Hbase总结

@[TOC]Hbase总结

Hbase总结

Hbase使用过程关键知识点。

rowkey的设计

基础知识
HBase 是 BigTable 的开源 java 版本。是建立在 HDFS 之上，提供高可靠性、高性能、列存储、 可伸缩、实时读写 NoSQL 的数据库系统。
NoSQL = NO SQL
NoSQL = Not Only SQL
把 NoSQL 数据的原生查询语句 封装成 SQL
HBase Phoenix
以下五点是 HBase 这个 NoSQL 数据库的要点：

① 它介于 nosql 和 RDBMS 之间，仅能通过主键(row key)和主键的 range 来检索数据，仅支 持单行事务(可通过 hive 支持来实现多表 join 等复杂操作)。 
② Hbase 查询数据功能很简单， 不支持 join 等复杂操作

③ 不支持复杂的事务（行级的事务）
④ Hbase 中支持的数据类型： byte[]
⑤ 主要用来存储结构化和半结构化的松散数据。
结构化:数据结构字段含义确定,清晰,典型的如数据库中的表结构.
半结构化:具有一定结构,但语义不够确定,典型的如 HTML 网页,有些字段是确定的(title), 有些不确定(table) 非结构化:杂乱无章的数据,很难按照一个概念去进行抽取,无规律性
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 中的表一般有这样的特点：
（1） 大：一个表可以有上十亿行，上百万列
（2） 面向列： 面向列(族)的存储和权限控制，列(族)独立检索。 （同时对两个列做处理，并不影响）
（3） 稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。 2、表结构逻辑视图
HBase 以表的形式存储数据。表有行和列组成。列划分为若干个列簇 (column family) 建表语句只需表名和列族名
3、RowKey
与 nosql 数据库们一样,row key 是用来检索记录的主键。访问 hbase table 中的行，只有三种 方式：
(1) 通过单个 row key 访问
(2) 通过 row key 的 range
(3) 全表扫描
Row key 行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)， 最好是 16或者8。 在 hbase 内部， row key 保存为字节数组。 Hbase 会对表中的数据按照 rowkey 排序(字典顺序)
存储时，数据按照 Row key 的字典序(byte order)排序存储。设计 key 时，要充分排序存储这 个特性，将经常一起读取的行存储放到一起。 (位置相关性)
注意：
字典序对 int 排序的结果是
1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,„,9,91,92,93,94,95,96,97,98,99。要保持整形的自 然序，行键必须用 0 作左填充。行的一次读写是原子操作 (不论一次读写多少列)。这个设计决策能够使用户很容易的理解 程序在对同一个行进行并发更新操作时的行为。

4、列簇
hbase 表中的每个列，都归属与某个列族。列族是表的 schema 的一部分(而列不是)，必须在 使用表之前定义。
列名都以列族作为前缀。例如 courses:history ， courses:math 都属于 courses 这个列族。 访问控制、磁盘和内存的使用统计都是在列族层面进行的。
列族越多，在取一行数据时所要参与 IO、搜寻的文件就越多，所以，如果没有必要，不要 设置太多的列族
（每个列族存放在不同的文件中，建表时列族越少越好）
5、时间戳
HBase 中通过 row 和 columns 确定的为一个存储单元称为 cell。每个 cell 都保存着同一份数 据的多个版本。版本通过时间戳来索引。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。每个 cell 中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
为了避免数据存在过多版本造成的的管理 (包括存贮和索引)负担， hbase 提供了两种数据版 本回收方式：
保存数据的最后 n 个版本
保存最近一段时间内的版本（设置数据的生命周期 TTL）。
用户可以针对每个列族进行设置。
6、cell
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
　　以关系型数据的思维下会感觉，上面的表格是一个5列4行的数据表格，但是在HBase中这种理解是错误的，其实在HBase中上面的表格只是一行数据；
　　Row Key:
　　　　– 决定一行数据的唯一标识
　　　　– RowKey是按照字典顺序排序的。
　　　　– Row key最多只能存储64k的字节数据。
　　Column Family列族（CF1、CF2、CF3） & 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，每个列族中可以存放几千~上千万个列)；如 CF1:q1, CF2:qw,
　　　　 新的列族成员（列）可以随后按需、动态加入，Family下面可以有多个Qualifier，所以可以简单的理解为，HBase中的列是二级列，
　　　　　也就是说Family是第一级列，Qualifier是第二级列。两个是父子关系。
　　　　– 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。
　　　　– 目前为止HBase的列族能能够很好处理最多不超过3个列族。
　　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。
　　Cell单元格：
　　　　– 由行和列的坐标交叉决定；
　　　　– 单元格是有版本的（由时间戳来作为版本）；
　　　　– 单元格的内容是未解析的字节数组（Byte[]），cell中的数据是没有类型的，全部是字节码形式存贮。
　　　　　• 由{row key，column(= +)，version}唯一确定的单元。
　
4、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

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
　　　　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。

1. rowkey是hbase的主键索引
   rowkey