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
1
2
3
4
5
6
|
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
原文链接:http://blog.sina.com.cn/s/blog_9c6852670102wx06.html