欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

HBase

程序员文章站 2022-04-17 08:59:27
简介  HBase是面向列的分布式存储系统(NoSQL数据库),是对Google论文BigTable的实现,具有数据存储量大、高性能、高扩展等特点。(BigTable是对HBase最形象的解释,大宽表,支持百万级列、亿万级数据,动态列)数据模型......

简介

  HBase是面向列的分布式存储系统(NoSQL数据库),是对Google论文BigTable的实现,具有数据存储量大、高性能、高扩展等特点。(BigTable是对HBase最形象的解释,大宽表,支持百万级列、亿万级数据,动态列)

数据模型

  HBase数据模型可以分为逻辑结构和物理结构。逻辑结构上,HBase的表由多行记录组成,每行由多个列簇组成,每个列簇由多个列组成;物理结构上,每张表按照RowKey被水平拆分成多个Region,每个Region按照Column Family被垂直拆分成多个Store(面向列存储的原因),每个单元格的数据由多个版本,按照KV存储,如下图所示:

  • RowKey:唯一表示一行记录;
  • Column Qualifier:创建表时只需要指定RowKey和Column Family,列是动态的,按需指定
  • Cell:<RowKey, Column Family, Column Qualifier>唯一确定的单元,每个单元格有多个版本,并且可以设置过期时间TTL;
  • TimeStamp:用于标识数据的不同版本,每条数据写入时可以指定数据版本,如果不指定默认使用系统当前时间;
  • Region:每个Region由多个Store组成,每个Store对应一个列簇;

HBase

系统架构

  HBase的架构为主从架构,HMaster为管理节点,负责元信息和集群管理;HRegionServer为数据节点,负责数据的管理,数据最终存储在HDFS上,如下图所示:
HBase
HMaster职责:

  1. HRegionServer节点管理(监控、Region分配和负载均衡等);
  2. 表元信息管理(DML相关),实际数据仍存储在HRegionServer;

HRegionServer职责:

  1. Region管理(拆分、压缩);
  2. 客户端数据读写请求处理(DDL相关);

Zookeeper职责:

  1. HMaster高可用(集群选主);
  2. 集群监控:HRegionServer的监控,上下线信息通报给HMaster;
  3. 元信息管理:Region路由信息、表元信息,以及集群配置信息等;

数据读写流程

Region寻址

  1. Client首先请求ZK,获取HBase的Meta表所在的HRegionServer;
  2. Client连接HRegionServer,获取Meta表信息,确定RowKey所属的Region,以及Region所在的HRegionServer;

写流程

  1. 通过Region寻址,Client连接至对应的HRegionServer;
  2. 先将写命令写入HLog日志,然后将更新写入MemStore内存,写入成功后返回ACK到Client;
  3. 如果MemStore的大小超过设定阈值,刷盘到StoreFile;

HBase

读流程

  1. 通过Region寻址,Client连接至对应的HRegionServer;
  2. 先从BlockCache(HRegionServer全局缓存,LRU算法)中查找数据,如果存在则返回;
  3. 如果不存在,则从RowKey所属的Region中的MemStore和StoreFile查找;

拆分与合并

Region拆分

  • 拆分原因: 单个Region的数据越来越多,会导致数据读取RT升高;
  • 拆分时机: Region中某个Store的数据量(所有StoreFile之和)超过设定阈值时触发拆分;
  • 拆分过程: 一个Region被拆分成两个,如果有负载均衡的需要,某个Region会被移到其他HRegionServer;
    HBase

StoreFile合并

  • 合并原因: StoreFile过多会导致数据读取RT升高;
  • 合并方式: 合并分为Minor Compaction和Major Compaction。Minor Compaction会将临近的若干个小文件合并成一个大文件,会清理过期数据,但是不会清理已删除数据;Major Compaction将Store下所有的文件合并成一个大文件,并且会清理和已删除数据。

比较

对比关系型数据库: HBase能够支持海量数据的存储,并且容易扩展,但是不支持事务,二级索引,以及复杂查询;
对比Hive: 虽然都是基于HDFS,HBase是存储系统,提供低延迟的读写,用于在线业务;Hive是分析系统,用于大数据的离线分析;

应用场景

  HBase作为分布式数据库,适用于海量数据存储(至少亿级别的数据量)场景(没有事务、复杂SQL等需求)。

参考

  1. 入门HBase的正确姿势
  2. 表及RowKey设计指南

本文地址:https://blog.csdn.net/yangguosb/article/details/107497932

相关标签: HBase