初始Hbase

Hbase

定义

• HBase是一个开源的非关系型分布式数据库（NoSQL），它参考了谷歌的BigTable建模，实现 的编程语言为 Java。

• 是Apache软件基金会的Hadoop项目的一部分，运行于HDFS文件系统之上，因此可以容错地存 储海量稀疏的数据

特点

• 高可靠

• 高并发读写

• 面向列

• 可伸缩

• 易构建

行存储

• 优点：写入一次性完成，保持数据完整性

• 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

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要求不高的大数据领域

• 缺点：写入效率差，保证数据完整性方面差

优势

• 海量数据存储

• 快速随机访问

• 大量写操作的应用

• 互联网搜索引擎数据存储

• 海量数据写入

• 消息中心

• 内容服务系统（schema-free）

• 大表复杂&多维度索引

• 大批量数据读取

数据模型

行键	时间戳	列族contents	列族anchor	列族mime
“com.cnn.www”	t9		anchor:cnnsi.com="CNN"
	t8		anchor:my.look.ca="CNN.com"
	t6	contents:html=""		mime:type="text/html"
	t5	contents:html=""
	t3	contents:html=""

• RowKey：是Byte array，是表中每条记录的“主键”，方便快速查找，Rowkey的设计非常重要。

• Column Family：列族，拥有一个名称(string)，包含一个或者多个相关列

• Column：属于某一个columnfamily，familyName:columnName，每条记录可动态添加

• Version Number：类型为Long，默认值是系统时间戳，可由用户自定义

• Value(Cell)：Byte array

三维有序

• {rowkey => {family => {qualifier => {version => value}}}}

• a:cf1:bar:1368394583:7

• a:cf1:foo:1368394261:hello

物理模型

• Hbase一张表由一个或多个 Hregion组成

• 记录之间按照Row Key的字典 序排列

• Region按大小分割的，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，Hregion就会等分会两个 新的Hregion。当table中的行 不断增多，就会有越来越多的 Hregion。

• 表 -> HTable

• 按RowKey范围分的Region-> HRegion ->Region Servers

• HRegion按列族（Column Family） ->多个HStore

• HStore -> memstore + HFiles(均为有序的KV)

• HFiles -> HDFS

• 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。

• 但一个Hregion是不会拆分到 多个server上的。

• HRegion虽然是分布式存储的 最小单元，但并不是存储的最 小单元。

系统架构

Client

• 访问Hbase的接口，并维护Cache加速Region Server的访问

Master

• 负载均衡，分配Region到RegionServer

• DDL：增删改-> table，cf，namespace

• 类似namenode，管理一些元数据，table

• ACL权限控制

Region Server

• 管理和存储本地的HRegion

• 维护Region，负责Region的IO请求

• 本地化：HRegion的数据尽量和数据所属的DataNode在一块，但是这个本地化不能够总是满足和实现

Zookeeper

• 保证集群中只有一个Master

• 存储所有Region的入口（ROOT）地址

• 实时监控Region Server的上下线信息，并通知Master

系统架构图

容错

• ZooKeeper协调集群所有节点的共享信息，在HMaster和HRegionServer连接到ZooKeeper后 创建Ephemeral节点，并使用Heartbeat机制维持这个节点的存活状态，如果某个Ephemeral节 点实效，则HMaster会收到通知，并做相应的处理。

• 除了HDFS存储信息，HBase还在Zookeeper中存储信息，其中的znode信息：

  • – /hbase/root-region-server ，Root region的位置

  • – /hbase/table/-ROOT-，根元数据信息

  • – /hbase/table/.META.，元数据信息

  • – /hbase/master，当选的Mater

  • – /hbase/backup-masters，备选的Master

  • – /hbase/rs ，Region Server的信息

  • – /hbase/unassigned，未分配的Region

Master容错

• Zookeeper重新选择一个新的Master

  • 无Master过程中，数据读取仍照常进行；

  • 无master过程中，region切分、负载均衡等无法进行

Region Server容错

• 定时向Zookeeper汇报心跳，如果一旦时间内未出现心跳，Master将该RegionServer上的 Region重新分配到其他RegionServer上，失效服务器上“预写”日志由主服务器进行分割 并派送给新的RegionServer

Zookeeper容错

• Zookeeper是一个可靠地服务，一般配置3或5个Zookeeper实例

WAL(Write-Ahead-Log)预写日志

• 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日志写成功以后，客户端才会被告诉 提交数据成功，如果写WAL失败会告知客户端提交失败

