hbase數據原理及基本架構是什么

這篇文章主要介紹了hbase數據原理及基本架構是什么的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇hbase數據原理及基本架構是什么文章都會有所收獲，下面我們一起來看看吧。

hbase是一個構建在hdfs上的分布式列存儲系統；

hbase是apache hadoop生態系統中的重要一員，主要用于海量結構化數據存儲

從邏輯上講，hbase將數據按照表、行和列進行存儲

hbase表特點：

　　1.大：一個表可以有數十億行，上百萬列；

　　2.無模式：每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態的增加，同一張表中不同的行可以有截然不同的列；

　　3.面向列：面向列（族）的存儲和權限控制，列（族）獨立檢索；

　　4.稀疏：對于空（null）的列，并不占用存儲空間，表可以設計的非常稀疏；

　　5.數據多版本：每個單元中的數據可以有多個版本，默認情況下版本號自動分配，是單元格插入時的時間戳；

　　6.數據類型單一：hbase中的數據都是字符串，沒有類型

hbase與hdfs的對比：

　　1.兩者都具有良好的容錯性和擴展性，都可以擴展到成百上千個節點。

　　2.hdfs適合批處理場景,不支持數據隨機查找，不適合增量數據處理，不支持數據更新。

行存儲與列存儲：

　　傳統行式數據庫：

　　　　1.數據是按行存儲的

　　　　2.沒有索引的查詢使用大量I/O

　　　　3.建立索引和物化視圖需要花費大量時間和資源

　　　　4.面向查詢的需求，數據庫必須被大量膨脹才能滿足性能要求

　　列式數據庫:

　　　　1.數據是按列存儲-每一列單獨存放

　　　　2.數據即是索引

　　　　3.指訪問查詢涉及的列-大量降低系統I/O

　　　　4.每一列由一個線索來處理-查詢的并發處理

　　　　5.數據類型一致，數據特征相似-高效壓縮

第二：hbase數據模型

hbase是基于Google BigTable模型開發的，典型的key/value系統

第一：hbase介紹

hbase是一個構建在hdfs上的分布式列存儲系統；

hbase是apache hadoop生態系統中的重要一員，主要用于海量結構化數據存儲

從邏輯上講，hbase將數據按照表、行和列進行存儲

hbase表特點：

　　1.大：一個表可以有數十億行，上百萬列；

　　2.無模式：每行都有一個可排序的主鍵和任意多的列，列可以根據需要動態的增加，同一張表中不同的行可以有截然不同的列；

　　3.面向列：面向列（族）的存儲和權限控制，列（族）獨立檢索；

　　4.稀疏：對于空（null）的列，并不占用存儲空間，表可以設計的非常稀疏；

　　5.數據多版本：每個單元中的數據可以有多個版本，默認情況下版本號自動分配，是單元格插入時的時間戳；

　　6.數據類型單一：hbase中的數據都是字符串，沒有類型

hbase與hdfs的對比：

　　1.兩者都具有良好的容錯性和擴展性，都可以擴展到成百上千個節點。

　　2.hdfs適合批處理場景,不支持數據隨機查找，不適合增量數據處理，不支持數據更新。

行存儲與列存儲：

　　傳統行式數據庫：

　　　　1.數據是按行存儲的

　　　　2.沒有索引的查詢使用大量I/O

　　　　3.建立索引和物化視圖需要花費大量時間和資源

　　　　4.面向查詢的需求，數據庫必須被大量膨脹才能滿足性能要求

　　列式數據庫:

　　　　1.數據是按列存儲-每一列單獨存放

　　　　2.數據即是索引

　　　　3.指訪問查詢涉及的列-大量降低系統I/O

　　　　4.每一列由一個線索來處理-查詢的并發處理

　　　　5.數據類型一致，數據特征相似-高效壓縮

第二：hbase數據模型

hbase是基于Google BigTable模型開發的，典型的key/value系統

第三：hbase物理模型

每個column family存儲在HDFS上的一個單獨文件中；

Key和Version number在每個column family中均有一份

空值不被保存

eg:

info Column Family:

roles Column Family

數據物理存儲：

1.Table中所有的行都按照row key的字典序列排列；

2.Table在行的方向上被分割為多個Region；

3.Region按照大小分割的，每個表開始只有一個region，隨著數據的增多，region不斷的增大，當增大到一個閥值的時候，region就會等分成兩個新的region，之后會有越來越多的region；

4.Region是Hbase中分布式存儲和負載均衡的最小單元，不同的region分布在不同RegionServer上；

5.Region雖然是分布式存儲的最小單元，但并不是存儲的最小單元。

　　1）Region是由一個或者多個Store組成，每個store保存一個columns family；

　　2）每個Store又由一個memStore和0或多個StoreFile組成

　　3）memStore存儲在內存中，StoreFile存儲在HDFS上。

第四：hbase基礎架構

Hbase架構：

在分布式的生產環境中，HBase 需要運行在 HDFS 之上，以 HDFS 作為其基礎的存儲設施。在 HBase 的集群中主要由 Master 和 Region Server 組成，以及 Zookeeper

Hbase相關的組件：

Clinet：

　　包含訪問Hbase的接口，并維護cache來加快對Hbase的訪問。

zookeeper:

　　保證任何時候，集群中只有一個master

　　存儲所有Region的尋址入口

　　實時監控Region Server的上線或者下線信息，并實時通知給Master

　　存儲HBase的schema和table元數據

　　zookeeper作用：

　　　　HBase依賴zk；

　　　　默認情況下Hbase管理zk實例，eg：啟動或者停止zk

　　　　Master與RegionServers啟動時會向zk注冊

　　　　Zookeeper的引入使得Master不在是單點故障

Master:

