HBase常用知识点

本文详细介绍了HBase,一个分布式、可扩展的NoSQL数据库。内容包括HBase的基本定义、数据模型、逻辑和物理存储结构,以及表的操作、HBase的基本架构和进阶知识如写流程、读流程、Region Split。此外,还涵盖了HBase的Shell操作、与Hive的集成和优化策略,如RowKey设计、内存优化和基础优化设置。
摘要由CSDN通过智能技术生成

Hbase定义

Hbase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

Hbase数据模型

从HBase 的底层物理存储结构(K-V)来看,HBase 更像是一个 multi-dimensional map。

HBase 逻辑结构

在这里插入图片描述

HBase 物理存储结构

在这里插入图片描述

数据模型

Name Space: 命名空间,类似于关系型数据库的 DatabBase 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,
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。

Row: 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: 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。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),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: 由{rowkey, column Family:column Qualifier, time Stamp} 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 基本架构

在这里插入图片描述
Region Server:

  • Region Server 为 Region 的管理者,其实现类为 HRegionServer,主要作用如下:
    • 对于数据的操作:get, put, delete;
    • 对于 Region 的操作:splitRegion、compactRegion。

Master:

  • Master 是所有 Region Server 的管理者,其实现类为 HMaster,主要作用如下:
    • 对于表的操作:create, delete, alter
    • 对于 RegionServer的操作:分配 regions到每个RegionServer,监控每个 RegionServer
      的状态,负载均衡和故障转移

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

HDFS:

  • HDFS 为 HBase 提供最终的底层数据存储服务,同时为 HBase 提供高可用的支持。

HBase Shell 操作

表的操作
  • 查看当前数据库中有哪些表:list
  • 创建表:create ‘student’,‘info’
  • 插入数据到表:put ‘student’,‘1001’,‘info:sex’,‘male’
  • 扫描查看表数据: scan ‘student’,{STARTROW => ‘1001’, STOPROW => ‘1001’}
  • 查看表结构:describe ‘student’
  • 更新指定字段的数据: put ‘student’,‘1001’,‘info:name’,'Nick
  • 查看“指定行”或“指定列族:列”的数据:get ‘student’,‘1001’,‘info:name’
  • 统计表数据行数:count ‘student’
  • 删除数据: delete ‘student’,‘1002’,‘info:sex’
  • 清空表数据: truncate ‘student’
  • 删除表
    • 首先需要先让该表为 disable 状态: disable ‘student’
    • 然后才能 drop 这个表:drop ‘student’
  • 变更表信息 :alter ‘student’,{NAME=>‘info’,VERSIONS=>3}

HBase 进阶

架构原理

在这里插入图片描述
StoreFile:

  • 保存实际数据的物理文件,StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或多个 StoreFile(HFile),数据在每个 StoreFile 中都是有序的。

MemStore:

  • 写缓存,由于 HFile 中的数据要求是有序的,所以数据是先存储在 MemStore 中,排好序后,等到达刷写时机才会刷写到 HFile,每次刷写都会形成一个新的 HFile。

WAL:

  • 由于数据要经 MemStore 排序后才能刷写到 HFile,但把数据保存在内存中会有很高的概率导致数据丢失,为了解决这个问题,数据会先写在一个叫做 Write-Ahead logfile 的文件中,然后再写入 MemStore 中。所以在系统出现故障的时候,数据可以通过这个日志文件重建。
写流程

在这里插入图片描述写流程:

  • 1)Client 先访问 zookeeper,获取 hbase:meta 表位于哪个 Region Server。
  • 2)访问对应的 Region Server,获取 hbase:meta 表,根据读请求的 namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache,方便下次访问。
  • 3)与目标 Region Server 进行通讯;
  • 4)将数据顺序写入(追加)到 WAL。
  • 5)将数据写入对应的 MemStore,数据会在 MemStore 进行排序;
  • 6)向客户端发送 ack;
  • 7)等达到 MemStore 的刷写时机后,将数据刷写到 HFile。
MemStore Flush

在这里插入图片描述
MemStore 刷写时机:
1.当某个 memstroe 的大小达到了 hbase.hregion.memstore.flush.size(默认值 128M), 其所在region 的所有 memstore 都会刷写。

