1、HBase概述

  • HBase是一个构建在HDFS上的分布式列存储系统;
  • HBase是Apache Hadoop生态系统中的重要 一员，主要用于海量结构化数据存储;
  • 从逻辑上讲，HBase将数据按照表、行和列 进行存储。

HDFS适合批处理场景：

不支持数据随机查找
不适合增量数据处理
不支持数据更新

HBase表的特点:

大:一个表可以有数十亿行，上百万列
无模式:每行都有一个可排序的主键和任意多的列，列可以 根据需要动态的增加，同一张表中不同的行可以有截然不同的 列;
面向列:面向列(族)的存储和权限控制，列(族)独立检 索;
稀疏:对于空(null)的列，并不占用存储空间，表可以设计 的非常稀疏;
数据多版本:每个单元中的数据可以有多个版本，默认情况 下版本号自动分配，是单元格插入时的时间戳;
数据类型单一:Hbase中的数据都是字符串，没有类型。

行存储与列存储对比：

传统行式数据库:

  • 数据是按行存储的
  • 没有索引的查询使用大量I/O
  • 建立索引和物化视图需要花费大量时间和资源
  • 面向查询的需求，数据库必须被大量膨胀才能满足性能要求

列式数据库:

  • 数据是按列存储-每一列单独存放
  • 数据即是索引
  • 只访问查询涉及的列-大量降低系统I/O
  • 每一列由一个线索来处理-查询的并发处理
  • 数据类型一致，数据特征相似-高效压缩

2、HBase数据模型

HBase是基于Google BigTable模型开发的，典型的key/value系统.

  • HBase schema可以有多个 Table，每个表可由多个Column Family组成
  • HBase可以有 Dynamic Column：列名称是编码在cell中的；不同的cell可以拥有不同的列。

Rowkey与Column Family


Row Key：表中每条记录的“主键”,方便快速查找,每一行的rowkey必须是唯一的,无需以递增的顺序插入.
Column Family: 拥有一个名称,包含一个或者多个相关列.
Column: 属于某一个column family,包含在某一列中 familyName:columnName
Version Number: 每个rowkey唯一,默认值 -> 系统时间戳,类型为Long
Value (Cell): Byte array

Hbase支持的操作

  • 所有操作均是基于rowkey的；
  • 支持CRUD（Create、Read、Update和Delete）和 Scan；
  • 单行操作：Put、Get、Scan
  • 多行操作：Scan、MultiPut
  • 没有内置join操作，可使用MapReduce解决。

3、HBase物理模型

  • 每个column family存储在HDFS上的一个单独文件中；
  • Key 和 Version number在每个 column family中均由一份；
  • 空值不会被保存。
  • HBase 为每个值维护了多级索引，即：
  • 1、Table中的所有行都按照row key的字典序排列；
  • 2、Table 在行的方向上分割为多个Region；
  • 3、Region按大小分割的，每个表开始只有一个region，随着数据增多，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，之后会有越来越多的egion；
  • 4 、Region是HBase中分布式存储和负载均衡的最小单元。不同Region分布到不同RegionServer上；
  • 5 、Region虽然是分布式存储的最小单元，但并不是存储的最小单元（数据存储的最小单元是cell）。
    • Region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；
    • memStore存储在内存中，StoreFile存储在HDFS上。

4、HBase基本架构

HBase基本组件

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。并实时通知给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的增删改查操作

Region Server:

  • 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

Zookeeper作用

HBase 依赖ZooKeeper
默认情况下，HBase 管 理ZooKeeper 实例。比如， 启动或者停止 ZooKeeper
Master与RegionServers 启动时会向ZooKeeper注 册
Zookeeper的引入使得Master不再是单点故障

Write-Ahead-Log（WAL）

HBase容错性

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；

RegionServer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。

Region定位：寻找RegionServer -> (ZooKeeper、-ROOT-(单Region)、.META.、用户表)

-ROOT-

  • 表包含.META.表所在的region列表，该表只会有一个Region；
  • Zookeeper中记录了-ROOT-表的location。

.META.

  • 表包含所有的用户空间region列表，以及RegionServer的服务器地址。