HBase基础
参考
- https://www.bilibili.com/video/BV1bC4y1b7Q1
HBase 简介
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(k-v)。
数据量越大,优势越明显;数据量小,比较消耗内存,耗资源;数据量大的时候,可以做到几十亿条数据秒级查询;
HBase 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 的目标是存储并处理大型的数据,更具体来说是仅需使用普通的硬件配置,就能够处理由成千上万的行和列所组成的大型数据。
HBase 是 Google Bigtable 的开源实现,但是也有很多不同之处。比如: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;GoogleBigtable
利用 Chubby 作为协同服务,HBase 利用 Zookeeper 作为对应。
官网:http://habse.apache.org
逻辑上,HBase的数据模型同关系型数据库很类似,数据存储在一张表中,有行有列。但从HBase的底层物理存储结构(K-V)来看,HBase更像是一个multi-dimensional map(多维度map)。
HBase逻辑存储
画hbase结构的时候,一般画为表结构,但是事实上,在库中不是这样存储的,是k-v的,有唯一键.
一张表中:
Row Key行键
:- 表的key,必有的,在一张表中唯一,类似主键;
- 是有序的;
- 字典序:由小到大的,按位比较,有比没有大(1<11<2<3<4<45);
列
:一张表中每一个字段就是一列,列可以动态增加;列族
:- HBASE在一个表中将很多列分成列族(图中分了
personal_info
和office_info
两个列族); - 不同的列族放到不同的文件夹中存放;(相当于mysql中对于宽表的切分)
- 实质:一张表会根据列族分为多个文件夹;
- HBASE在一个表中将很多列分成列族(图中分了
横向切分region
:根据行键切分,切分时根据数据量进行切分
HBase是要存海量数据的,几百列,几十亿行,因此要将数据分列族,分region,提高查询速度
图片中表被切为了6块,3行2列
- 列:根据列族切分
- 行:根据行键切分
高表:数据行多
宽表:数据列多
store
:真正存的内容,真正在HBase表中存的数据
HBase物理存储
这一部分才是真正存储的内容;
存储的时候,每一行都存储为右下角的那种格式,使用Row Key
作为唯一主键;
Row Key
:唯一键column Family
:列族column qualifier
timestamp
:时间戳,操作时间type
:类型Put
:插入Delete
:删除
value
:值
可以看到,图中phone的有两行,key一样,时间戳和value不一样;
其实这是进行了修改操作;
- 修改:其实是重新put了一条数据,获取的时候获取最大的时间戳的
- 删除:插入一条删除记录,若是获取的时候删除操作大,代表删除了
HBase数据模型
Name Space
命名空间,类似于关系型数据库的database概念,每个命名空间下有多个表。Hbase有两个自带的命名空间,分别是hbase
和default
,hbase中存放的是HBase内置的表(可以创建表,但是最好不要),default表是用户默认使用的命名空间。Region
类似于关系型数据库的表概念。不同的是,HBase定义表时只需要声明列族即可,不需要声明具体的列。这意味着,往HBase写入数据时,字段可以动态、按需指定。因此,和关系型数据库相比,HBase能够轻松应对字段变更的场景。
hbase的列就相当于数据
-
Row
:行
HBase表中的每行数据都由一个RowKey
和多个Column(列)
组成,数据是按照RowKey的字典顺序存储的,并且查询数据时只能根据RowKey进行检索,所以RowKey的设计十分重要。
-
Column
:列
HBase中的每个列都由Column Family(列族)
和Column Qualifier(列限定符)
进行限定,例如``info:name,
info:age`(列族:具体列)。建表时,只需指明列族,而列限定符无需预先定义。 -
Time Stamp
用于标识数据的不同版本(version)(除了这个和value和type可以不一样,其他必须一样,才代表同一条数据),每条数据写入时,如果不指定时间戳,系统会自动为其加上该字段,其值为写入HBase的时间。 -
Cell
(一个单元格)
由{rowkey,column Family:column Qualifier,time Stamp}
唯一确定的单元(时间戳确定了版本)。cell中的数据是没有类型的,全部是**字节码(byte[])**形式存贮。
HBase基本架构
数据存储在 Store 中,一个 Store 对应 HBase 表中的一个列族。
RegionServer
- 数据的get/put/delete(查/增/删)
- Regioan表的:splitRegion(切分), compactRegion(合并)
master
:依赖于Zookeeper,管理集群- 管理表:create创建/delete删除/alter修改/查询/描述
- 管理RegionServer:分配regions到每个RegionServer,监控每个RegionServer的状态
- master高可用
- 为 RegionServer 分配 Region
- 维护整个集群的负载均衡
- 维护集群的元数据信息
- 发现失效的 Region,并将失效的 Region 分配到正常的 RegionServer 上
- 当 RegionSever 失效的时候,协调对应 Hlog 的拆分
Zookeeper
- HBase 通过 Zookeeper 来做 master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。具体工作如下:
- 通过 Zoopkeeper 来保证集群中只有 1 个 master 在运行,如果 master 异常,会通过竞争机制产生新的 master 提供服务
- 通过 Zoopkeeper 来监控 RegionServer 的状态,当 RegionSevrer 有异常的时候,通过回调的形式通知 Master RegionServer 上下线的信息
- 通过 Zoopkeeper 存储元数据的统一入口地址
- HBase 通过 Zookeeper 来做 master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。具体工作如下:
Hbase 特点
- 海量存储
Hbase 适合存储 PB 级别的海量数据,在 PB 级别的数据以及采用廉价 PC 存储的情况下,能在几十到百毫秒内返回数据。这与 Hbase 的极易扩展性息息相关。正式因为 Hbase 良好的扩展性,才为海量数据的存储提供了便利。 - 列式存储
这里的列式存储其实说的是列族存储,Hbase 是根据列族来存储数据的。列族下面可以有非常多的列,列族在创建表的时候就必须指定。 - 极易扩展
Hbase 的扩展性主要体现在两个方面,一个是基于上层处理能力(RegionServer)的扩展,一个是基于存储的扩展(HDFS)。
通过横向添加 RegionSever 的机器,进行水平扩展,提升 Hbase 上层的处理能力,提升 Hbsae
服务更多 Region 的能力。
备注:RegionServer 的作用是管理 region、承接业务的访问,这个后面会详细的介绍通过横向添加 Datanode 的机器,进行存储层扩容,提升 Hbase 的数据存储能力和提升后端存储的读写能力。
- 高并发
由于目前大部分使用 Hbase 的架构,都是采用的廉价 PC,因此单个 IO 的延迟其实并不小,一般在几十到上百 ms 之间。这里说的高并发,主要是在并发的情况下,Hbase 的单个IO 延迟下降并不多。能获得高并发、低延迟的服务。 - 稀疏
稀疏主要是针对 Hbase 列的灵活性,在列族中,你可以指定任意多的列,在列数据为空的情况下,是不会占用存储空间的。