HBase底层原理
1、系统架构
Client
1 包含访问hbase的接口,client维护着一些cache来加快对hbase的访问,比如regione的位置信息。
Zookeeper
1 保证任何时候,集群中只有一个master
2 存贮所有Region的寻址入口
3 实时监控Region Server的状态,将Region server的上线和下线信息实时通知给Master
4 存储Hbase的schema,包括有哪些table,每个table有哪些column family
Master职责
1 为Region server分配region
2 负责region server的负载均衡
3 发现失效的region server并重新分配其上的region
4 HDFS上的垃圾文件回收
5 处理schema更新请求
Region Server职责
1 Region server维护Master分配给它的region,处理对这些region的IO请求
2 Region server负责切分在运行过程中变得过大的region
2、表数据结构
Row Key
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),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)
列族Column Family
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
列 Column
列族下面的具体列,属于某一个ColumnFamily,类似于我们mysql当中创建的具体的列
时间戳
HBase中通过row和columns确定的为一个存贮单元称为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。
Cell
由{row key, column( = +
VersionNum
数据的版本号,每条数据可以有多个版本号,默认值为系统时间戳,类型为Long
3、物理存储
整体结构
1 Table中的所有行都按照row key的字典序排列。
2 Table 在行的方向上分割为多个Hregion。
3 region按大小分割的(默认10G),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,Hregion就会等分会两个新的Hregion。当table中的行不断增多,就会有越来越多的Hregion。
4 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。但一个Hregion是不会拆分到多个server上的。
5 HRegion虽然是负载均衡的最小单元,但并不是物理存储的最小单元。
事实上,HRegion由一个或者多个Store组成,每个store保存一个column family。
每个Strore又由一个memStore和0至多个StoreFile组成。如上图
STORE FILE、HFILE结构
StoreFile以HFile格式保存在HDFS上
Memstore与storefile
一个region由多个store组成,每个store包含一个列族的所有数据
Store包括位于内存的memstore和位于硬盘的storefile
写操作先写入memstore,当memstore中的数据量达到某个阈值,Hregionserver启动flashcache进程写入storefile,每次写入形成单独一个storefile
当storefile大小超过一定阈值后,会把当前的region分割成两个,并由Hmaster分配给相应的region服务器,实现负载均衡
客户端检索数据时,先在memstore找,找不到再找storefile
HLog(WAL log)
WAL 意为Write ahead log(http://en.wikipedia.org/wiki/Write-ahead_logging),类似mysql中的binlog,用来 做灾难恢复时用,Hlog记录数据的所有变更,一旦数据修改,就可以从log中进行恢复。
每个Region Server维护一个Hlog,而不是每个Region一个。这样不同region(来自不同table)的日志会混在一起,这样做的目的是不断追加单个文件相对于同时写多个文件而言,可以减少磁盘寻址次数,因此可以提高对table的写性能。带来的麻烦是,如果一台region server下线,为了恢复其上的region,需要将region server上的log进行拆分,然后分发到其它region server上进行恢复。
HLog文件就是一个普通的Hadoop Sequence File:
- HLog 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 Sequece File的Value是HBase的KeyValue对象,即对应HFile中的KeyValue,可参见上文描述。
4、读写过程
系统表:
hbase:namespace : 记录Hbase中所有的NameSpace的
hbase:meta : 存储了Hbase中所有表的region信息
meta表位置信息存储在Zookeeper中
写流程
1)client编辑命令:put ‘tbname’,‘rowkey’,‘cf:col’,‘value’ 提交命令
2)根据表名查找写入哪台regionServer
HregionServer保存着meta表以及表数据,要访问表数据,首先访问zookeeper,zookeeper中保存着meta表所在的位置信息
client得到meta表的地址,请求访问meta获取普通表的region信息
根据**‘tbname’查询该表所有的region,根据‘rowkey’**与每个region的起始位置比较,决定写入哪个region
获取该region的名称以及regionServer地址
3)client请求regionServer写入region,提供写入region的地址
4)先写入WAL:预写日志,用于灾难恢复
5)根据**‘cf’**写入store
6)写入memstore
读流程
1)client编辑命令:get ‘tbname’,‘rowkey’,‘cf:col’ 提交命令
2)HregionServer保存着meta表以及表数据,要访问表数据,首先访问zookeeper,zookeeper中保存着meta表所在的位置信息
client得到meta表的地址,请求访问meta获取普通表的region信息
根据**‘tbname’查询该表所有的region,根据‘rowkey’**与每个region的起始位置比较,决定读哪个region
获取该region的名称以及regionServer地址
3)client请求regionServer读region,提供读的region的地址
4)根据‘cf’读哪个store
5)先读‘memstore’,如果没有(如果开启缓存 memcache 在读缓存),再读storefile
5、存储机制
1)Flush
功能:将内存中存储的数据刷新到HDFS,以HFILE形式存储
触发条件:当store中的memstore的存储达到128M
当整个region所使用的的memstore的内存大小达到阈值
memstore能使用的内存是整个堆内存的40%
region的内存达到95%,开始溢写
解决:手动flush
bin/hbase shell file_path
2)Compact 合并
minor compact:轻量级合并,合并最早生成的5个小文件,生成一个较大的文件
major compact:重量级合并,将当前store中所有的storefile文件合并成一个大文件,合并过程中删除被标记为删除的数据
触发:major:hbase.hregion.majorcompaction= 7 天
解决:手动合并,关闭自动major compact
手动进行合并:major_compact
3)split
功能:当某个region中的总的storefile大小达到阈值,会分为两个新的region
触发:hbase.hregion.max.filesize = 10GB
解决:手动进行切割:split