Hbase简介之二

亦凉 2022-01-21 04:29 183阅读 0赞

HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。

HBase是Google Bigtable的开源实现，类似Google Bigtable利用GFS作为其文件存储系统，HBase利用Hadoop HDFS作为其文件存储系统；Google运行MapReduce来处理Bigtable中的海量数据，HBase同样利用Hadoop MapReduce来处理HBase中的海量数据；Google Bigtable利用 Chubby作为协同服务，HBase利用Zookeeper作为对应。

[![image001][]][image001 1]

上图描述了Hadoop EcoSystem中的各层系统，其中HBase位于结构化存储层，Hadoop HDFS为HBase提供了高可靠性的底层存储支持，Hadoop MapReduce为HBase提供了高性能的计算能力，Zookeeper为HBase提供了稳定服务和failover机制。

此外，Pig和Hive还为HBase提供了高层语言支持，使得在HBase上进行数据统计处理变的非常简单。 Sqoop则为HBase提供了方便的RDBMS数据导入功能，使得传统数据库数据向HBase中迁移变的非常方便。

# HBase访问接口 #

1.       Native Java API，最常规和高效的访问方式，适合Hadoop MapReduce Job并行批处理HBase表数据

2.       HBase Shell，HBase的命令行工具，最简单的接口，适合HBase管理使用

3.       Thrift Gateway，利用Thrift序列化技术，支持C++，PHP，Python等多种语言，适合其他异构系统在线访问HBase表数据

4.       REST Gateway，支持REST 风格的Http API访问HBase, 解除了语言限制

5.       Pig，可以使用Pig Latin流式编程语言来操作HBase中的数据，和Hive类似，本质最终也是编译成MapReduce Job来处理HBase表数据，适合做数据统计

6.       Hive，当前Hive的Release版本尚没有加入对HBase的支持，但在下一个版本Hive 0.7.0中将会支持HBase，可以使用类似SQL语言来访问HBase

# HBase数据模型 #

## Table & Column Family ##

<table style="margin:0px; padding:0px; font-family:微软雅黑,Verdana,sans-serif,宋体; color:rgb(0,0,0); font-size:13px; line-height:21px"> 
 <tbody style="margin:0px; padding:0px"> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px"><span style="margin:0px; padding:0px">Row Key</span></td> 
   <td style="margin:0px; padding:0px"><span style="margin:0px; padding:0px">Timestamp</span></td> 
   <td colspan="2" style="margin:0px; padding:0px"><span style="margin:0px; padding:0px">Column Family</span></td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px"><span style="margin:0px; padding:0px">URI</span></td> 
   <td style="margin:0px; padding:0px"><span style="margin:0px; padding:0px">Parser</span></td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px">r1</td> 
   <td style="margin:0px; padding:0px">t3</td> 
   <td style="margin:0px; padding:0px">url=http://www.taobao.com</td> 
   <td style="margin:0px; padding:0px">title=天天特价</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px">t2</td> 
   <td style="margin:0px; padding:0px">host=taobao.com</td> 
   <td style="margin:0px; padding:0px">&nbsp;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px">t1</td> 
   <td style="margin:0px; padding:0px">&nbsp;</td> 
   <td style="margin:0px; padding:0px">&nbsp;</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px">r2</td> 
   <td style="margin:0px; padding:0px">t5</td> 
   <td style="margin:0px; padding:0px">url=http://www.alibaba.com</td> 
   <td style="margin:0px; padding:0px">content=每天…</td> 
  </tr> 
  <tr style="margin:0px; padding:0px"> 
   <td style="margin:0px; padding:0px">t4</td> 
   <td style="margin:0px; padding:0px">host=alibaba.com</td> 
   <td style="margin:0px; padding:0px">&nbsp;</td> 
  </tr> 
 </tbody> 
</table>

Ø  Row Key: 行键，Table的主键，Table中的记录按照Row Key排序

Ø  Timestamp: 时间戳，每次数据操作对应的时间戳，可以看作是数据的version number

Ø  Column Family：列簇，Table在水平方向有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column组成，即Column Family支持动态扩展，无需预先定义Column的数量以及类型，所有Column均以二进制格式存储，用户需要自行进行类型转换。

## Table & Region ##

当Table随着记录数不断增加而变大后，会逐渐分裂成多份splits，成为regions，一个region由\[startkey,endkey)表示，不同的region会被Master分配给相应的RegionServer进行管理：

[![image002][]][image002 1]

## \-ROOT- && .META. Table ##

HBase中有两张特殊的Table，-ROOT-和.META.

