第4章 分布式数据库HBase

4.1 概述

image-20200921105146111

HBase与传统的关系数据库的区别主要体现在以下几个方面:

(1)数据类型:关系数据库采用关系模型,具有丰富的数据类型和存储方式, HBase则采用了更加简单的数据模型,它把数据存储为未经解释的字符串

(2)数据操作:关系数据库中包含了丰富的操作,其中会涉及复杂的多表连接。 HBase操作则不存在复杂的表与表之间的关系,只有简单的插入、查询、删除、 清空等,因为HBase在设计上就避免了复杂的表和表之间的关系

(3)存储模式:关系数据库是基于行模式存储的。HBase是基于列存储的,每个 列族都由几个文件保存,不同列族的文件是分离的

(4)数据索引:关系数据库通常可以针对不同列构建复杂的多个索引,以提高数 据访问性能。HBase只有一个索引——行键,通过巧妙的设计,HBase中的所有访 问方法,或者通过行键访问,或者通过行键扫描,从而使得整个系统不会慢下来

(5)数据维护:在关系数据库中,更新操作会用最新的当前值去替换记录中原来 的旧值,旧值被覆盖后就不会存在。而在HBase中执行更新操作时,并不会删除数 据旧的版本,而是生成一个新的版本,旧有的版本仍然保留

(6)可伸缩性:关系数据库很难实现横向扩展,纵向扩展的空间也比较有限。相 反,HBase和BigTable这些分布式数据库就是为了实现灵活的水平扩展而开发的, 能够轻易地通过在集群中增加或者减少硬件数量来实现性能的伸缩


4.2 HBase接口

image-20200920083923748


4.3 HBase数据模型

4.3.1 数据坐标

HBase中需要根据行键、列族、列限定符和时间戳来确定一个单元格,因此,可以视为一 个“四维坐标”,即[行键, 列族, 列限定符, 时间戳]

image-20200920084046740


4.3.2 概念视图

[]

image-20200920084125648


4.4 HBase的实现原理

4.4.1 HBase的功能组件

HBase的实现包括三个主要的功能组件:

(1)库函数:链接到每个客户端

(2)一个Master主服务器

(3)许多个Region服务器

主服务器Master负责管理和维护HBase表的分区信息,维护Region服务器列表,分配Region,负载均衡

Region服务器负责存储和维护分配给自己的Region,处理来自客户端的读写请求

客户端并不是直接从Master主服务器上读取数据,而是在获得Region的存储位置信 息后,直接从Region服务器上读取数据

客户端并不依赖Master,而是通过Zookeeper来获得Region位置信息,大多数客户 端甚至从来不和Master通信,这种设计方式使得Master负载很小


4.4.2 表和Region

image-20200921075651525

image-20200921075701327

image-20200921080407347

•同一个Region不会被分拆到多个Region服务器

•每个Region服务器存储10-1000个Region


4.4.3 Region的定位

HBase的三层结构中各层次的名称和作用:

层次名称作用
第一层Zookeeper文件记录了-ROOT-表的位置信息
第二层-ROOT-表记录了.META.表的Region位置信息,-ROOT-表只能有一个Region。通过-ROOT-表就可以访问.META.表中的数据。
第三层.META.表记录了用户数据表的Region的位置信息,.META.表可以有多个Region,保存了HBase中所有用户数据表的Region位置信息

•元数据表,又名.META.表,存储了Region和Region服务器的映射关系

•当HBase表很大时, .META.表也会被分裂成多个Region •根数据表,又名-ROOT-表,记录所有元数据的具体位置

•-ROOT-表只有唯一一个Region,名字是在程序中被写死的

•Zookeeper文件记录了-ROOT-表的位置

image-20200921081357878

客户端访问数据时的“三级寻址”

•为了加速寻址,客户端会缓存位置信息,同时,需要解决缓存失效问题

•寻址过程客户端只需要询问Zookeeper服务器,不需要连接Master服务器


4.5 HBase运行机制

4.5.1 HBase系统架构

image-20200921081816697

  1. 客户端 – 客户端包含访问HBase的接口,同时在缓存中维护着已经访问过的Region位置信息,用来加快后续数据访问过程.HBase客户端使用HBase的RPC(远程过程调用)机制与Master和Region服务器进行通信。

  2. Zookeeper服务器 – Zookeeper可以帮助选举出一个Master作为集群的总管,并保证在任何时刻总 有唯一一个Master在运行,这就避免了Master的“单点失效”问题 。

  3. Master – 主服务器Master主要负责表和Region的管理工作

  4. Region服务器 – Region服务器是HBase中最核心的模块,负责维护分配给自己的Region,并响应用户的读写请求


4.5.2 Region服务器的工作原理

image-20200921082315805

1.用户读写数据过程

•用户写入数据时,被分配到相应Region服务器去执行

•用户数据首先被写入到MemStore和Hlog中

•只有当操作写入Hlog之后,commit()调用才会将其返回给客户端

•当用户读取数据时,Region服务器会首先访问MemStore缓存,如果 找不到,再去磁盘上面的StoreFile中寻找 2

2.缓存的刷新

•系统会周期性地把MemStore缓存里的内容刷写到磁盘的StoreFile文 件中,清空缓存,并在Hlog里面写入一个标记

•每次刷写都生成一个新的StoreFile文件,因此,每个Store包含多个 StoreFile文件

•每个Region服务器都有一个自己的HLog 文件,每次启动都检查该文件,确认最近一次执行缓存刷新操作之后是否发生新的写入操作;如 果发现更新,则先写入MemStore,再刷写到StoreFile,最后删除旧 的Hlog文件,开始为用户提供服务

3.StoreFile的合并

•每次刷写都生成一个新的StoreFile,数量太多,影响查找速度

•调用Store.compact()把多个合并成一个 •合并操作比较耗费资源,只有数量达到一个阈值才启动合并

4.5.3 Store工作原理

•Store是Region服务器的核心

•多个StoreFile合并成一个

•单个StoreFile过大时,又触发分裂操作,1个父Region被分裂成两个子 Region

image-20200921082800074


4.5.4 HLog的工作原理

• 分布式环境必须要考虑系统出错。HBase采用HLog保证系统恢复

• HBase系统为每个Region服务器配置了一个HLog文件,它是一种预写式日志(Write Ahead Log)

• 用户更新数据必须首先写入日志后,才能写入MemStore缓存,并且 ,直到MemStore缓存内容对应的日志已经写入磁盘,该缓存内容才 能被刷写到磁盘

• Zookeeper会实时监测每个Region服务器的状态,当某个Region服务器发生故障时,Zookeeper会通知Master Master首先会处理该故障Region服务器上面遗留的HLog文件,这个遗留的HLog文件中包含了来自多个Region对象的日志记录

• 系统会根据每条日志记录所属的Region对象对HLog数据进行拆分, 分别放到相应Region对象的目录下,然后,再将失效的Region重新分配到可用的Region服务器中,并把与该Region对象相关的HLog日记录也发送给相应的Region服务器

• Region服务器领取到分配给自己的Region对象以及与之相关的HLog 日志记录以后,会重新做一遍日志记录中的各种操作,把日志记录中 的数据写入到MemStore缓存中,然后,刷新到磁盘的StoreFile文件 中,完成数据恢复

• 共用日志优点:提高对表的写操作性能;缺点:恢复时需要分拆日志

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值