【大数据面试】Hbase：数据、模型结构、操作、读写数据流程、集成、优化

一、概述

1、概念

分布式、可扩展、海量数据存储的NoSQL数据库

2、模型结构

（1）逻辑结构

store相当于某张表中的某个列族

（2）存储结构

（3）模型介绍

Name Space：相当于数据库，包含很多张表

Region：类似于表，定义表时只需要声明列族，不需要声明具体的列。【字段可以动态、按需指定】

Row：每行数据按RowKey字典序存储，且只能根据RowKey检索

Column：由Column Family(列族)和Column Qualifier（列限定符，即列名，无需预先定义）进行限定，例如info：name，info：age。

Column Family：列族

Time Stamp：标识数据的不同版本

Cell：由{rowkey, column Family：column Qualifier, time Stamp} 唯一确定的单元/记录？

3、Hbase架构

（1）结构图

（2）架构角色

Region Server：Region的管理者，其实现类为HRegionServer，可以实现对数据的操作（get, put, delete）和对Region的操作（splitRegion、compactRegion）

Master：Region Server的管理者，实现类为HMaster，可以实现对表的操作（create, delete, alter）和对Region Server的操作（分配regions、监控ser的状态、负载均衡和故障转移）

Zookeeper：Master的高可用、RegionServer的监控、元数据的入口以及集群配置的维护

HDFS：底层数据存储、HBase的高可用

二、操作及进阶

1、入门操作

（1）启动

分别启动：bin/hbase-daemon.sh start master及regionserver

共同启动：bin/start-hbase.sh，查看页面：http://hadoop102:16010

配置HMaster的HA高可用：backup-masters文件并同步scp

（2）常见操作

进入命令行：bin/hbase shell

表的操作：create、put、scan、describe、count、delete、truncate清空表、get 'student','1001'指定行,'info:name'指定列族: 列、drop删除表、

2、架构原理

StoreFile：实际保存的物理文件，以HFile的形式存储在HDFS上，数据有序

MemStore：写缓存，先存储在MemStore中，排好序再刷写到StoreFile

WAL：写内存容易数据丢失，先写在一个叫做Write-Ahead logfile的文件中，然后再写入MemStore中；系统出现故障的时候，数据可以通过这个日志文件重建。

3、写数据流程

Client通过zk获取Region Server地址

（追加）到WAL，写入对应的MemStore

向client发送ack，等到刷写时机后，将数据刷写到HFile

4、MemStore Flush数据刷写

memstore的总大小达到java_heapsize时

到达自动刷写的时间，也会触发memstore flush

5、StoreFile Compaction

memstore每次刷写都会生成一个新的HFile，且同一个字段的不同版本（timestamp）和不同类型（Put/Delete）有可能会分布在不同的HFile中，因此查询时需要遍历所有的HFile

为了减少HFile的个数，以及清理掉过期和删除的数据，会进行StoreFile Compaction。

Minor Compaction：临近的HFile合并，但不会清理删除

Major Compaction：Store下的所有HFile合并，同时会清理和删除

6、Region Split拆分

每个Table起初只有一个Region，随着数据的不断写入，Region会自动进行拆分

由于负载均衡，可能会将当前table的region转移到其他region server上

7、读数据流程

访问zk，获取hbase:meta表位于哪个Region Server

根据读请求的namespace:table/rowkey获取region并缓存到meta cache

查询目标数据并合并

8、RowKey设计

（1）设计原则

1）rowkey长度原则

2）rowkey散列原则

3）rowkey唯一原则

（2）设计方式

1）生成随机数、hash、散列值

2）字符串反转

三、集成

1、集成Phoenix

（1）Phoenix介绍

使用标准JDBC API代替HBase客户端API

特点：容易集成、操作简单、支持二级索引

（2）常见操作

安装：server和client拷贝

显示所有表：!tables

建表：表名等会自动转换为大写，加双引号可以指定小写

插入数据：upsert into student values

退出命令行：!quit

（3）视图&表映射

创建关联test表的视图：create view "test"(id varchar primary key,"info1"."name" varchar, "info2"."address" varchar);

删除视图：drop view "test";

（4）二级索引

二级索引配置文件

全局二级索引：创建新表，适用于多读少写的业务场景

本地二级索引：Local Index适用于写操作频繁

2、集成Hive

（1）HBase与Hive的对比

（2）Hive插入数据后影响Hbase

Hive中创建临时中间表，用于load文件中的数据

insert命令将中间表中的数据导入到Hive关联Hbase的那张表中

（3）借助Hive分析HBase表

Hive中创建外部表

使用Hive函数进行分析操作

四、优化

1、region预分区

提前规划region分区，提高性能

create 'staff1','info','partition1',SPLITS => ['1000','2000','3000','4000']

方式：手工设定、生成16进制序列、按文件规则、使用java api

2、基础优化，配置hbase-site.xml

允许在HDFS的文件中追加内容

优化DataNode允许的最大文件打开数

优化延迟高的数据操作的等待时间

优化数据的写入效率

设置RPC监听数量

优化HStore文件大小

指定scan.next扫描HBase所获取的行数

flush、compact、split机制