大数据时代结构化存储云HBase技术架构及最佳实践

在10年，阿里研究HBase，是为了解决阿里容量及并发的实际问题，按照数据库要求，阿里深入HBase技术，并致力于保障稳定性和性能，目前已经有10000台规模，数百个集群，大约1亿的QPS，服务整个集团的业务。17年，把这部分能力也开放给公有云客户。本文中，阿里云高级专家封神带来了主题演讲《大数据时代结构化存储云HBase技术架构及最佳实践》，介绍HBase的应用选择、实战案例、技术平台解读以及后续的规划。

为什么应用HBase

一般而言，传统关系型数据库面临着成本、容量、QPS、分析等多方面的问题：存储成本较高;无法满足TB、PB级别的数量存储需求;QPS无法满足较高的并发要求，性能不能横向扩展;数据隔离，从而不能满足分析类的需求。

通过关系型数据库MySQL，可以解决中小数据库存储需求;通过分库分表，能够解决一定容量及并发的需求，但是其实现复杂，需要业务感知;通过以HBase为代表的分布式数据库，可以支持高到千万的并发，满足海量数据的存储。

那么怎么解决传统数据库这些问题呢?HBase给出了相应的应对方法：

LSM-Tree：写吞吐高，离线导入效率高;

存储无限扩容：计算存储分离，分布式存储可以无限扩容;

自动分区：分区自动分裂，分区自动Merge;

Hadoop生态：Phoenix满足查询需求，Spark接HBase，可以满足分析类需求。

HBase除了可以满足业务较快增长的高吞吐以及大容量读取需求，还有其他传统关系型数据库和非关系型数据库所不具备的特性：比如松散表(不存数据，不占空间);实时更新、增量导入、多维删除;随机查询、范围查询。

此外，HBase还有许多其他特性：

LSM树：实时写入吞吐量大，增量导入隔离性强;

TTL：数据时效性，系统自动处理;

多版本：数据的第三维度，高效删除方式;

动态列：数据发散的利器;

协处理器：满足数据高效处理;

SQL访问：二级索引;

即时查询：操作性查询，准实时。

HBase的能力是完全可以线性扩展的，通过添加节点就可以线性增强计算存储能力。

应用实战

HBase具有丰富的应用场景，凭借海量的存储能力和高吞吐能力，为各种应用场景提供支持，包括报表类、时序类、日志类、消息类、推荐类、风控类、轨迹类，行业包括电子商务、物联网/车联网、聊天软件、金融、广告商、新闻、电信等等。

HBase具有庞大的生态圈，支持实时数据分析、即时分析、多维分析、时序数据库等场景。

在阿里内部，HBase的使用涉及日志、聊天、监控、订单、IOT、风控、搜索等。中国使用的公司还有京东、小米、腾讯、网易、360、知乎、中国人寿、电信......几乎所有的一定规模的公司。

实际案例——传感器监控类

在rowkey有一定的设计规则，业务系统会做一些优化，比如把多行压成一行等等。

实际案例——单车/司机轨迹

轨迹类应用可以满足离线大规模的轨迹分析，满足用户、后端人员的实时查询。

实际案例——双十一大屏

这是阿里内部非常具有代表性的场景。高吞吐、高并发、低延迟的访问需求下，对HBase应用提出了很高的要求。

实际案例——安全风控

在金融的战场上，用户画像、风控一直也是核心之一，一般的数据也是存储在HBase。

实际案例——搜索

搜索是HBase最先解决的一个场景，目标是为了存储互联网，流式计算实时处理后再导入到搜索引擎。

实际案例——分析类

以上分享的场景都在阿里内部及云上的实际业务中得以使用，满足了高性能高存储量的需求。

下图展示了HBase在业务中所处的位置，以及整体数据流的流向。

ApsaraDB for HBase平台解读

在构建过程中，HBase会面临的问题涉及：较为复杂的运维体系、安全体系、云环境、源代码有bug需要修复、数据可靠性无法保障、配置复杂、需要增加公网服务等功能、稳定性待提升等方面。ApsaraDB HBase平台能够针对性地完善这些因素，性能更佳，更加稳定可靠。

ApsaraDB HBase的基本架构图如下所示：

从架构层面来讲，不同层面会提供不同的服务。

产品层、接入层、网络层：提供上云方案、安全服务、公网访问、监控指标报警、方案支持等一站的DBaas服务;

中间件、HBase内核层：Apsaradb- HBase内核是基于社区 HBase1.1版本打造，目前在阿里集团内部有数千业务使用，万台机器的规模，在性能、稳定性、功能方案均有提升及改进，在历年双十一均有考验;

存储层：HBase后续会基于云端本地实例及共享存储，极大降低成本;

运维服务：实现运维自动化：15分钟内全自动部署集群，自动守护进程，可用性检测及报警，修改配置，扩容节点和磁盘，链路监控报警，指标可视化，自动升级内核等。

ApsaraDB HBase给用户承诺的保障有：数据可靠性;高性能;高可用，自动负截均衡，单节点故障时可秒级故障转移;生态完整，与Hadoop生态完美融合，支持其它组件复杂分析;易运维，全指标监控预警，在线扩容节点、磁盘及修改配置;强安全，支持网络白名单、VPC网络隔离、基于阿里云AK访问集群。

作为一款数据库类产品，ApsaraDB HBase与各个数据源间保持着非常通透的关系，方便数据导入导出。

HBase API在性能上可以成倍地提升，如下图所示。

HBase SQL实现了全局二级索引：索引存储一致性同步、单列索引、索引异步构建，性能大幅度提升。

近期规划

关于HBase的规划，阿里已经对外开放过HBase链路优化、集群同步、强一致性等技术分享，后续将会在公网访问、服务端一键迁移、共享存储、SQL、Replica等方面继续完善。

HBase公网访问&AK访问：实现在线共享环境，提供安全保障。

服务端一键迁移：这是团队目前正在研究的功能。

共享存储：下沉到存储层及降低存储成本。

SQL：定位非事务、schema、二级索引、轻分析。

Replica：在一个Region写，再在多个Region读写访问。目前应用较少，致力于使HBase同时支持CP&AP。

HBase本身一直在发展之中，在大规模的结构化存储的场景中无疑是标准的产品，其支持的场景也在不断拓展。阿里云HBase团队也是致力于推广改进HBase及提供专业的服务。我们希望HBase发展越来越好。