赞
踩
逻辑视图来看,HBase中的数据是以表形式进行组织的,和关系型数据库中的表一样,HBase中的表也由行和列构成。
物理视图来看,HBase是一个Map,由键值(Key Value)构成;“sparse,distributed,persistent multidimensional sorted map”(稀疏的、分布式的、持久性的、多维的以及排序的MAP)
table:表,一个表包含多行数据。
row:行,一行数据包含一个唯一标识rowkey、多个column以及对应的值。在HBase中,一张表中所有row都按照rowkey的字典序由小到大排序。
column:列,与关系型数据库中的列不同,HBase中的column由column family(列簇)以及qualifier(列名)两部分组成,两者中间使用":"相连。column family在表创建的时候需要指定,用户不能随意增减。一个column family下可以设置任意多个qualifier,因此可以理解为HBase中的列可以动态增加,理论上甚至可以扩展到上百万列。
timestamp:时间戳,每个cell在写入HBase的时候都会默认分配一个时间戳作为该cell的版本,用户也可以在写入的时候自带时间戳。HBase支持多版本特性,即同一rowkey、column下可以有多个value存在,这些value使用timestamp作为版本号,版本越大,表示数据越新。
cell:单元格,由(rowkey、column family、qualifier、type、timestamp,value)组成的结构,其中type表示Put/Delete操作类型,timestamp代表这个cell的版本。KV结构存储,其中rowkey、column family、qualifier、type以及timestamp是K,value字段对应KV结构的V。
{“rowkey_1”,“Personal_info”,"Name,“put”,“t1”} -> “张三”
{“rowkey_2”,“Personal_info”,"Mobile,“put”,“t2”} -> “181xxx”
多维:HBase的key是一个复合数据结构,由多维元素构成,包括rowkey、column family、qualifier、type以及timestamp。
稀疏:column列允许空值,在其他数据库中,对于空值的处理一般都会填充null,而对于HBase,空值不需要任何填充。对于成百万列的表来说,通常都会存在大量的空值,如果使用填充null的策略,会造成大量空间的浪费。
排序:构成HBase的KV在同一个文件中都是有序的,按照KV中的key进行排序:先比较rowkey,rowkey小的排在前面;如果rowkey相同,再比较column,即column family:qualifier,column小的排在前面;如果column还相同,再比较时间戳timestamp,即版本信息,timestamp大的排在前面。
分布式:分而治之
HBase中的数据是按照列簇存储的,即将数据按照列簇分别存储在不同的目录中。
行式存储
行式存储:行式存储系统会将一行数据存储在一起,一行数据写完之后再接着写下一行,如MySQL;
行式存储在获取一行数据时是很高效的,但是如果某个查询只需要读取表中指定列对应的数据,那么行式存储会先取出一行行数据,再在每一行数据中获取目标列。这种处理方式在查找过程中引入了大量无用列信息,从而导致大量内存占用。
列式存储
列式存储:列式存储理论上会将一列数据存储在一起,不同列的数据分别集中存储,如Kudu、Parquet on HDFS等系统(文件格式)
列式存储对于只查找某些列数据的请求非常高效,只需要连续读出所有待查目标列,然后遍历处理即可;但是反过来,列式存储对于获取一行的请求就不那么高效了,需要多次IO读多个列数据,最终合并得到一行数据。另外,因为同一列的数据通常都具有相同的数据类型,因此列式存储具有天然的高压缩特性。
列簇式存储
列簇式存储介于行式存储和列式存储之间,通过不同的设计思路在行式存储和列式存储两者之间相互切换。
一张表只设置一个列簇,这个列簇包含所有用户的列。HBase中一个列簇的数据是存储在一起的,因此这种设计模式就等同于行式存储。
一张表设置大量列簇,每个列簇下仅有一列,很显然这种设计模式就等同于列式存储。
Master-Slave模型,系统中有一个管理集群的Master节点以及大量实际服务用户读写的RegionServer节点。HBase中所有数据最终都存储在HDFS系统中;系统中还有一个ZooKeeper节点,协助Master对集群进行管理。
HBase客户端
HBase客户端(Client)提供了Shell命令行接口、原生Java API编程接口、Thrift/REST API编程接口以及MapReduce编程接口。HBase客户端支持所有常见的DML操作以及DDL操作,即数据的增删改查和表的日常维护等。其中Thrift/REST API主要用于支持非Java的上层业务需求,MapReduce接口主要用于批量数据导入以及批量数据读取。
ZooKeeper在Hbase的作用
实现Master高可用:通常情况下系统中只有一个Master工作,一旦Active Master由于异常宕机,ZooKeeper会检测到该宕机事件,并通过一定机制选举出新的Master,保证系统正常运转。
管理系统核心元数据:比如,管理当前系统中正常工作的RegionServer集合,保存系统元数据表hbase:meta所在的RegionServer地址等。
参与RegionServer宕机恢复:ZooKeeper通过心跳可以感知到RegionServer是否宕机,并在宕机后通知Master进行宕机处理。
实现分布式表锁:HBase中对一张表进行各种管理操作(比如alter操作)需要先加表锁,防止其他用户对同一张表进行管理操作,造成表状态不一致。HBase中的表通常都是分布式存储,ZooKeeper可以通过特定机制实现分布式表锁。
Master
Master主要负责HBase系统的各种管理工作:
处理用户请求,包括建表、修改表、权限操作、切分表、合并数据分片以及Compaction等。
管理集群中所有RegionServer,包括RegionServer中Region的负载均衡、RegionServer的宕机恢复以及Region的迁移等。
清理过期日志以及文件,Master会每隔一段时间检查HDFS中HLog是否过期、HFile是否已经被删除,并在过期之后将其删除。
RegionServer
RegionServer主要用来响应用户请求,由WAL(HLog)、BlockCache以及多个Region构成。
WAL(HLog):HLog在HBase中有两个核心作用
用于实现数据的高可靠性,HBase数据随机写入时,先写入缓存,再异步刷新落盘。为了防止缓存数据丢失,数据写入缓存之前需要首先顺序写入HLog,即使缓存数据丢失,可以通过HLog日志恢复;
用于实现HBase集群间主从复制,通过回放主集群推送过来的HLog日志实现主从复制。
BlockCache:HBase系统中的读缓存。客户端从磁盘读取数据之后通常会将数据缓存到系统内存中,后续访问同一行数据可以直接从内存中获取而不需要访问磁盘。对于带有大量热点读的业务请求来说,缓存机制会带来极大的性能提升。
Region:数据表的一个分片,当数据表大小超过一定阈值就会“水平切分”,分裂为两个Region。通常一张表的Region会分布在整个集群的多台RegionServer上,一个RegionServer上会管理多个Region。
一个Region由一个或者多个Store构成,Store的个数取决于表中列簇(column family)的个数。
每个Store由一个MemStore和一个或多个HFile组成。MemStore称为写缓存,用户写入数据时首先会写到MemStore,当MemStore写满之后(缓存数据超过阈值,默认128M)系统会异步地将数据flush成一个HFile文件。随着数据不断写入,HFile文件会越来越多,当HFile文件数超过一定阈值之后系统将会执行Compact操作,将这些小文件通过一定策略合并成一个或多个大文件。
HDFS
HBase底层依赖HDFS组件存储实际数据,包括HFile、HLog日志文件等最终都会写入HDFS落盘。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。