hbase 简介

概述

hbase是一个构建在hdfs上的分布式列存储系统；

hbase是基于googlebigtable模型开发的，典型的key/value系统；

hbase是apachehadoop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。

与hadoop一样，hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

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：空（null）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。

·hbase数据模型

hbase逻辑视图

注意上图中的英文说明

hbase基本概念

rowkey：是bytearray，是表中每条记录的“主键”，方便快速查找，rowkey的设计非常重要。
columnfamily：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
versionnumber：类型为long，默认值是系统时间戳，可由用户自定义
value(cell)：bytearray

·hbase物理模型

每个columnfamily存储在hdfs上的一个单独文件中，空值不会被保存。

key和 version number在每个 column family中均有一份；

hbase为每个值维护了多级索引，即：

物理存储:

1、table中所有行都按照rowkey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region；

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。region由一个或者多个store组成，每个store保存一个columnsfamily；每个strore又由一个memstore和0至多个storefile组成，storefile包含hfile；memstore存储在内存中，storefile存储在hdfs上。

·hbase架构及基本组件

hbase基本组件说明：

client

ü包含访问hbase的接口，并维护cache来加快对hbase的访问，比如region的位置信息

master

ü为regionserver分配region

ü负责regionserver的负载均衡

ü发现失效的regionserver并重新分配其上的region

ü管理用户对table的增删改查操作

regionserver

üregionserver维护region，处理对这些region的io请求

üregionserver负责切分在运行过程中变得过大的region

zookeeper作用

ü通过选举，保证任何时候，集群中只有一个master，master与regionservers启动时会向zookeeper注册

ü存贮所有region的寻址入口

ü实时监控regionserver的上线和下线信息。并实时通知给master

ü存储hbase的schema和table元数据

ü默认情况下，hbase管理zookeeper 实例，比如， 启动或者停止zookeeper

üzookeeper的引入使得master不再是单点故障

write-ahead-log（wal）

该机制用于数据的容错和恢复：

每个hregionserver中都有一个hlog对象，hlog是一个实现writeaheadlog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replayhlog中的数据到memstore中，然后flush到storefiles，完成数据恢复

hbase容错性

master容错：zookeeper重新选择一个新的master

ü无master过程中，数据读取仍照常进行；

ü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定位流程：

寻找regionserver

zookeeper-->-root-(单region)-->.meta.-->用户表

-root-

ü表包含.meta.表所在的region列表，该表只会有一个region；

üzookeeper中记录了-root-表的location。

.meta.

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

·hbase使用场景

storing large amounts of data(100s oftbs)
needhigh write throughput
needefficient random access(key lookups) within large datasets
needto scale gracefully with data
forstructured and semi-structured data
don'tneed fullrdms capabilities(cross row/cross table transaction,joins,etc.)

大数据量存储，大数据量高并发操作

需要对数据随机读写操作

读写访问均是非常简单的操作

·hbase与hdfs对比

两者都具有良好的容错性和扩展性，都可以扩展到成百上千个节点；

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