HBase基础

目录

一：HBase简介

二：Hbase系统架构

1：Master

2：RegionServer

3：Region

三：相关知识

四：Memstore 与 storefile

五：HBase数据模型

六:三维有序

七：RowKey

八：Column Family（列族）和qualifier（列）

九：Timestamp时间戳

十：Cell单元格

十一：HLog(WAL log)

一：HBase简介

HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩（数据存放在hdfs）、实时读写的分布式数据库 （主从架构 主：hmaster 从节点：hregionserver ）

hbase要依赖于zk：1：元数据存放在Zookeeper上。2：依赖它的高可用。

利用Hadoop HDFS作为其文件存储系统（以Hfile格式存储）,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

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）

hbase没有表结构

二：Hbase系统架构

1：Master

（1：为Region server分配region（分区，区域）默认一个分区

（2：负责Region server的负载均衡

（3：发现失效的Region server并重新分配其上的region

（4：管理用户对table的增删改操作（表结构的增删改）

2：RegionServer

（1：Region server维护region，处理对这些region的IO请求

（2：Region server负责切分在运行过程中变得过大的region

3：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。

hbase上的数据会把rowkey按照 字典排序

三：相关知识

用：分隔命名空间和表

例如：hbase：meta 我们不会进行命名空间所以我们经常直接建表 默认在default中

创建表 列簇 列式数据库

create 'test','info'

test是表名 info是列蔟

建表时默认是一个region

enable状态表示表可以插入数据 可以用

disable状态 表示不用可以删除

Compaction状态表示合并

四：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（128m），hregionserver会启动flashcache进程写入storefile，每次写入形成单独的一个storefile。

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(速度更快一点），找不到再找storefile。

一个列簇对应一个store（抽象概念）

memstore在内存里

写数据：hlog-memdtore-storefile（不会丢在磁盘上）-dfs

hlog具有容错的作用（每个region server有一个）有记录

读数据时先到zk中meta找regionserver 然后找regionserver中的region

 五：HBase数据模型

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。

六:三维有序

rk 有序升序

列簇 有序升序 +列名有序

时间戳 自然降序

获取一个唯一的cell 一起控制（三个加一起）

七：RowKey

唯一标识一行数据

可以通过RowKey获取一行数据

按照字典顺序排序的。

Row key只能存储64k的字节数据 10-100byte

尽可能的短

八：Column Family（列族）和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；（权限控制基于文件）

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。

九：Timestamp时间戳

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。（long表示时间戳）

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。

时间戳不能相同

十：Cell单元格

由行（rk）和列（列簇和列名）（时间戳）的坐标交叉决定。三维坐标确定唯一的cell。

单元格是有版本的。

单元格的内容是未解析（以二进制存储）的字节数组。（二进制可以储存所有类型数据）

由{row key， column( = +)， 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。

十一：HLog(WAL log)

HLog文件就是一个普通的Hadoop Sequence（序列） File，Sequence File （用0，1，2记录操作）的Key是HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和region名字外，同时还包括 sequence number和timestamp，timestamp是”写入时间”，sequence number的起始值为0，或者是最近一次存入文件系统中sequence number。

HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue。

最后

以上就是勤劳狗为你收集整理的HBase基础的全部内容，希望文章能够帮你解决HBase基础所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。