大数据之Hbase

HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库(NoSql)。另一个不同的是HBase基于列的而不是基于行的模式。

HBase利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据，利用Zookeeper作为对应协调服务组件；

HBase位于结构化存储层，Hadoop HDFS为HBase提供了高可靠性的底层存储支持，Hadoop MapReduce为HBase提供了高性能的计算能力，

Zookeeper为HBase提供了稳定服务和failover(故障切换)机制。此外，Pig和Hive还为HBase提供了高层语言支持，使得在HBase上进行数据统计处理变的

非常简单。 Sqoop则为HBase提供了方便的RDBMS数据导入功能，使得传统数据库数据向HBase中迁移变的非常方便。

HBase数据模型Table & Column Family

Ø Row Key: 行键，Table的主键，Table中的记录默认按照Row Key升序排序

Ø Timestamp:时间戳，每次数据操作对应的时间戳，可以看作是数据的version number，timestamp时间戳默认的情况是最新的那个值；

Ø Column Family：列簇，Table在水平方向有一个或者多个Column Family组成，一个Column Family中可以由任意多个Column组成，

即Column Family支持动态扩展，无需预先定义Column的数量以及类型，所有Column均以二进制格式存储，用户需要自行进行类型转换。

Table & Region

当Table随着记录数不断增加而变大后，会逐渐分裂成多份splits，成为regions，一个region由[startkey,endkey)表示，

不同的region会被Master分配给相应的RegionServer进行管理；在建表的时候至少要指明一个列簇，可以不给字段；

-NAMESPACE- && .META. Table

HBase中有两张特殊的Table，-NAMESPACE-和.META.

.META.：记录了用户表的Region信息，.META.可以有多个regoin

-NAMESPACE-：直接从Zookeeper 中找到meta 表的位置，然后通过 meta 表定位到 region。 namespace表 中存储了 HBase 中的

所有 namespace 信息，包括预置的hbase 和 default；如果自定义一些 namespace 的话，就会再/hbase/data 目录下新建一个 namespace 文件夹

，该 namespace 下的表都将 flush 到该目录下。Client访问用户数据之前需要首先访问zookeeper，然后访问.META.的位置，最后才能找到

用户数据的位置去访问，中间需要多次网络操作，不过client端会做cache缓存。

MapReduce on HBase

在HBase系统上运行批处理运算，最方便和实用的模型依然是MapReduce，HBase Table和Region的关系，比较类似HDFS File和Block的关系，

HBase提供了配套的TableInputFormat和TableOutputFormat API，可以方便的将HBase Table作为Hadoop MapReduce的Source和Sink，

对于MapReduce Job应用开发人员来说，基本不需要关注HBase系统自身的细节。

HBase系统架构

ClientHBase Client使用HBase的RPC机制与HMaster和HRegionServer进行通信，对于管理类操作，Client与HMaster进行RPC；

对于数据读写类操作，Client与HRegionServer进行RPC。

1 Zookeeper

Zookeeper Quorum中除了存储了-META-表的地址和HMaster的地址，HRegionServer也会把自己以Ephemeral方式注册到Zookeeper中，

使得HMaster可以随时感知到各个HRegionServer的健康状态。此外，Zookeeper也避免了HMaster的单点问题，见下文描述：

HMaster

HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election(选举)机制保证总有一个Master运行，HMaster在功能上

主要负责Table和Region的管理工作：

1. 管理用户对Table的增、删、改、查操作

2. 管理HRegionServer的负载均衡，调整Region分布

3. 在Region Split后，负责新Region的分配

4. 在HRegionServer停机后，负责失效HRegionServer 上的Regions迁移

HRegionServer

HRegionServer主要负责响应用户I/O请求，向HDFS文件系统中读写数据，是HBase中最核心的模块。

HRegionServer内部管理了一系列HRegion对象，每个HRegion对应了Table中的一个Region，HRegion中由多个HStore组成。每个HStore对应了

Table中的一个Column Family的存储，可以看出每个Column Family其实就是一个集中的存储单元，因此最好将具备共同IO特性的column放在

一个Column Family中，这样最高效。

HStore存储是HBase存储的核心了，其中由两部分组成，一部分是MemStore，一部分是StoreFiles（一个memstore和0至多个storefile组成）。MemStore是Sorted Memory Buffer，

用户写入的数据首先会放入MemStore(内存)，当MemStore满了以后会Flush成一个StoreFile（底层实现是HFile），当StoreFile文件数量增长到一定

阈值，会触发Compact合并操作，将多个StoreFiles合并成一个StoreFile，合并过程中会进行版本合并和数据删除，因此可以看出HBase其实

只有增加数据，所有的更新和删除操作都是在后续的compact过程中进行的，这使得用户的写操作只要进入内存中就可以立即返回，保证了

HBase I/O的高性能。当StoreFiles Compact后，会逐步形成越来越大的StoreFile，当单个StoreFile大小超过一定阈值后，会触发Split操作，

