HBase 系统架构

电玩女神 2022-08-08 13:52 266阅读 0赞

# [HBase 系统架构][HBase] #

http://www.cnblogs.com/shitouer/archive/2012/06/04/2533518.html

HBase是Apache Hadoop的数据库，能够对大型数据提供随机、实时的读写访问。HBase的目标是存储并处理大型的数据。HBase是一个开源的，分布式的，多版本的，面向列的存储模型。它存储的是松散型数据。

**HBase特性：**

1 高可靠性

2 高效性

3 面向列

4 可伸缩

5 可在廉价PC Server搭建大规模结构化存储集群

**HBase是Google BigTable的开源实现**，其相互对应如下：

**Google 　　　　　　　　　　 HBase**  
文件存储系统 　　　  GFS 　　　　　　　　　　　  HDFS  
海量数据处理 　　　  MapReduce Hadoop 　　　　MapReduce  
协同服务管理　　　　Chubby 　　　　　　　　　　Zookeeper

**HBase关系图：**

![2012060400463595.jpg][]

HBase位于结构化存储层，围绕HBase，各部件对HBase的支持情况：  
**Hadoop部件　　　　　　　　　　　　作用**  
HDFS　　　　　　　　　　　　　　高可靠的底层存储支持  
MapReduce 　　　　　　　　　　  高性能的计算能力  
Zookeeper 　　　　　　　　　　　稳定服务和failover机制  
Pig&Hive　　　　　　　　　　　　 高层语言支持，便于数据统计  
Sqoop　　　　　　　　　　　　　 提供RDBMS数据导入，便于传统数据库向HBase迁移

**访问HBase的接口**

**方式　　　　　　　　　　　　特点　　　　　　　　　　　　　　场合**  
Native Java API　　　　　　最常规和高效 　　　　　　　　　　 Hadoop MapReduce Job并行处理HBase表数据  
HBase Shell　　　　　　　  最简单接口 　　　　　　　　　　　 HBase管理使用  
Thrift Gateway　　　　　　利用Thrift序列化支持多种语言 　　  异构系统在线访问HBase表数据  
Rest Gateway　　　　　　 解除语言限制 　　　　　　　　　　 Rest风格Http API访问  
Pig　　　　　　　　　　　　Pig Latin六十编程语言处理数据 　　数据统计  
Hive　　　　　　　　　　　 简单，SqlLike

**HBase 数据模型**

![2012060400513336.jpg][]

组成部件说明：

Row Key：　　 　　Table主键 行键 Table中记录按照Row Key排序  
Timestamp：   　　每次对数据操作对应的时间戳，也即数据的version number  
Column Family： 　列簇，一个table在水平方向有一个或者多个列簇，列簇可由任意多个Column组成，列簇支持动态扩展，无须预定义数量及类型，二进制存储，用户需自行进行类型转换

**Table&Region**

![2012060400532513.jpg][]

1. Table随着记录增多不断变大，会自动分裂成多份Splits，成为Regions  
2. 一个region由\[startkey，endkey)表示  
3. 不同region会被Master分配给相应的RegionServer进行管理

**两张特殊表：-ROOT- & .META.**

![2012060400544147.jpg][]

.META. 　　记录用户表的Region信息，同时，.META.也可以有多个region  
\-ROOT- 　  记录.META.表的Region信息，但是，-ROOT-只有一个region  
Zookeeper中记录了-ROOT-表的location  
客户端访问数据的流程：  
Client -> Zookeeper -> -ROOT- -> .META. -> 用户数据表  
多次网络操作，不过client端有cache缓存

**HBase 系统架构图**

![2012060400561367.jpg][]

组成部件说明  
**Client：**  
使用HBase RPC机制与HMaster和HRegionServer进行通信  
Client与HMaster进行通信进行管理类操作  
Client与HRegionServer进行数据读写类操作  
  
**Zookeeper：**  
Zookeeper Quorum存储-ROOT-表地址、HMaster地址  
HRegionServer把自己以Ephedral方式注册到Zookeeper中，HMaster随时感知各个HRegionServer的健康状况  
Zookeeper避免HMaster单点问题  
  