• 数据落地的过程

• 在一个RegionServer上的所有的Region都共享一个 HLog，一次数据的提交是先写WAL，写入成功后，再 写memstore。当memstore值到达一定阈值，就会形 成一个个StoreFile（理解为HFile格式的封装，本质上 还是以HFile的形式存储的）

操作

• 基本的单行操作：PUT，GET，DELETE

• 扫描一段范围的Rowkey: SCAN

  • – 由于Rowkey有序而让Scan变得有效

• GET和SCAN支持各种Filter，将逻辑推给Region Server – 以此为基础可以实现复杂的查询

• 支持一些原子操作：INCREMENT、APPEND、CheckAnd{Put,Delete}

• MapReduce

• 注：在单行上可以加锁，具备强一致性。这能满足很多应用的需求。

特殊表

• -ROOT- 表和.META.表是两个比较特殊的表

• .META.记录了用户表的 Region信息，.META.可以有多个regoin

• -ROOT-记录了.META.表的 Region信息，-ROOT-只有一 个region，Zookeeper中记录 了-ROOT-表的location

• Hbase 0.96之后去掉了-ROOT- 表，因为： – 三次请求才能直到用户Table真正所在的位置也是性能低下的 – 即使去掉-ROOT- Table，也还可以支持2^17(131072)个Hregion，对于集群来说，存 储空间也足够

• 所以目前流程为：

  • – 从ZooKeeper(/hbase/meta-region-server)中获取hbase:meta的位置（ HRegionServer的位置），缓存该位置信息

  • – 从HRegionServer中查询用户Table对应请求的RowKey所在的HRegionServer，缓存该 位置信息

  • – 从查询到HRegionServer中读取Row。

写入流程

寻址

• 从这个过程中，我们发现客户会缓存 这些位置信息，然而第二步它只是缓 存当前RowKey对应的HRegion的位 置，因而如果下一个要查的RowKey 不在同一个HRegion中，则需要继续 查询hbase:meta所在的HRegion， 然而随着时间的推移，客户端缓存的 位置信息越来越多，以至于不需要再 次查找hbase:meta Table的信息，除 非某个HRegion因为宕机或Split被移 动，此时需要重新查询并且更新缓存

  

• hbase:meta表存储了所有用户HRegion的位置信息

  

写入流程

• 当客户端发起一个Put请求时，首先它从hbase:meta表中查出该Put数据最终需要去的 HRegionServer。然后客户端将Put请求发送给相应的HRegionServer，在HRegionServer中 它首先会将该Put操作写入WAL日志(Flush到磁盘中)。

• Memstore是一个写缓存，每一个Column Family有一个自己的MemStore

  

• 写完WAL日志文件后，HRegionServer根据Put中的TableName和RowKey找到对应的 HRegion，并根据Column Family找到对应的HStore，并将Put写入到该HStore的MemStore 中。此时写成功，并返回通知客户端

  

• MemStore是一个In Memory Sorted Buffer，在每个HStore中都有一个MemStore，即它是 一个HRegion的一个Column Family对应一个实例。它的排列顺序以RowKey、Column Family、Column的顺序以及Timestamp的倒序。

  

读取流程

• HBase中扫瞄的顺序依次是：BlockCache、MemStore、StoreFile(HFile)

  

Compaction和Split

• 问题：随着写入不断增多，flush次数不断增多，Hfile文件越来越多,所以Hbase需要对这些文件进行 合并

• Compaction会从一个region的一个store中选择一些hfile文件进行合并。合并说来原理很简单，先 从这些待合并的数据文件中读出KeyValues，再按照由小到大排列后写入一个新的文件中。之后，这 个新生成的文件就会取代之前待合并的所有文件对外提供服务 。

• Minor Compaction：是指选取一些小的、相邻的StoreFile将他们合并成一个更大的StoreFile，在 这个过程中不会处理已经Deleted或Expired的Cell。一次Minor Compaction的结果是更少并且更大 的StoreFile 。

• Major Compaction：是指将所有的StoreFile合并成一个StoreFile，这个过程还会清理三类无意义 数据：被删除的数据、TTL过期数据、版本号超过设定版本号的数据 。

• Major Compaction时间会持续比较长，整个过程会消耗大量系统资源，对上层业务有比较大的影响 。因此线上业务都会将关闭自动触发Major Compaction功能，改为手动在业务低峰期触发。

• Compaction本质：使用短时间的IO消耗以及带宽消耗换取后续查询的低延迟 。

• compact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。为了避免这种情况，在HFile的数量过多的时候会限制写请求的速度。

• 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。