HBase体系架构说明

HBase体系架构说明！

client：两种—-Hbase shell 命令行接口
JavaAPI
client访问Region不能直接访问，首先client需要先连接到zookeeper，zookeeper管理HMaster，说明，hdfs集群，在没有zookeeper的情况下也可以跑起来，但是HBase没有zookeeper是起不开的，因为zookeeper中存储了HBase中元数据表的信息。所以client先访问zookeeper，通过zookeeper到HMaster，HMaster作为调度者，相当于hdsf中的namenode，但是hdfs中的namenode自己存放元数据信息，但是HBase中的HMaster比较懒，将元数据信息将给了他的秘书，zookeepe存储。存数据信息的在下面的一个个的HRegionServer，打工的小弟，相当于datanode，一个HRegionServer中含有多个HRegion，每个Region中有一个HLog，HLog存的是一些数据的写入信息，修改删除都会将这些信息记录下来，目的就是为了数据丢失出错的时候，进行回复，一个Region中一定会有一个HLog，用于数据回复，一个Region中有多个Store，一个Store对于的就是一个列族，一个列族在文件系统中对于一个目录，一个Store中一定会有一个MemStore，有若干个StoreFile，从0到n，StrreFlie相对于HBase来说的，相对于文件系统来说，叫做HFile，一个意思（StoreFile和HFile），一个Region对于表的一部分，
例如，
开始创建一个表。对于给这个表分配一个Region。
这个表含有两个列族，对应的是含有两个Store。
在表中插入数据，插入到Store中，首先放到 MemStore中，一块内存，数据来了先放入到内存中，内存有一个最大值，当数据量的大小值，就会写入到StoreFile中，
如果数据越来越多，到达了HRegion的最大值，这个时候就会分裂成多个Region，HMaster负责负载均衡，分配到多个HRegionServer上。

HBase简介

– HBase – Hadoop Database，是一个高可靠性、高性能、面向列、可伸缩、
实时读写的分布式数据库
– 利用Hadoop HDFS作为其文件存储系统,利用Hadoop MapReduce来处理
HBase中的海量数据,利用Zookeeper作为其分布式协同服务
– 主要用来存储非结构化和半结构化的松散数据（列存 NoSQL 数据库）

• HBase数据模型

– ROW KEY
– 决定一行数据
– 按照字典顺序排序的。
– Row key只能存储64k的字节数据

HBase数据模型

– Column Family列族 & qualifier列
– HBase表中的每个列都归属于某个列族，列族必须作为表模式(schema)
定义的一部分预先给出。如 create ‘test’, ‘course’；
– 列名以列族作为前缀，每个“列族”都可以有多个列成员(column)；如
course:math, course:english, 新的列族成员（列）可以随后按需、动态加
入；
– 权限控制、存储以及调优都是在列族层面进行的；
– HBase把同一列族里面的数据存储在同一目录下，由几个文件保存。

HBase数据模型

– Timestamp时间戳
– 在HBase每个cell存储单元对同一份数据有多个版本，根据唯一的时间
戳来区分每个版本之间的差异，不同版本的数据按照时间倒序排序，
最新的数据版本排在最前面。
– 时间戳的类型是 64位整型。
– 时间戳可以由HBase(在数据写入时自动)赋值，此时时间戳是精确到毫
秒的当前系统时间。
– 时间戳也可以由客户显式赋值，如果应用程序要避免数据版本冲突，
就必须自己生成具有唯一性的时间戳。

HBase数据模型

– Cell单元格
– 由行和列的坐标交叉决定；
– 单元格是有版本的；
– 单元格的内容是未解析的字节数组；
• 由{row key， column( = +)， version} 唯一确定的单元。cell中的数据是没
有类型的，全部是字节码形式存贮。

HBase数据模型

– HLog(WAL log)
– HLog文件就是一个普通的Hadoop Sequence File，Sequence File 的Key是
HLogKey对象，HLogKey中记录了写入数据的归属信息，除了table和
region名字外，同时还包括 sequence number和timestamp，timestamp是”
写入时间”
，sequence number的起始值为0，或者是最近一次存入文件系
统中sequence number。
– HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的
KeyValue。

HBase体系架构

– Client
• 包含访问HBase的接口并维护cache来加快对HBase的访问
– Zookeeper
• 保证任何时候，集群中只有一个master
• 存贮所有Region的寻址入口。
• 实时监控Region server的上线和下线信息。并实时通知Master
• 存储HBase的schema和table元数据
– Master
• 为Region server分配region
• 负责Region server的负载均衡
• 发现失效的Region server并重新分配其上的region
• 管理用户对table的增删改操作
– RegionServer
• Region server维护region，处理对这些region的IO请求
• Region server负责切分在运行过程中变得过大的region

HBase数据模型

– Region
– HBase自动把表水平划分成多个区域(region)，每个region会保存一个表
里面某段连续的数据；每个表一开始只有一个region，随着数据不断插
入表，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（裂变）；
– 当table中的行不断增多，就会有越来越多的region。这样一张完整的表
被保存在多个Regionserver 上。
– Memstore 与 storefile
– 一个region由多个store组成，一个store对应一个CF（列族）
– store包括位于内存中的memstore和位于磁盘的storefile写操作先写入
memstore，当memstore中的数据达到某个阈值，hregionserver会启动
flashcache进程写入storefile，每次写入形成单独的一个storefile
– 当storefile文件的数量增长到一定阈值后，系统会进行合并（minor、
major compaction），在合并过程中会进行版本合并和删除工作
（majar），形成更大的storefile
– 当一个region所有storefile的大小和超过一定阈值后，会把当前的region
分割为两个，并由hmaster分配到相应的regionserver服务器，实现负载
均衡
– 客户端检索数据，先在memstore找，找不到再找storefile
– HRegion是HBase中分布式存储和负载均衡的最小单元。最小单元就表
示不同的HRegion可以分布在不同的 HRegion server上。
– HRegion由一个或者多个Store组成，每个store保存一个columns family。
– 每个Strore又由一个memStore和0至多个StoreFile组成。如图：StoreFile
以HFile格式保存在HDFS上。