HBase原理体系架构

78 阅读 0 评论 52 点赞

我是靠谱客的博主甜甜紫菜，最近开发中收集的这篇文章主要介绍HBase原理体系架构，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

Hadoop生态系统

HBase简介
– HBase – Hadoop Database，是一个高可靠性（数据不能丢、服务不能挂）、高性能、面向列、可伸缩、实时读写的分布式数据库
– 利用Hadoop HDFS作为其文件存储系统,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数据模型

- Row Key

- 决定一行数据

- 按照字典排序的

- Row key只能存储64K的字节数据

-Column Family列族 &qualifier列

- HBase表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；

- 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。

- Timestamp时间戳

- 每个Cell都有一个Timestamp

- 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叙排序，最新的数据版本排在最前面。

- 时间戳的类型是64位整型。

- 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示赋值，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。

- Cell单元格

- 由行和列的坐标交叉决定；

- 单元格是由版本的；

- 单元格的内容是未解析的字节数组；

由{row key, column(=<family>+<qualifier>), 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储。

-HLog(WAL log)

- HLog文件就是一个普通的Hadoop Sequence File, Sequence File是key是HLogKey对象，HLofKey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 SequenceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue。

HBase体系架构

没有Zookeeper，HBase是起不来的。

– Client
• 包含访问HBase的接口并维护cache来加快对HBase的访问

–Zookeeper
• 保证任何时候，集群中只有一个master
• 存贮所有Region的寻址入口。
• 实时监控Region server的上线和下线信息。并实时通知Master
• 存储HBase的schema和table元数据

– Master
• 为Region server分配region
• 负责Region server的负载均衡
• 发现失效的Region server并重新分配其上的region
• 管理用户对table的增删改操作

– RegionServer
• Region server维护region，处理对这些region的IO请求
• Region server负责切分在运行过程中变得过大的region

– 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。

– 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，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，找不到再找storefile

– 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。