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

Ø  -ROOT-：记录了.META.表的Region信息，-ROOT-只有一个region

Ø  Zookeeper中记录了-ROOT-表的location

[![image003][]][image003 1]

Client访问用户数据之前需要首先访问zookeeper，然后访问-ROOT-表，接着访问.META.表，最后才能找到用户数据的位置去访问，中间需要多次网络操作，不过client端会做cache缓存。

# MapReduce on HBase #

在HBase系统上运行批处理运算，最方便和实用的模型依然是MapReduce，如下图：

[![image004][]][image004 1]

HBase Table和Region的关系，比较类似HDFS File和Block的关系，HBase提供了配套的TableInputFormat和TableOutputFormat API，可以方便的将HBase Table作为Hadoop MapReduce的Source和Sink，对于MapReduce Job应用开发人员来说，基本不需要关注HBase系统自身的细节。

# HBase系统架构 #

[![image005][]][image005 1]

## Client ##

HBase Client使用HBase的RPC机制与HMaster和HRegionServer进行通信，对于管理类操作，Client与HMaster进行RPC；对于数据读写类操作，Client与HRegionServer进行RPC

## Zookeeper ##

Zookeeper Quorum中除了存储了-ROOT-表的地址和HMaster的地址，HRegionServer也会把自己以Ephemeral方式注册到 Zookeeper中，使得HMaster可以随时感知到各个HRegionServer的健康状态。此外，Zookeeper也避免了HMaster的 单点问题，见下文描述

## HMaster ##

HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行，HMaster在功能上主要负责Table和Region的管理工作：

1.       管理用户对Table的增、删、改、查操作

2.       管理HRegionServer的负载均衡，调整Region分布

3.       在Region Split后，负责新Region的分配

4.       在HRegionServer停机后，负责失效HRegionServer 上的Regions迁移

## HRegionServer ##

HRegionServer主要负责响应用户I/O请求，向HDFS文件系统中读写数据，是HBase中最核心的模块。

[![image006][]][image006 1]

HRegionServer内部管理了一系列HRegion对象，每个HRegion对应了Table中的一个Region，HRegion中由多 个HStore组成。每个HStore对应了Table中的一个Column Family的存储，可以看出每个Column Family其实就是一个集中的存储单元，因此最好将具备共同IO特性的column放在一个Column Family中，这样最高效。

HStore存储是HBase存储的核心了，其中由两部分组成，一部分是MemStore，一部分是StoreFiles。MemStore是 Sorted Memory Buffer，用户写入的数据首先会放入MemStore，当MemStore满了以后会Flush成一个StoreFile（底层实现是HFile）， 当StoreFile文件数量增长到一定阈值，会触发Compact合并操作，将多个StoreFiles合并成一个StoreFile，合并过程中会进 行版本合并和数据删除，因此可以看出HBase其实只有增加数据，所有的更新和删除操作都是在后续的compact过程中进行的，这使得用户的写操作只要 进入内存中就可以立即返回，保证了HBase I/O的高性能。当StoreFiles Compact后，会逐步形成越来越大的StoreFile，当单个StoreFile大小超过一定阈值后，会触发Split操作，同时把当前 Region Split成2个Region，父Region会下线，新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer 上，使得原先1个Region的压力得以分流到2个Region上。下图描述了Compaction和Split的过程：

[![image007][]][image007 1]

在理解了上述HStore的基本原理后，还必须了解一下HLog的功能，因为上述的HStore在系统正常工作的前提下是没有问题的，但是在分布式 系统环境中，无法避免系统出错或者宕机，因此一旦HRegionServer意外退出，MemStore中的内存数据将会丢失，这就需要引入HLog了。 每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并 删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer意外终止后，HMaster会通过Zookeeper感知 到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复。

## HBase存储格式 ##

HBase中的所有数据文件都存储在Hadoop HDFS文件系统上，主要包括上述提出的两种文件类型：

1.       HFile， HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile

2.       HLog File，HBase中WAL（Write Ahead Log） 的存储格式，物理上是Hadoop的Sequence File

### HFile ###

下图是HFile的存储格式：

[![image008][]][image008 1]

首先HFile文件是不定长的，长度固定的只有其中的两块：Trailer和FileInfo。正如图中所示的，Trailer中有指针指向其他数 据块的起始点。File Info中记录了文件的一些Meta信息，例如：AVG\_KEY\_LEN, AVG\_VALUE\_LEN, LAST\_KEY, COMPARATOR, MAX\_SEQ\_ID\_KEY等。Data Index和Meta Index块记录了每个Data块和Meta块的起始点。

Data Block是HBase I/O的基本单元，为了提高效率，HRegionServer中有基于LRU的Block Cache机制。每个Data块的大小可以在创建一个Table的时候通过参数指定，大号的Block有利于顺序Scan，小号Block利于随机查询。 每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成, Magic内容就是一些随机数字，目的是防止数据损坏。后面会详细介绍每个KeyValue对的内部构造。

