hbase timestamp获取key_Hbase数据模型及架构

Hbase概念：

简单来说，Hbase是Hadoop Database，是一个具备 高可靠性、高性能、面向列、可伸缩、实时读写的分布式数据。

它基于Hadoop HDFS做分布式存储，利用MapReduce进行数据分析，利用Zookeeper进行分布式协作服务。

Hbase数据模型：

Row Key：

1.行的唯一标识，类似于主键

2.按照字典序进行排列存储

3.最大长度是64KB，但是建议长度是10-100byte。

Column Family（列族）：

1.表示一组列的集合（CF1，CF2，CF3）

2.在hbase中想要使用列，必须要指定列族

3.列必须要归属于某一个列族，一个列族可以有多个列成员，新的列族成员可以随后按需动态加入。

4.列族需要在表定义的时候预先给出，而列不需要。

5.列族是存储，权限控制，调优的最小单元。

6.HBase把同一列族里面的数据存储到同一个目录下，由几个文件保存。

Time Stamp：

1.在hbase中每个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叙排列，最新的数据版本排在最前面。

2.timestamp默认使用的是系统时间，是毫秒值，一般不去改变。

Qulifier:

1.列名，使用时必须加前缀列族

cell：

1.由行和列唯一确定的一个单元格（rowkey + column family+qulifier+timestamp）。

2.cell中的数据是没有类型的，全部都是字节数组。

HLog（WAL log）：

1.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

2.HLog SequeceFile的Value是HBase的KeyValue对象，即对应HFile中的KeyValue。

Hbase架构图：

HBase的四大角色：

Client：

1.包含访问HBase的接口并维护cache来加快对HBase的访问。

Zookeeper：

1.保证任何时候，集群中只有一个活跃的master

2.存储所有的Region的寻址入口

3.实时监控Region Server的上线和下线信息，并实时通知Master

4.存储HBase的schema和table元数据

HMaster：

1.为HRegionServer分配region

2.负责RegionServer的负载均衡

3.发现失效的RegionServer并重新分配其上的region

4.管理用户对table的增删改操作

RegionServer：

1.RegionServer维护region，处理对这些region的IO请求

2.RegionServer负责切分在运行过程中变得过大的region

HBase的组件：

Region（表）：

1.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。

2.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，当增大到一个阈值的时候，region就会等分为两个新的region（裂变）

3.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。

store（列族）：

1.一个region由多个store组成，一个store对应一个CF（列族）

Memstore（写缓存）与storefile（持久化的存储文件）：

1.store包括位于内存的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。

2.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（major），形成更大的storefile

3.当一个region所有的storefile的大小和数量超过一定的阈值后，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

blockcache（读缓存）：

1.客户端检索数据，先在memestore中找，找不到去blockcache，找不到再找storefile

2.存储在storefile中的数据会在读取完毕后存储在blockcache中，blockcache中会对读取频次进行排序，当blockcache中的数据满了后，会采取LRU的淘汰策略。

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column family。

每个Store又由一个memStore和0至多个StoreFile组成。如图：StoreFile以File格式保存在HDFS上。