当 memstore 的大小达到以下数值时,会阻止继续往该 memstore 写数据。:

  • hbase.hregion.memstore.flush.size(默认值 128M)
  • hbase.hregion.memstore.block.multiplier(默认值 4)

2.当 region server 中 memstore 的总大小达到

  • java_heapsize
  • *hbase.regionserver.global.memstore.size(默认值 0.4)
  • *hbase.regionserver.global.memstore.size.lower.limit(默认值 0.95),

region 会按照其所有 memstore 的大小顺序(由大到小)依次进行刷写。直到 region server
中所有 memstore 的总大小减小到上述值以下,当 region server 中 memstore 的总大小达到以下数值时,会阻止继续往所有的 memstore 写数据

java_heapsize*hbase.regionserver.global.memstore.size(默认值 0.4)

3.到达自动刷写的时间,也会触发 memstore flush。自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval(默认 1 小时)。

4.当 WAL 文件的数量超过 hbase.regionserver.max.logs,region 会按照时间顺序依次进行刷写,直到 WAL 文件数量减小到 hbase.regionserver.max.log 以下(该属性名已经废弃,现无需手动设置,最大值为 32)。

读流程

在这里插入图片描述
读流程:

  • 1)Client 先访问 zookeeper,获取 hbase:meta 表位于哪个 Region Server。
  • 2)访问对应的RegionServer,获取 hbase:meta 表,根据读请求的 namespace:table/rowkey,查询出目标数据位于哪个 Region Server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache,方便下次访问。
  • 3)与目标 Region Server 进行通讯;
  • 4)分别在 Block Cache(读缓存),MemStore 和 Store File(HFile)中查询目标数据,并将查到的所有数据进行合并。此处所有数据是指同一条数据的不同版本(time stamp)或者不同的类型(Put/Delete)。
  • 5) 将从文件中查询到的数据块(Block,HFile 数据存储单元,默认大小为 64KB)缓存到Block Cache。
  • 6)将合并后的最终结果返回给客户端
StoreFile Compaction

在这里插入图片描述

  • 由于memstore每次刷写都会生成一个新的HFile,且同一个字段的不同版本(timestamp)和不同类型(Put/Delete)有可能会分布在不同的 HFile 中,因此查询时需要遍历所有的 HFile。

  • 为了减少 HFile 的个数,以及清理掉过期和删除的数据,会进行 StoreFile Compaction。Compaction 分为两种,分别是 Minor Compaction 和 Major Compaction。

  • Minor Compaction会将临近的若干个较小的 HFile 合并成一个较大的 HFile,但不会清理过期和删除的数据。

  • Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大 HFile,并且会清理掉过期和删除的数据

Region Split

默认情况下,每个 Table 起初只有一个 Region,随着数据的不断写入,Region 会自动进行拆分。刚拆分时,两个子 Region 都位于当前的 Region Server,但处于负载均衡的考虑,HMaster 有可能会将某个 Region 转移给其他的 Region Server。

Region Split 时机:
在这里插入图片描述

  • 1.当1个region中的某个Store下所有StoreFile的总大小超过hbase.hregion.max.filesize, 该 Region 就会进行拆分(0.94 版本之前)。
  • 2.当 1 个 region 中 的 某 个 Store 下所有 StoreFile 的 总 大 小 超 过 :
    Min(R^2 * “hbase.hregion.memstore.flush.size”,hbase.hregion.max.filesize"),
    该 Region 就会进行拆分,其中 R 为当前 Region Server 中属于该 Table 的个数(0.94 版本之后)。

HBase API

HBaseAPI

获取 Configuration 对象:

public static Configuration conf;
static{
   
	//使用 HBaseConfiguration 的单例方法实例化
	conf = HBaseConfiguration.create();
	conf.set("hbase.zookeeper.quorum", "192.166.9.102");
	conf.set("hbase.zookeeper.property.clientPort", "2181");
}

判断表是否存在:

public static boolean isTableExist(String tableName) throws MasterNotRunningException,
ZooKeeperConnectionException, IOException{
   
	//在 HBase 中管理、访
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