HFile里面的每个KeyValue对就是一个简单的byte数组。但是这个byte数组里面包含了很多项，并且有固定的结构。我们来看看里面的具体结构：

[![image009][]][image009 1]

开始是两个固定长度的数值，分别表示Key的长度和Value的长度。紧接着是Key，开始是固定长度的数值，表示RowKey的长度，紧接着是 RowKey，然后是固定长度的数值，表示Family的长度，然后是Family，接着是Qualifier，然后是两个固定长度的数值，表示Time Stamp和Key Type（Put/Delete）。Value部分没有这么复杂的结构，就是纯粹的二进制数据了。

### HLogFile ###

[![image010][]][image010 1]

上图中示意了HLog文件的结构，其实HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是HLogKey对象，HLogKey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 Sequece File的Value是HBase的KeyValue对象，即对应HFile中的KeyValue，可参见上文描述。

[image001]: /images/20220121/29c124aa975643ea9f8741f0c31da983.png
[image001 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0010.jpg
[image002]: /images/20220121/a8f273b48ee44591bb97c9f2025358e0.png
[image002 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0021.jpg
[image003]: /images/20220121/c620eeb590d84a7d949bcec7ee5f0b4d.png
[image003 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0030.jpg
[image004]: /images/20220121/c59f7ba20c3f465a92e2a907c6999215.png
[image004 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0040.jpg
[image005]: /images/20220121/eae9f928e0464759a77e50e6b1e74864.png
[image005 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0050.jpg
[image006]: /images/20220121/0bdea637a6d94155a76b4d6bea015c34.png
[image006 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0060.jpg
[image007]: /images/20220121/b74394263d0a40cb84c779fb698b863e.png
[image007 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0070.gif
[image008]: /images/20220121/18f6567bc76842bc8483ac79a3866f7a.png
[image008 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0080.jpg
[image009]: /images/20220121/aa8ba99906f94e66916c2f595bfd017a.png
[image009 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0090.jpg
[image010]: /images/20220121/66c64efedeb54b10bdc0e92dc003a06f.png
[image010 1]: http://www.searchtb.com/wp-content/uploads/2011/01/image0100.jpg

发表评论取消回复

表情：

评论列表（有 0 条评论，183人围观）

还没有评论，来说两句吧...

相关阅读

相关 hbase简介

1.HBase简介 1.1 定义 > HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库。 1.2 HBase数据模型 1.2.1逻

﹏ヽ暗。殇╰゛Y/ 2024年03月25日 12:38/ 0 赞/ 87 阅读

相关 HBase 简介

[笔记整理自][Link 1] 1 HBase 定义 Apache HBase 是以 hdfs 为数据存储的，一种分布式、可扩展的 NoSQL 数据库。 2 HBa

浅浅的花香味﹌/ 2023年09月28日 15:32/ 0 赞/ 19 阅读

相关 HBase简介

HBase简介一、Hadoop的局限二、HBase简介三、HBase Table 四、Phoenix 一、Hadoop的局限 HBase

落日映苍穹つ/ 2023年01月05日 12:20/ 0 赞/ 142 阅读

相关 HBase简介

目录 Hbase的来源 HBase定义 Hbase的特点 HBase的特点

墨蓝/ 2022年11月25日 14:30/ 0 赞/ 139 阅读

相关 HBase简介

一、HBase的特点是什么 1.HBase一个分布式的基于列式存储的数据库,基于hadoop的hdfs存储，zookeeper进行管理。 2.HBase适合存储半结构化或非

快来打我*/ 2022年06月15日 05:44/ 0 赞/ 262 阅读

相关 HBase 简介

HBase 简介 HBase - Hadoop Database,是一个高可用、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

灰太狼/ 2022年06月12日 01:48/ 0 赞/ 211 阅读

相关 HBase简介

各位小伙伴们，又到了每周分享java&大数据技术的时间，这一次我给大家分享的是hbase技术。那么hbase到底是一个什么样的技术，他又能拿来干嘛用的呢？接下来就让我们一起来学

ゝ一世哀愁。/ 2022年06月01日 12:41/ 0 赞/ 206 阅读

相关 Hbase简介

一、HBaes介绍 1.1、HBase的起源 HBase的原型是Google的BigTable论文，受到了该论文思想的启发，目前作为Hadoop的子项目来开发维护，

Bertha 。/ 2022年05月21日 03:35/ 0 赞/ 232 阅读

相关 HBase深度简介

转载自：https://blog.csdn.net/jiangtao\_st/article/details/19499923 高江涛个人博客一、简介 Hbase：

浅浅的花香味﹌/ 2022年04月16日 04:13/ 0 赞/ 287 阅读

相关 Hbase简介之二

HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群

亦凉/ 2022年01月21日 04:29/ 0 赞/ 184 阅读