同时把当前Region Split成2个Region，父Region会下线，新Split出的2个孩子Region会被HMaster分配到相应的HRegionServer上(切分由regionserver完成,分配由master完成)，使得原先1个Region的压力得以分流到2个Region上。

在理解了上述HStore的基本原理后，还必须了解一下HLog的功能，因为上述的HStore在系统正常工作的前提下是没有问题的，但是在

分布式系统环境中，无法避免系统出错或者宕机，因此一旦HRegionServer意外退出，MemStore中的内存数据将会丢失，这就需要引入HLog了

。每个HRegionServer中都有一个HLog对象，HLog是一个实现Write Ahead Log的类，在每次用户操作写入MemStore的同时，也会写一份数据

到HLog文件中（HLog文件格式见后续），HLog文件定期会滚动出新的，并删除旧的文件（已持久化到StoreFile中的数据）。当HRegionServer

意外终止后，HMaster会通过Zookeeper感知到，HMaster首先会处理遗留的 HLog文件，将其中不同Region的Log数据进行拆分，分别放到相应

region的目录下，然后再将失效的region重新分配，领取 到这些region的HRegionServer在Load Region的过程中，会发现有历史HLog需要处理，

因此会Replay HLog中的数据到MemStore中，然后flush到StoreFiles，完成数据恢复。

存储格式

HBase中的所有数据文件都存储在Hadoop HDFS文件系统上，主要包括上述提出的两种文件类型：

1. HFile， HBase中KeyValue数据的存储格式，HFile是Hadoop的二进制格式文件，实际上StoreFile就是对HFile做了轻量级包装，即StoreFile底层就是HFile

2. HLog File，HBase中WAL（Write Ahead Log） 的存储格式，物理上是Hadoop的Sequence File

HFile

下图是HFile的存储格式：

首先HFile文件是不定长的，长度固定的只有其中的两块：Trailer和FileInfo。正如图中所示的，Trailer中有指针指向其他数据块的起始点。File Info中记录了文件的一些Meta信息，例如：AVG_KEY_LEN, AVG_VALUE_LEN, LAST_KEY, COMPARATOR, MAX_SEQ_ID_KEY等。Data Index和Meta Index块记录了每个Data块和Meta块的起始点。

Data Block是HBase I/O的基本单元，为了提高效率，HRegionServer中有基于LRU的Block Cache机制。每个Data块的大小可以在创建一个Table的时候通过参数指定，大号的Block有利于顺序Scan，小号Block利于随机查询。每个Data块除了开头的Magic以外就是一个个KeyValue对拼接而成, Magic内容就是一些随机数字，目的是防止数据损坏。后面会详细介绍每个KeyValue对的内部构造。

HFile里面的每个KeyValue对就是一个简单的byte数组。但是这个byte数组里面包含了很多项，并且有固定的结构。我们来看看里面的具体结构：

开始是两个固定长度的数值，分别表示Key的长度和Value的长度。紧接着是Key，开始是固定长度的数值，表示RowKey的长度，紧接着是RowKey，然后是固定长度的数值，表示Family的长度，然后是Family，接着是Qualifier，然后是两个固定长度的数值，表示Time Stamp和Key Type（Put/Delete）。Value部分没有这么复杂的结构，就是纯粹的二进制数据了。

HLogFile

上图中示意了HLog文件的结构，其实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。

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。

注：hbase上的分区概念，根据rowkey存储在不同的region上，所有的表一开始只有一个region，region是唯一被一台

regionserver所管理

regionserver
|
region1 region2 region3
|
store
|
memstore&storefile

hbase HDFS目录结构
namespace -》 table -》 region -》 列簇(store) -》 storefile
-》只有初始的region是没有上下限的
-》master会将两个region分配到不同的regionserver上
-》虽然等分了，但是还是属于原来的表

-》WALs记录日志 ，预写日志，Hlog file，在写数据时会先往Hlog写一份，然后往内存写
-》避免内存丢失数据，可以从日志文件中恢复
squence file 序列化文件
-》 data是真正存储数据的

HBase数据存储
Hfile   <keyvalue>存储格式，是Hadoop的二进制文件，其实就是storefile
Hlog file  其实就是squence file序列化文件

当用户写入时候，先写入 Hlog file  再写入 memstore，当memstore满了以后会flush成一个storefile（就是底层的Hfile）
用户可以手动flush，将内存中的数据直接溢写到磁盘上，手动干预

storefile (64MB) storefile(128MB)
storefile (64MB) compactionstorefile(256MB) split
storefile (64MB) storefile(128MB)
storefile (64MB)

hbase:namespace表：存储hbase中所有namespace的信息
hbase:meta表：记录元数据，它的rowkey存储的是hbase中所有表的region名称全名
读取rowkey-》rowkey在哪个region上-》region被哪个regionserver所管理-》根据元数据记录查找
在zookeeper中可以找到meta表对应的regionserver，region信息
用户的发送的请求都会先去找到ZK，获取meta的region信息
读流程：
-》根据表名和rowkey找到对应的region
-》ZK中存储了meta表的region信息
-》从meta表中获取相应的region信息
-》找到对应的regionserver
-》找到对应的region