●HBase简介 - HBase- Hadoop Database ,是一个高可靠性、高性能、面向列、可伸缩、 实时读写的分布式数据库 一利用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作为其分布式协同服务 一主要用来存储非结构化和半结构化的松散数据(列存NoSQL数据库) | ![]() |
体系架构 | ![]() |
HBase数据模型 | 一Column Family列族& qualifier列 - HBase表中的每个列都归属于某个列族列族必须作为表模式(schema) 定义的一部分预先给出。如create 'test,course' ; 一列名以列族作为前缀,每个“列族’都可以有多个列成员(column) ;如 cousemath, course.english,新的列族成员(列)可以随后按需、动态加入; 一权限控制、存储以及调优都是在列族层面进行的; 一HBase把同一-列族里面的数据存储在同一目录下,由几个文件保存。 |
一Timestamp时间戳 | 在HBase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序排序最新的数据版本排在最前面。一时间戳的类型是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。 |
一Cel单元格 | -由行和列的坐标交叉决定;-单元格是有版本的; 一单元格的内容 是未解析的字节数组; ●由{row key,column =<family> +<qualifierl,version唯一 确定的单元。cell中的数据是没 有类型的。全部是字节码形点预一 |
一HLog(WAL log) | -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。 一HLog SequeceFile的Value是HBase的KeyValue对象即对应HFile中的KeyV alue。 |
一Master - Region 一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;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, region就会等分会两个新的region (裂变) ; 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。 一Memstore 与storefile 一一个region由多个store组成,一个store对应一个CE (列族) 一store包括位于内存中的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storefle 一当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( majar) , 形成更大的storefile 一 当一个region所有storefile的大小和数量超过一定阈值后.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 -客户端检索数据,先在memstore找,找不到再找storefile | |
●HBase数据模型 一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。 一HRegion由一 个或者多个Store组成。每个store保存一个columns family。一每个Strore又 由一个memStore和0至多个StoreFile组成。如图: StoreFile 以HFjle格式保存在HDFS上。 | ![]() |