**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在运行  
主要负责Table和Region的管理工作：  
1 管理用户对表的增删改查操作  
2 管理HRegionServer的负载均衡，调整Region分布  
3 Region Split后，负责新Region的分布  
4 在HRegionServer停机后，负责失效HRegionServer上Region迁移  
  
**HRegionServer：**  
HBase中最核心的模块，主要负责响应用户I/O请求，向HDFS文件系统中读写数据

![2012060400572691.jpg][]

HRegionServer管理一些列HRegion对象；  
每个HRegion对应Table中一个Region，HRegion由多个HStore组成；  
每个HStore对应Table中一个Column Family的存储；  
Column Family就是一个集中的存储单元，故将具有相同IO特性的Column放在一个Column Family会更高效

**HStore：**  
HBase存储的核心。由MemStore和StoreFile组成。  
MemStore是Sorted Memory Buffer。用户写入数据的流程：

![2012060400574793.gif][]

Client写入 -> 存入MemStore，一直到MemStore满 -> Flush成一个StoreFile，直至增长到一定阈值 -> 出发Compact合并操作 -> 多个StoreFile合并成一个StoreFile，同时进行版本合并和数据删除 -> 当StoreFiles Compact后，逐步形成越来越大的StoreFile -> 单个StoreFile大小超过一定阈值后，触发Split操作，把当前Region Split成2个Region，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  
由此过程可知，HBase只是增加数据，有所得更新和删除操作，都是在Compact阶段做的，所以，用户写操作只需要进入到内存即可立即返回，从而保证I/O高性能。

**HLog**  
引入HLog原因：  
在分布式系统环境中，无法避免系统出错或者宕机，一旦HRegionServer以外退出，MemStore中的内存数据就会丢失，引入HLog就是防止这种情况  
工作机制：  
每个HRegionServer中都会有一个HLog对象，HLog是一个实现Write Ahead Log的类，每次用户操作写入Memstore的同时，也会写一份数据到HLog文件，HLog文件定期会滚动出新，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，HMaster首先处理遗留的HLog文件，将不同region的log数据拆分，分别放到相应region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，格式主要有两种：  
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**

![2012060400581450.jpg][]

图片解释：  
HFile文件不定长，长度固定的块只有两个：Trailer和FileInfo  
Trailer中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

HFile里面的每个KeyValue对就是一个简单的byte数组。这个byte数组里面包含了很多项，并且有固定的结构。

![2012060400583891.jpg][]

KeyLength和ValueLength：两个固定的长度，分别代表Key和Value的长度  
Key部分：Row Length是固定长度的数值，表示RowKey的长度，Row 就是RowKey  
Column Family Length是固定长度的数值，表示Family的长度  
接着就是Column Family，再接着是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

**HLog File**

![2012060400590244.jpg][]

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

[HBase]: http://www.cnblogs.com/shitouer/archive/2012/06/04/2533518.html
[2012060400463595.jpg]: /images/20220805/101030a61c344778b58331cbdfbd8d30.png
[2012060400513336.jpg]: /images/20220805/c7bbe6a228bd4568a698d6cef9ac0230.png
[2012060400532513.jpg]: /images/20220805/10f1483caac646f8864343e2b2995aec.png
[2012060400544147.jpg]: /images/20220805/ae5676f96211419093c6b9c0377a46fa.png
[2012060400561367.jpg]: /images/20220805/5eae0958c38d4db7aa7e6e5f6d253cda.png
[2012060400572691.jpg]: /images/20220805/796714053b134eb9b5f20a0169d33239.png
[2012060400574793.gif]: /images/20220805/3abc3faea8254cec8df99ede23f56e1e.png
[2012060400581450.jpg]: /images/20220805/707dfc69fe9f4b8b8afbb4ea52eb1df4.png
[2012060400583891.jpg]: /images/20220805/b6bd5655cad64ad1848c88f6ff1febec.png
[2012060400590244.jpg]: /images/20220805/48cf7528fa884a97aa1fce8eff2096ba.png