Hbase入门

怼烎@ 2022-06-06 10:36 198阅读 0赞

Hbase是一个开源的非关系型数据库(nosql)，他参考了谷歌的bigtable建模，实现语言java  
是apache软件基金会的hadoop项目的一部分，运行在hdfs文件系统之上，因此可以容错的存储海量的稀疏数据  
和关系型数据库不同，如mysql。如果在插入值时候，如果没有向哪一行插入数据，mysql会自动插入null。  
稀疏数据(在数据库中，稀疏数据是指在二维表中含有大量空值的数据；即稀疏数据是指，在数据集中绝大多数数值缺失或者为零的数据。稀疏数据绝对不是无用数据，只不过是信息不完全，通过适当的手段是可以挖掘出大量有用信息。)

特性：  
\- 高可靠  
\- 高并发读写  
\- 面向列  
\- 可伸缩  
\- 易构建  
关系型数据库mysql  
\- 行存储：  
\- 优点：写入一次完成，保持数据完整性(不能为空)  
\- 缺点：数据读取过程中产生冗余数据，若有少量数据可以忽略  
(因为他是先把所有表读完，然后筛选掉不用的字段)降低读取性能

hbase  
列存储  
\- 优点：读取过程，不会产生冗余数据特别适合对数据完整性不高的大数据领域  
\- 缺点：写入效率差，保证数据完整性方面差  
按照列存储，每个列之间隔离，在查找方面不会产生冗余数据，按列读取  
列与列之间建立关系，可以有年龄，但是没有sex或者local，也不会影响。

*  海量数据存储
 *  快速随机访问
 *  大量写操作的应用

将非结构化的数据变成结构化信息存储起来

应用场景  
\- 互联网搜索引擎数据存储  
\- 海量数据写入  
\- 消息中心 //spout可以从HBase中读取(支持时间戳)  
\- 内容服务系统(schema-free)  
\- 大表辅助&多维度索引  
\- 大批量数据读取  
![hbase表结构][hbase]

row关键字  
column=meta\_data：cl  
列族 列

timestamp=14123709790  
时间戳

value  
值

HBase物理模型:  
region 区域  
hbase一张表由多个region组成(按照行划分)  
记录按照row key序字典排序  
![table结构][table]

region是数据分布的最小单位,是hbase中分布式存储和负载均衡的最小单位。

region按大小分割，每个表一开始只有一个region，随着数据不断插入表，region就会增大，当增大到一个阈值时，hregion就会等分为两个新的hregion，当table中的行不断增多，就会有越来越多的hregion。  
![hregion分裂过程][hregion]

region阈值默认是10G,

一个region只属于一个regionserver(类似于一个节点)  
当操作hbase数据的时候，会向某一行加锁。  
hregionserver：进程，核心进程

表->htable  
按rowkey范围分的region->hregion->region server  
hregion按列族(column family)->多个hstore  
hstore是类似于列族

hstore->memstore+hfiles(均为有序的kv)  
memstore类似于内存区域，(默认128M)当达到阈值会向磁盘写入  
hfiles->HDFS

hregionserver  
![hregionserver结构][hregionserver]  
hlog日志信息  
blockstore缓存，为了加快读取速度  
一个regionserver管理着很多region，region里面有包含了很多store，  
一个store里面包含着很多storefile和hfiles。  
在client向hbase中写入数据时，先写hlog，然后再去写memstore，在去给hfile上去写  
Hlog ，数据恢复时，是将操作过的命令和文件进行回溯，

一个hbase结构包含四个部分

client  
\-访问hbase 的接口，并维护cache加速regionserver的访问

master  
\-负载均衡，分配region到regionserver

regionserver  
\-维护region，负责region的io请求

zookeeper  
\-保证集群中只有一个master  
\-存储所有region的入口(root)地址(寻址)  
\-实时监控regionserver的上下线信息，并通知master

进程  
hmaster(主)  
1.负载均衡，管理和分配hregion  
2.ddl:增删改操作->table,column family，namespace  
3.类似于namenode，管理一些元数据  
4.acl权限控制

hregionserver(从)  
1.管理和存放本地的hregion  
2.读写hdfs，提供io操作  
3.本地化：hregion的数据尽量和数据所属的datanode在一起，但是这个本地化不能够总是满足和实现(因为有时候会不断的插入数据)

除hdfs存储信息，hbase还在zookeeper中存储信息，其中的znode信息：  
Hdfs上存储数据和hlog  
源数据信息存储在zookeeper上  
Zookeeper上有个hbase节点保存了源数据信息和调度信息  
当region server没有在一定时间内未出现心跳，master将该regionserver上region重新分配到其他regionserver上，  
Zookeeper容错：不要太大

WAL(write-ahead-log)预写日志  
为了防止在写入了hbase节点挂掉，导致丢失数据，  
\-是hbase的regionserver在处理数据插入和删除的过程中用来记录操作内容的一种日志  
\-在每次put、delete等一条记录时，首先将其数据写入到regionserver对应的hlog文件的过程。

客户端往regionserver端提交数据的时候，会写wal日志，只有当wal日志写成功之后，客户端才会告诉提交数据成功，如果写wal失败会告知客户端提交失败  
数据落地过程  
在一个regionserver上的所有region都共享一个hlog，一次数据的提交先写wal，写入成功后，再写memstore，当memstore值到达一个阈值，就会形成一个storefile(理解为hfile格式的封装，本质上还是以hfile的形式存储的)

查找用户  
![这里写图片描述][SouthEast]

在读取hbase的数据时，表名  
这张表存在那张regionserver上，然后对表进行操作  
Meta信息存的表名和对应的regionserver的对应关系  
在meta表中拿你的表名访问你的regionserver  
META 是多个表，放在不同的regionserver上，  
客户端也可能会由memcache(缓存)

合并操作 compaction  
将冗余的垃圾信息去除  
(compaction本质：使用短时间的io消耗及贷款消耗换区后续查询的低延迟)  
compaction的速度远远跟不上hfile生成的速度，这样就会使hfile的数量会越来越多，导致读性能急剧下降，在hfile的数量过多的时候会限制写请求的速度

合并：  
1.region的合并，尽量把小的region合并到一个大的，理想情况下，每个region的请求量是一样的(不能保证数量一致)  
2.storefile的合并  
如果hbase当做mapreduce的输入源的话，一个map对应一个region

hbase中扫描的顺序依次是：BlockCache、Memcache、StoreFile(Hfile)

split 当一个region太大时，将其分裂成两个region  
split和major compaction可以手动或者自动做

![zookeeper和hbase的协调][zookeeper_hbase]

[hbase]: /images/20220606/6056a6a5034d47a7bba88f10c51f4af9.png
[table]: /images/20220606/6c327aae31fa483b8795c97670bf79a1.png
[hregion]: /images/20220606/05d9c0241a3c4c42a37f9406885d3d51.png
[hregionserver]: /images/20220606/6c8451160b1b42eaa84bbae21c93b6ea.png
[SouthEast]: /images/20220606/7b4179cb99da488b87f414f3a55d918c.png
[zookeeper_hbase]: /images/20220606/689aca1dcd304e5ca4e13baf4afdf144.png