写数据过程

    • 写入数据

      • 首先将数据写入MemStore缓存区

      • 为了保存数据不丢失，会在写入Memstore前，会先写入HLog日志，当HLog数据写入到磁盘之后，才允许返回客户端

        image-20231008200814208

    • 读取数据

      • 首先用户也会先访问MemStore，因为最新写入的数据会存储于MemStore中

      • 若MemStore查找不到，会到磁盘的StoreFile中去找相关数据

        image-20231008200954154

  • 缓存刷新过程

    image-20231008201225601

  • StoreFile文件的合并

    • 刷写可能导致多个StoreFile文件，遍历StoreFile文件找数据，文件越多会影响查找速度，因此将多个StoreFile文件合并为一个大的StoreFile文件

      image-20231008201418386

  • StoreFile的分裂

    • StoreFile的不断合并可能会导致StoreFile的文件越来越大，当合并的StoreFile越大的时候，就会引发分裂操作

      image-20231008201635156

  • HLog的工作原理

    • HBase的底层是廉价的低端机，因此需要通过日志的发生来恢复故障

      image-20231008201957061

    • HBase为每个Region服务器都配置了公共的HLog

      image-20231008202220670

    • 故障恢复

      • Zookeeper来监视整个集群，会通知Master出问题的服务器，需要将故障服务器的内容迁移
      • Master会将故障服务器的HLog文件取出，包含故障服务器的各个Region对象以及日志记录
      • 然后对HLog的日志记录拆解为不同的Region的日志记录（因为所有的Region的日志都记录在HLog中）
      • 最后将这些Region分配到其他可用的Region服务器上去

    • 为何不每个Region设置单独的HLog文件

      • 因为这样对于每个Region的更新操作，需要写入不同的HLog文件，是非常耗时的，而且集群出故障的时间远少于正常运行的时间
      • 所有公共的HLog文件的可以大大提升写入性能

4.5 HBase的应用方案

  • HBase在实际应用中的性能优化方法

    • 若想把时间靠近的数据存在一起：

      image-20231008203531605

    • 提升读写性能：

      image-20231008203626114

    • 节省存储空间

      image-20231008203715218

    • 将到达时间限制的一些数据清楚，即使它没有到达版本最大数

      image-20231008203954303

  • HBase如何检测性能

    • 可以通过以下几种工具：Master-status、Ganglia、OpenTSDB、Ambari

      image-20231008203954303

      • Master-staus

        image-20231008204139709

      • Ganglia

        image-20231008204203630

      • OpenTSDB

        image-20231008204236174

      • Ambari

        image-20231008204303155

  • SQL语句查询HBase上相关数据

    • SQL易于使用，大部分人对HBase比较陌生，但是对SQL比较熟悉；

    • HBase原生代码查询数据编写代码较多，SQL是非过程语言，很多系统的底层会帮它生成相关操作

      image-20231008204639556

    • Hive和Phoenix

      image-20231008204727270

  • 构建HBase二级索引

    image-20231008204809345

    • 原生的HBase不支持对于各个列构建相关的索引，默认支持对rowkey行键进行索引

      image-20231008204925074

    • HBase0.92版本引入新特性：Coprocessor，可以支持二级索引

      image-20231008205142499

    • Coprocessor如何构建二级索引

      • 其提供两个实现：endpoint和observer

      • Endpoint相当于关系型数据库的存储过程，observer相当于触发器

      • 每次往HBase表中插入数据时，observer会监测到，会将插入的数据同步写到索引表

        image-20231008205440095

    • 此时在HBase中就存在了主表和索引表

      • 索引表不是HBase内部自身的，是由其他产品帮其构建的二级索引，是通过Coprocessor格外开发的程序，对不同的其他列进行索引

      image-20231008205536489

    • Coprocessor构建二级索引的优点和缺点

      • 优点：非侵入性，引擎构建在HBase之上，既没有对HBase进行任何改动，也不需要上层应用做任何妥协
      • 缺点：每插入一条数据需要向索引表插入数据，即耗时是双倍的，对HBase的集群压力也是双倍的

  • HBase的应用方案

    image-20231008210013892

    • Redis的方案：将索引写入到Redis的缓存数据库中，定期的把索引更新到HBase底层数据库，可以避免频繁更新磁盘索引表的问题

      image-20231008210340743

    • Solr+HBase:Solr服务器构建其他列和行键之间的对应关系，输入其他列的某一个值，可以快速找到这个列对应的行键，通过行键快速找到HBase记录

      image-20231008210613264

4.6 HBase安装和编程实战

见:HBase2.5.4安装和编程实践指南_厦大数据库实验室博客 (xmu.edu.cn)

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/Gausst松鼠会/article/detail/563265
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号