大数据组件---HBASE

• HBASE简介

1、Hbase是一个非关系型分布式数据库（NoSQL）--BigTable（参考的是谷歌）

2、高可靠（采用主从架构，使用zookeeper管理）、高性能（分布式并行处理）、面向列、可伸缩（可新增子节点）

3、采用HDFS作为文件存储系统（也可以采用其它的文件存储系统，没集成MR计算的功能）

4、Hbase擅长查询数据（这里的查询是指将指定的数据按数据库的格式拿出显示，不包括统计即count，sum这样的计算操作，Hasee是可以做计算的只是不擅长，且需要和MR做集成），随机读取速度快。

5、能够处理结构化和非结构化的数据

• HABSE表

Hbase建表的时候不需要指定数据类型，也不需要指定字段名称

表

行（row）:行由行键（rowkey）唯一标识(一行的每一个列限定符（字段）都有一个rowkey标识)

列族（column family）:行的数据按列分进行切分cf（多列组成一个cf）

列限定符（column qualifier）:列里面的数据定位通过列限定符（相当于字段）

单元(cell):行键、列族、列限制定符一起确定一个单元(列限定符,value)

时间版本（vesion）:单元值有时间版本（如果一张表中有多个列族，每个列族中的版本数可以不一样）,用时间戳来标识，默认只指定一个

 

• HABSE架构

client:

1、客户端整个集群的入口

2、使用HBase RPC机制与HMaster和HRegionserver通信

3、与HMaster通信进行管理类的操作

4、与HRegionserver通信进行读写类操作

5、包含访问HBase的接口，并维护cache来加快对HBase的访问，与HRegionsercer交互

 

Region:由表中多行组成（按照rowkey的范围，StartKey和EndKey划分---只记录StartKey）Region；每一张表创建的时候只有一个region，当表中的数据不断增加到超过某一个给定的阈值后，开始分裂，分裂为多个region；region管理多个store（一个列族就有一个store）

-------region分裂后会由Hmaster进行负载均衡。

Store:包括内存的中Memstore和磁盘中的Storefile（Hfile--hdfs中的存储文件）（有多少个列族就有多少个store）

-------在进行写入操作的时候，Hbase先将数据写入到memstore中，当memstore的数据量某个设定的阈值时，Hregionserver会启动一个flashcache进程写入storefile，每次写入操作都会形成一个单独的storefile（Hfile）

storefiel:当单独的storefile的数量增长到一定的阈值后，系统会进行合并，包括版本合并和删除，从而形成更大的storefile

Hregionserver:

1、管理多个region和多个Hlog（这边只是管理，并不是将region中的真实数据存储在Hregionserver中，真实的数据是存储在HDFS上的，因此当Hregionserver挂掉后，只用将这个管理者更换掉就行，并不用去管HDFS上的数据）

2、处理用户的读写请求---Hregionsever和region进行交互处理

Hmaster:主备模式

1、管理所有的RegionServer(新RegionServer的注册、Failover（故障处理）)

2、新表创建时的Region的分配

3、运行期间的负载均衡保障

4、RegionServer  Failover（故障）后Region接管。

• Hbase--ZOOKEEPER

1、ZooKeeper是一个分布式应用程序协调服务。

2、Hmaster的高可靠（解决Hmaster的单点故障问题）

--在Hbase中可以创建多个Hmastr节点，只有一成为Active角色，来管理Hbase，当主Hmaster（Active角色Hmaster）​宕掉后，会从备Hmaster中选出新的Active角色的Hmaster​​​​​​继续管理Hbase。

--1、zk提供分布式锁的服务实现Hmaster​​​​​​Active角色的创建（当主Hmaster宕掉后，所有的其它Master都尝试在zk中写入一个对应的节点，该节点只能被一个Master创建成功，创建成功的Maser进程就是主Master（Active角色Master））。

--2、事件监听机制，通过事件监听机制确定主HMaster是否宕掉，如果宕掉，就会删除该节点并通知其它备Master。

• HBASE写流程

1、寻址

client--->zk (得到meta表的元数据)--->Regionserver（找到到meta表）--->meta表（获取写入数据的region的地址（region的RowKey范围，region所属的Regionserver））

2、写入数据

2.1先将写入得数据进行分组

region分组（将数据按照相同的region进行分组）--->regionserver分组--->HBase自身封装的RPC框架往多个RegionServer发送请求，并行操作（并行发送数据，相同的regionserver的数据会一起发送）

2.2数据到达具体的regionserver下的具体的region，开始写入数据

先将数据写入到memstore中（同时写入到Hlog中来保证数据的安全），当memstore的数据量某个设定的阈值时，Hregionserver会启动一个flashcache进程写入storefile，每次写入操作都会形成一个单独的storefile（Hfile）

3、补充

3.1写入数据的锁

锁概念：Hbase不保证原子性（原子性：一个事务要么同时成功，要么同时失败），但是提供了一个region行锁来保证数据的安全性

写入数据锁流程：获取Region操作锁-->获取行锁--->写入MemStore--->释放行锁--->写入Hlog--->释放Region锁

3.2 产生Hfile（storeFile）的情况

01、当写入MemStore的数据达到阈值时

02、当写入MemStore的数据没有达到阈值但是内存不够时

03、当停止Hbase时（执行stop-hbase.sh）

04、当memstore挂掉，从Hlog中恢复数据的时

3.3关于Split

当集群中的region中数据到达一定的阈值，region就会进行分裂

01、分裂的region会暂停一些读写服务

02、分裂的形式并不是真分裂，而是创建一个新的region

3.4 Compaction

01、包括两大类删除需要删除的数据（删除版本过期的数据、有效期的过期的数据、已经执行delete的数据）和数据整理（删除数据后Hfile的整理合并）

02、minor(小合并)：部分HFILE，只处理TTL过期的数据，由Hbase内部执行

03、major(合并)：是将store中所有的HFILE进行合并为一个大的HFIEL，然后进行切分为一个标准的HFILE文件，时间会很长，大合并会执行删除操作。

• HBASE读数据

1、get与scan的区别

get：获取一行行中的数据（可以看做特殊的scan）

scan：获取多行数据

2、scanner介绍

scanner：扫描器，分为RegionScanner 、StoreScanner 、MemStoreScanner和StoreFileScanner

一个region-->一个RegionScanner

一个Store-->一个StoreScanner  

一个MemStore-->一个MemStoreScanner

一个StoreFile--->一个StoreFileScanner

读取数据时会分配多个scanner进行循环读取数据，一行（唯一的一个roukey）中的一个主族由一个scanner负责读取数据，当一个scanner读取完数据后由下一个scanner读取下一主族的数据，读取完的scanner会循环利用，进入到scanner列表中准备下读取数据。

所有的scanner查找的主族中的数据都是并行查找的，只是读取数据的时候是串行读取的；如果所有的数据都读取完成那么scanner会关闭。

• HBASE的热点问题

1、什么是Hbase的热点问题？

Hbase中的读写很大一部分都只在一个HergionServer中，热点问题产生的原因是由于设计的rowkey不合理

解决方案参考：https://blog.csdn.net/WYpersist/article/details/79954419