HBase简介
HBase是一种分布式数据库,可以用来存储结构化和半结构化的松散数据。通过水平扩展,可以让数千台服务器去存储海量数据。
用HBase的原因:HDFS+MapReduce是面向离线的数据处理,无法满足实时要求;传统关系型数据库扩展有瓶颈,现在数据结构经常变化,关系型数据库往往模式确定后就很难变更了。
HBase的访问接口:
HBase数据模型
列族可以动态扩展。更新操作会保留历史版本。存储以列族为基本单元,是面向列的存储,不同列族存储在不同的文件里。
上图可见,不同列族分开存储。
面向列的存储方便分析,面向行的存储方便事务操作。
HBase实现原理
功能组件:
客户端不依赖master去取数据,而是直接去region服务器取。
1个region一般1到2个G,同一个region不会拆分到不同的region服务器上。
root表只有一个region。
为了加速寻址,客户端会缓存位置信息。
HBase运行机制
整体架构
Master:
- 负责不同region服务器的负载均衡
- 对表增删改查
- 负责调整分裂、合并后region的分布
- 负责重新分配故障失效的region服务器
Region:
- 一个region服务器包含多个region。多个region共用一个HLog日志
- 一个region中每个列族会单独构成一个store
- MemStore是用来写缓存的
- HBase里的StoreFile对应HDFS里的HFile
写入数据:先写日志,再写到缓存中去。
读数据:先去缓存里找,再去StoreFile里找。
缓存的刷新:
- 系统周期性地把MemStore缓存里的内容刷写到磁盘的StoreFile文件中,清空缓存,并在HLog里面写入一个标记
- 每次刷写都生成一个新的StoreFile文件,因此每个Store包含多个StoreFile文件
- 每个region服务器都有一个自己的HLog文件,每次启动都检查该文件,确认最近一次执行缓存刷新操作之后是否发生新的写入操作,如果发现更新,则先写入MemStore,再刷写写到StoreFile,最后删除旧的HLog文件,开始为用户提供服务。
StoreFile的合并与分裂:
StoreFile数目达到阈值合并,StoreFile大小超过阈值分裂。
HBase应用解决方案
- 把时间靠近的数据存在一起:把时间戳(64位长整型)加入行键。Long.MAX_VALUE-timestamp作为行键,最新的排在最前面。
- 提升读写性能:设置HColumnDescriptor.setlnMemory选项位true,把相关表放在缓存中。
- 节省存储空间:设置HColumnDescriptor.setMaxVersionMaxVersions为1,只保留最新版本。
- 节省空间:设置TimeToLive参数,超过生命周期就删除。setTimeToLive()
- 可视化性能监视:Master-status,Ganglia,OpenTSDB,Ambari
- 通过SQL来管理HBase:Hive和Phoenix
- 二级索引:Hindex,Redis,Solr