HBase 体系结构

HBase 的系统模型

原文连接

简介

NoSQL

Hbase 是一种 NoSQL 数据库，其实它更是一个分布式数据库，从技术上讲，相较于数据库，HBase更像是一个数据存储。因为HBase缺少很多关系型数据库的特性，例如有类型的列，二级索引，触发器，高级的查询语句。

但是HBase提供了很多支持线性及模块化的扩展。HBase可以通过增加RegionServer来扩展集群。如果一个集群的RegionServer的个数从10增加到20，那么他的存储和处理能力都增加一倍。关系型数据库，虽然也可以扩展，但都是单节点的扩展。但是单点的数据库，如果要提高性能，还需要硬件和存储性能的提升。HBase的特性如下：

• 强一致性的读写：HBase 不是最终一致性的数据库，这个特性很适合用户高速的数据收集。
• 自动分片:HBase的表分布在集群的region上，随着数据的增多，region会自动split成两个region。
• 基于Zookeeper保证RegionServer的高可用。
• HBase基于HDFS的文件存储系统，本身就是一个分布式的文件系统，保证了文件的多备份，高可用，不丢失等问题。
• MapReduce:支持基于MapReduce的大量任务并行读取。
• Java Client API:提供了java API,可以很方便的使用java接入。
• Thrift/REST API：同时也支持 Thrift和Rest非java语言的接入。
• Block Cache and Bloom Filter:HBase在读取数据是支持Block Cache缓存及依据Bloom 过滤器实现的判断 rowkey 可能存在和一定不存在的机制，优化查询效率。
• 可操作性的控制界面：HBase提供了内置的web话的管理界面。

使用场景

• 1，数据量较大。如果需要处理数亿计的数据时，HBase是一个很好的备选方案，如果只有上千或者上万条数据，使用关系型数据库可能是更好的选择。因为数据量太少时，数据被分散到多个节点上反而降低了查询和存储效率。
• 2，确定在业务处理的过程中没有使用RDBMS 中的特殊特性(例如 有类型的列，二级索引，事务，高级的查询语言)。一个基于RDBMS的应用，需要确认使用没有使用关系型数据库的高阶特性才能移动到HBase上存储。
• 3，确保有足够的硬件支持，HDFS要求至少有5个DataNode和一个NameNode。至少需要6台机器。虽然HBase可以使用stand-alone模式，但是这个最好只在开发环境使用，生产环境最好部署为分布式的系统。

HBase 与 Hadoop/HDFS的区别

HDFS是一个分布式的文件系统，比较适合存储大文件，他的文档指出，他不是通用的文档系统，因为其无法提供快速文件或记录查找服务。HBase基于HDFS构建，可以提供大数据表中记录的快速查找。HBase内部将数据存储到可索引的StoreFiles文件中，这些文件存储在HDFS上。可以通过查看HBase的数据模型了解。

目录表

目录表hbase:meta作为一个table存在于HBase中，在在使用list查询时，返回结果会将其排除在外。不做展示。

hbase:meta

hbase:meta表保存了集群的所有region信息，hbase:meta的位置信息在zookeeper的meta-region-server中存储。hbase:meta的表结果如下：

Key

key的结构为(table,region start key,region id)三个部分组成。

Values

• info:regioninfo，存储这Region对应的HRegionInfo的序列化信息。
• info:server ，存储负责管理当前Region的RegionServer的server:port新信息。
• info:serverstartcode，存储这RegionServer开始负责这个region的时间。

当表的region发生split时，将会再创建两列info:splitA和info:splitB。这两列代表这个被分开的region。这些列信息也会反序列化为HRegionInfo 实例。在split完成之后，最终这一行数据会被删除。

空的key用来标注标的开始和结束，如果一个region以空key开始，那么这个region是表的第一个region，如果一个region以空key开始和结尾，那么这个表，只有当前一个region

客户端 Client

HBase 客户端通过请求hbase:meta 来获取集群的的RegionServer集合。在定位需要查询的region集合后，客户端直接连接管理Region的RegionServer,发送读写请求。这些信息缓缓在client端，后续的请求不需要在进行上面的处理。如果RegionServer挂了，client会重新请求catalog tables;

连接集群

具体的连接API可参考链接：Apache HBase® Reference Guide

1.0.0版本 API

用户从ConnectionFactory获取连接对象Connection，然后从连接对象中获取Table,Admin,RegionLocator等对象，在使用完成后，需要关闭连接，并确认释放Connection对象。 Connections是一个很重的对象，但是线程安全，s顒我们在应用中创建一个连接即可。Table,Admin和RegionLocator这些对象是轻量的，在使用时创建，使用完成销毁即可。详细API；

1.0.0版本之前的API

创建HTable是在HBase1.0.0之前的连接方式，Table是非线程安全的，Table只能给一个线程使用，HBaseConfiguration 对象是比较推荐的使用方式，他维持着到zookeeper一级RegionServer的连接，示例如下：

