大数据之 HBase 理论知识

最新推荐文章于 2024-07-27 19:23:51 发布

程序少年不秃头

最新推荐文章于 2024-07-27 19:23:51 发布

阅读量410

点赞数

分类专栏：大数据文章标签： hbase

本文链接：https://blog.csdn.net/weixin_43842853/article/details/123794908

版权

4 篇文章 0 订阅

订阅专栏

HBase 是一种分布式、可扩展、支持海量数据存储的 NoSQL 数据库

逻辑上，HBase 的数据模型同关系型数据库很类似，数据存储在一张表中，有行有列。但从底层物理存储结构（K-V）来看，HBase 更像是一个 multi-dimensional-map（多维 map）

逻辑结构
物理存储结构
- 名词解释
- Name Space：命名空间，类似于关系型数据库的 database 概念，每个命名空间下有多个表。HBase 有两个自带的命名空间，分别是 hbase 和 default，hbase 中存放的是 HBase 内置的表，default 表是用户默认使用的命名空间
- Region：类似于关系型数据库的表概念。不同的是，HBase 定义代表时只需要声明列族即可，不需要声明具体的列。这意味着，往 HBase 写入数据时，字段可以动态、按需指定。因此，和关系型数据库相比，HBase 能够轻松应对字段变更的场景
- Row：HBase 表中的每行数据都由一个 RowKey 和多个 Column 组成，数据是按照 RowKey 的字典顺序存储的，并且查询数据时只能根据 RowKey 进行检索，所有 RowKey 的设计十分重要
- Column：HBase 中的每个列都由 Column Family 列族 和 Column Qualifier 列限定符 进行限定，例如info:name，info:age。建表时，只需指明列族，而列限定符无需预先定义
- Time Stamp：用于标识数据的不同版本，每条数据写入时，如果不指定时间戳，系统会自动为其加上该字段，其值为写入 HBase 的时间
- Cell：由 {rowkey,column Family:column Qualifier,time Stamp} 唯一确定的单元。cell中的数据是没有类型的，全部是字节码形式存储

在这里插入图片描述
Zookeeper的作用： HBase 通过 Zookeeper 来做 master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作

在这里插入图片描述

StoreFile：保存实际数据的物理文件，StoreFile 以 HFile 的形式存储在 HDFS 上。每个 Store 会有一个或者多个 StoreFile（HFile），数据在每个 StoreFile 中都是有序的
MemStore：写缓存，由于 HFile 中的数据要求是有序的，所以数据是先存储在 MemStore 中，排好序后，等到达刷写时机才会刷写到 HFile，每次刷写都会形成一个新的 HFile
WAL：由于数据要经 MemStore 排序后才能刷写到 HFile，但把数据保存在内存中会有很高的概率导致数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件中，然后再写入 MemStore 中。所以在系统出现故障的时候，数据可以通过这个日志文件重建

在这里插入图片描述

Client 先访问zookeeper ，获取 hbase:meta 表位于哪个 Region server
访问对应的 Region server ，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache 中，方便下次访问
与目标 Region server 进行通讯
将数据顺序写入（追加）到 WAL
将数据写入对应的 MemStore，数据会在 MemStore 进行排序
向客户端发送 ack
等达到 MemStore 的刷写时机后，将数据写到 HFile

在这里插入图片描述
刷写时机

当某个 memstore 的大小达到了 hbase.hregion.memstore.flush.size（默认值128M），其所在 region 的所有 memstore 都会刷写。当 memstore 的大小达到了 hbase.hregion.memstore.flush.size * hbase.hregion.memstore.block.multiplire（默认值4）时，会阻止继续往该 memstore 写数据
当 regionserver 中 memstore 的总大小达到 java_heapsize * hbase.regionserver.global.memstrore.size（默认值0.4）* hbase.regionserver.global.memstore.size.lower.limit（默认值0.95），region 会按照其所有 memstore 的大小顺序（由大到小）依次进行刷写，直到 regionserver 中所有memstore 的总大小的减小到上述值以下。当 regionserver 中 memstore 的总大小达到 java_heapsize * hbase.regionserver.global.memstrore.size（默认值0.4）时，会阻止继续往所有的 memstore 写数据
到达自动刷写的时间，也会触发 memstore flush 。自动刷新的时间间隔由该属性进行配置 hbase.regionserver.optionalcacheflushinterval（默认1小时）
当 WAL 文件的数量超过 hbase.regionserver.max.logs，region 会按照时间顺序依次进行刷写，直到 WAL 文件数量减少到 hbase.regionserver.max.log 以下（该属性名已经废弃，现无需手动设置，最大值为32）

在这里插入图片描述

Client 先访问zookeeper ，获取 hbase:meta 表位于哪个 Region server
访问对应的 Region server ，获取 hbase:meta 表，根据读请求的 namespace:table/rowkey，查询出目标数据位于哪个 Region server 中的哪个 Region 中。并将该 table 的 region 信息以及 meta 表的位置信息缓存在客户端的 meta cache 中，方便下次访问
与目标 Region server 进行通讯
分别在 Block Cache（读缓存），MemStore 和 StoreFile（HFile）中查询目标数据，并将查询到的所有数据进行合并，此处所有数据是指同一条的数据的不同版本或者不同的类型
将从文件中查询到的数据块（Block，HFile 数据存储单元，默认大小为64KB）缓存到 Block Cache
将合并后的最终结果返回给客户端

由于 memstore 每次刷写都会生成一个新的 HFile，且同一个字段的不同版本和不同类型有可能会分布在不同的 HFile 中，因此查询时需要遍历所有的 HFile，为了减少 HFile 的个数，以及清理掉过期和删除的数据，会进行 StoreFile Compaction
Compaction 分为两种，分别是 Minor Compaction 和 Major Compaction。Minor Compaction 会将临近的若干个较小的 HFile 合并成一个大的的 HFile ，但不会清理过期和删除的数据。Major Compaction 会将一个 Store 下的所有的 HFile 合并成一个大的 HFile，并且会清理掉过期和删除的数据

默认情况下，每个 Table 起初只有一个 Region，随着数据的不断写入，Region 会自动进行拆分。刚拆分时，两个子 Region 都位于当前的 Region Server，但处于负载均衡的考虑，HMaster 有可能会将某个 Region 转移给其他的 Region Server。

Region Split 时机：

当1个 Region 中的某个 Store 下所有 StoreFile 的总大小超过 Min(R^2 * hbase.hregion.memstrore.flush.size,hbase.hregion.max.fileszize)，该 Region 就会进行拆分，其中 R 为当前 Region Server 中属于该 Table 的个数（0.94版本之后）
刚1个 Region 中的某个 Store 下的所有 StoreFile 的总大小超过 hbase.hregion.max.filesize，该 Region 就会进行拆分（0.94版本之前）