　　為Region Server分配region

　　負責Region Server的負載均衡

　　發現失效的Region Server并重新分配他上面的region

　　管理用戶對table的增刪改查操作

Region Server:

　　維護region，處理對這些region的IO請求

　　負責切分在運行過程中變得過大的region

-ROOT-表與-META-表：

-ROOT-表：

　　包含-META-表所在的region列表，該表只會有一個Region；

　　zookeeper中記錄了-ROOT-表的位置

-META-表：

　　包含所有的用戶空間region列表，以及RegionServer的服務器地址

詳解：

1.HBase的所有Region元數據被存儲在.META.表中，隨著Region的增多，.META.表中的數據也會增大，并分裂成多個新的Region。為了定位.META.表中各個Region的位置，把.META.表中所有Region的元數據保存在-ROOT-表中，最后由Zookeeper記錄-ROOT-表的位置信息。所有客戶端訪問用戶數據前，需要首先訪問Zookeeper獲得-ROOT-的位置，然后訪問-ROOT-表獲得.META.表的位置，最后根據.META.表中的信息確定用戶數據存放的位置，如上圖所示。

2.-ROOT-表永遠不會被分割，它只有一個Region，這樣可以保證最多只需要三次跳轉就可以定位任意一個Region。為了加快訪問速度，.META.表的所有Region全部保存在內存中。客戶端會將查詢過的位置信息緩存起來，且緩存不會主動失效。如果客戶端根據緩存信息還訪問不到數據，則詢問相關.META.表的Region服務器，試圖獲取數據的位置，如果還是失敗，則詢問-ROOT-表相關的.META.表在哪里。最后，如果前面的信息全部失效，則通過ZooKeeper重新定位Region的信息。所以如果客戶端上的緩存全部是失效，則需要進行6次網絡來回，才能定位到正確的Region。

高可用

Write-Ahead-Log（WAL）保障數據高可用

理解高可用首先：必須理解下HLog的作用，HBase中的Hlog機制是WAL的一種實現，而WAL是事務機制中常見的一致性的實現方式。每個RegionServer中都會有一個HLog的實例，RegionServer會將更新操作（put，delete等），先記錄到WAL（也就是HLog中），然后再將其寫入到Store的MemStore，最終Memstore達到一定的閥值后，在寫入到HFile中，這樣就保證了HBase的寫的可靠性，若沒有WAL，當RegionServer掛掉的時候，MemStore還沒有寫到HFile的數據，或者說StoreFile沒有保存的時候，數據會丟失。（說到這里或許有人會問，假如HFile本身丟失了怎么辦，這是由HDFS來保證的。在HDFS中的數據默認會有3份）

HFile是由很多個數據塊（Block）組成，并且有一個固定的結尾塊，其中的數據塊是由一個Header和多個Key-Value的鍵值對組成，在結尾的數據塊中包含了數據相關的索引信息，系統也是通過結尾的索引信息找到HFile中的數據。

組件的高可用

Master容錯：Zookeeper重新選擇一個新的Master

　　無Master過程中，數據讀取任然照常進行

　　無Master過程中，region切分、負載均衡等無法進行

RegionServer容錯：

　　定時向Zookeeper匯報心跳，如果一旦一段時間內未出現心跳，Master將該RegionServer上的Region重新分配到其他的RegionServer上；

　　失效的服務器上“預寫”日志由主服務器進行分割并派送給新的RegionServer上

zookeeper容錯：zookeeper是一個可靠的服務

　　一般是3到5個zookeeper實例

讀寫流程

　　寫操作：

　　　　1）client通過zookeeper的調度，向regionserver發出寫數據的請求，在Region中寫數據

　　　　2）數據首先記錄在HLog中，然后再將其寫入到Store的MemStore，直到MemStore達到預定閥值

　　　　3）MemStore中的數據被Flush成一個StoreFile

　　　　4）隨著StoreFile文件的不斷增多，當其數據增長到一定閥值后，觸發Compact合并操作，將多個StoreFile合并成一個StoreFile，同時進行版本合并和數據刪除

　　　　5）StoreFiles通過不斷的Compact合并操作，逐步形成越來越大的StoreFile

　　　　6）單個StoreFile大小超過一定閥值后，觸發Split操作，把當前Region Split成2個新的Region，父Region會下線，新Split出的2個子Region會被HMaster分配到相應的RegionServer上，使原先1個Region的壓力得以分流到2個Region上面

　　通過上述的寫流程可以發現，HBase更新、刪除等操作都是在后續Compact歷程中進行的，使得用戶的寫操作只要進入內存就可以立刻返回，實現可HBase I/0的高性能。

　　讀操作：

　　　　1）client訪問zk，查找-ROOT-表，獲取.META.表的信息。

　　　　2）從.META.表查找，獲取存放目標數據的Region信息，從而找到對應的RegionServer。

　　　　3）通過RegionServer獲取需要查找的數據

　　　　4）RegionServer的內存分為MemStore和BlockCache兩部分，MemStore主要用于寫數據，BlockCache主要用于讀數據，讀請求先到MemStore中查數據，查不到就到BlockCache中查，在查不到就會到StoreFile上讀，并把讀的結果放入BlockCache中。

　　讀取流程：client-->zookeeper-->-ROOT-表-->.META.表-->RegionServer-->Region-->client

關于“hbase數據原理及基本架構是什么”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“hbase數據原理及基本架構是什么”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。