HBaseConfiguration conf = HBaseConfiguration.create();
HTable table1 = new HTable(conf, "myTable");
HTable table2 = new HTable(conf, "myTable");

而不是每个表都创建一个HBaseConfiguration

HBaseConfiguration conf1 = HBaseConfiguration.create();
HTable table1 = new HTable(conf1, "myTable");
HBaseConfiguration conf2 = HBaseConfiguration.create();
HTable table2 = new HTable(conf2, "myTable");

更多的连接信息可以参照ConnectionFactory。

如果应用要求多线程访问HBase,可以提前创建一个Connection

// Create a connection to the cluster.
Configuration conf = HBaseConfiguration.create();
try (Connection connection = ConnectionFactory.createConnection(conf);
     Table table = connection.getTable(TableName.valueOf(tablename))) {
  // use table as needed, the table returned is lightweight
}

异步客户端

在HBase2.0引入了可以异步处理HBase的API，我们可以从ConnectionFactory获取一个AsyncConnection，然后获取一个异步的table实例访问HBase。异步table中，大部分的接口和Table的意思相同，唯一的区别是返回结果使用CompletableFuture包裹。因为是异步的，所有table不需要显示的关闭，而且table也是线程安全的。但是在做扫描时还是有些不同的：

• getSanner方法返回ResultScanner,工作方式和老的ClientAsyncPrefetchScanner类似。
• scanAll接口一次返回所有的结果，这个方法的初衷是一次返回所有需要的少量数据
• 观察者模式，scan方法需要传入一个ScanResultConsumer作为参数，当查询完成后，数据将数据发送给消费者进行消费。

AsyncTable中的接口是模板话的，模板参数确定了使用ScanResultConsumerBase 哪个实现类完成扫描结果的消费。目前有连个消费实现类ScanResultConsumer和AdvancedScanResultConsumer。

• ScanResultConsumer需要一个单独的线程池处理返回的CompletableFuture。使用的单独的线程池，释放了RPC线程，所以callback不需要做任何其他额外的操作，这种比较适合callback不太快的扫描。
• AdvancedScanResultConsumer执行callback的处理任务在框架的线程里，他不允许做比较耗时的操作，也不允许block，因为这可能影响矿建的性能。他主要为高阶用户提供的，用来自己编写更高性能的消费者。

Asynchronous Admin

我们可以从ConnectionFactory获取一个AsyncConnection，然后获取一个AsyncAdmin。getAdmin有两个方法，其中一个方法需要传入一个线程池，用来执行callback。这个方法用来给普通用户使用的，另外一个没有线程池的方法使用框架的线程执行callback，他同样不允许在callback中执行耗时的操作，这个也是提供给高阶开发者的。

Master

HMaster是一个Master Server的实现，主要负责监控所有的RegionServer实例，提供元数据修改的接口。在一个分布式集群中，主节点已NameNode的角色运行。当集群中存在多个Masters时，所有的Master竞争成为cluster真正的Master，如果一个活跃的Master与zookeeper断链，剩下的Masters竞争成为j群的Master。

RegionServer

HRegionServer 为RegionServer的一个实现，他负责管理Region,在分布式集群中，他的角色相当于DataNode。

多线程处理任务

他的主要功能在后台启动多种线程，管理Region。其中的线程的分类如下：

• CompactSplitThread，检查Region的split，处理minor 镜像的合并；
• MajorCompactionChecker 检查major 合并；minor 合并，只合并部分的HFile，无法做到整体合并，这样就无法清理delete的数据，所以需要major合并。
• MemStoreFlusher，HBase基于LSM实现的，其分为内存部分和磁盘部分，MemStore达到阈值后，需要将数据刷新到StoreFiles中
• LogRoller 检查WAL(Hlog)是否过期，是否删除，HBase为了保证高可用，在写入内存时，会将数据写入WAL中，这样需要定期的检查WAL的数据是否已经存入磁盘，如果已经存入，则需要清理WAL。

Block Cache

为了加快数据的读取速度，HBase设计了Block Cache 其中Block的大小为64k，存储这磁盘上连续存储的KV数据。Block Cache存在两种实现方式：LruBlockCache和BucketCache。默认为LruBlockCache

• LruBlockCache，是JVM的堆上缓存，需要设置working set size。
• BucketCache，是一个非堆缓存，存在三种模式，分别为offheap,file和mmaped file。

Region

Region是分布式表的最基础元素。当数据表超过一定大小会水平切分，分裂成两个Region。Region是集群负载均衡的基本单位，Region由一个或者多个store组成，store的个数取决于列簇的个数。每个Store由一个MemStore和一个或多个HFile组成，数据会首先写入MemStore中，当MemStore写满后，系统会将数据异步flush到HFile中。随着数据的不断写入，HFile的数量会不断增多，这时候系统会执行Compact操作合并文件。