hadoop学习笔记（五）HBase的原理及概念模型

数据模型

Hbase采用表来组织数据，采用行和列，行为行键，列为列族

通过{“行键”，“列族” ，“列限定符”，“时间戳”}来确定一个单元格。

概念模型

• 行键按照字典序列进行排序
• 用列anchor:cnnsi.com , anchor:my.look.ca或者contents:html来标识列
• 从逻辑上讲，这是一个稀疏的映射关系表

物理模型

具体的物理存储采用了基于列的存储方式，会按照列族的不同分别存放两个片段，分成contents和anchor，列族中还包括时间戳和行键。

逻辑上是空的地方不会单独用null存储，而是根本就不会被存储，也不会用null这个东西占据空间。

Hbase的实现原理

图4-5：

• 表中的每一条数据是根据行键字典序列维护
• 根据行键对表中每一条数据进行分区，分区被称作Region，是在分布式集群上分发的基本单位，分发到运行Region服务器的机器上

图4-6：

-最初表中的只有一个Region，随着数据的不断插入，基于行键对数据进行分区的Region就会不断增大，在Region大小到达一个阀值的时候分裂成同等大小，实际的分裂过程是在Region服务器中进行的

大约的分布过程如下，Region存在Region服务器上

Region三级寻址

每一个Region都有唯一标识性，总体的三级寻址类似B+树

• .META.是Region和Region服务器的对应关系表，又是元数据表，直到Region存放在那里
• 映射关系多，.META.表也会被分成Region存在各个不同服务器上，-ROOT-表就是根数据表，用来存放.META.的Region的映射关系，-ROOT-只有一个Region，永远不会被划分
• Zookkeeper文件记录了-ROOT-表的位置信息

通过三级寻址发现：
用户表Region个数 = -ROOT-表的映射关系个数 *. META.表的映射关系个数

Hbase运行的系统架构

• 客户端表现形式为shell，也可自己写客户端，HBase提供了API，也是通过RPC这种远程访问机制对Mater进行访问，数据库的读写也是通过RPC与Region服务器进行交互
• ZooKeeper就是对集群中机器进行管理，也并非是单一的机器，也是集群，图中是一个ZooKeeper集群概述，反映每台机器的运行状态或者是增加集群需要同通知ZooKeeper，Hbase内置了ZooKeeper。而且还保存了-ROOT-表地址和Master地址，用来进行三级寻址和访问Mater实现操作
• Master主要是管理一些修改表的操作，负载均衡（有些Region服务器Region多，有些Region服务器Region少）
• Region服务服务器以HDFS作为底层来进行存储，具有副本功能，Hbase不具备副本功能

Region服务器原理

• 多个不同的Region放在一台Region服务器上

• 一个Region中列族通过Store存储，Store由MemStore和StoreFile

• MemStore是缓存，StoreFile是磁盘文件，先写入缓存，缓存满了，在写入磁盘空间，HFile就是StoreFIle的实现方式，Region会向整个HDFS系统去读写数据,所以安装hbase和配置hbase的时候需要配置参数，修改hbase.rootdir，指定Hbase的Master在NameNode运行的机器上，让HBase数据在HDFS集群上
  启动HBase前需要设置属性hbase.rootdir，用于指定HBase数据的存储位置

• HLog就是日志，必须先写入日志才能够写入MemStore缓存

用户读写数据过程：

1. 数据会先写进日志HLog，然后写入缓存MemStore
2. 缓存刷新：缓存有大小，会周期性的将缓存内容写入磁盘的StoreFile，并向HLog文件打一个标记表示缓存内容已经写入磁盘StoreFile文件中，来证明MemStore内容对应的HLog日志内容写入磁盘StoreFile，晴空缓存。每一个的缓存刷新都会生成一个StoreFile
3. SoreFile越来越多就会发生合并，到达阈值，就会发生分裂，这个时候对应的Region就会被分成两个Region

读过程：

1. 先找缓存
2. 缓存找不到就去StoreFile去找相关数据

本文地址：https://blog.csdn.net/liutao43/article/details/107372396