1 背景知识

1.1 解决问题

解决HDFS不支持单条记录的快速查找和更新的问题。

1.2 适用情况

  • 存在亿万条记录的数据库,只有千万或者百万条记录使用RDBMS更加合适
  • 确保你的应用不需要使用RDBMS的高级特性(第二索引,事务机制,高级查询语言等)
  • 足够的硬件配置,即节点数,HDFS在少于5个节点时并不会表现得很好,HBase也存在相同情况。

2 设计理念

2.1 概述

2.1.1 简介

  • 使用Java语言开发的NoSQL类型的分布式数据库
  • 不支持RDBMS的一些高级特性,如事务机制,第二索引,高级查询语言等
  • 支持线性和模块化扩展,可以通过在商用机器上增加RegionServer来线性提高性能

2.1.2 HBase特性:

  • 强读写一致性:适合高速计数聚合操作
  • 自动切分数据:分布式存储数据,随着数据增长进行自动切片
  • RegionServer自动失效备援
  • 与HDFS集成
  • 支持MapReduce执行大规模并行操作
  • 提供Java Client API
  • 提供Thrift/REST API
  • 针对大容量查询优化的块缓存和Bloom Fliter
  • 可视化管理界面

2.1.3 劣势

  • WAL的重新执行速度缓慢
  • 故障恢复缓慢且复杂
  • 主压缩会引起 I/O风暴(大量的I/O操作)

2.2 设计架构

2.2.1 基础概念

概念 中文 解释 备注 举例
Table 由多行组成 ...
Row 由一个Key和一个或者多列组成
Column 由列族和列限定符组成 列族:列限定符 ;行与行之间的列可以相差很多
Column Family 列族 物理上存储多个列;为提高性能设计的; 表格创建时需要置顶 content
Column Qualifier 列限定符 列族中数据的索引 表格创建时不需要指定,可以在任何时候添加 content:html
Cell 单元 由行、列族、列限定符、值和代表版本的时间戳组成
TimeStamp 时间戳 用来表示数据的版本 可以使用系统时间也可以自己指定

2.2.1.2 例子本例子取自官方文档

Row Key Time Stamp ColumnFamily contents ColumnFamily anchor ColumnFamily people
"com.cnn.www" t9 anchor:cnnsi.com = "CNN"
"com.cnn.www" t8 anchor:my.look.ca = "CNN.com"
"com.cnn.www" t6 contents:html = "…​
"com.cnn.www" t5 contents:html = "…​"
"com.cnn.www" t3 contents:html = "…​
com.example.www t5 contents:html: "..." people:author: "John Doe"

说明

  1. 表格格式不是唯一和最精确的表达方式,还可以用Json格式来表达
  2. 表格中的空白单元不会占用物理存储空间,只是概念上存在

2.2.1.3 操作

操作 API 注意点 与版本的关系
Get Table.get 返回指定行的属性;Scan的第一行 若没有指定版本,则返回版本值最大(但可能不是最新的)的数据;可以通过设置MaxVersion的值修改返回的数据条数
Scan Table.scan 返回满足条件的多行 同上
Put Table.put Key存在则更新Key不在则插入;通过 Table.put (写缓存) 或者Table.batch (没有写缓存) 默认使用系统时间;只要key、column和version相同就可以实现覆盖;插入时可以指定版本
Delete Table.delete 1.删除指定列;2.删除列的所有版本;3.删除特定列族的所有列 1. 删除操作不会立刻执行,而是给该数据设置墓碑标签,在空间清理的时候再执行死亡数据和墓碑的清除工作;2.通过在 hbase-site.xml.中hbase.hstore.time.to.purge.deletes属性来设置TTL(生存时间)

说明

  1. 版本数的最大值和最小值是可以指定的,并且会影响操作
  2. 版本(时间戳)是用来管控数据的存活时间的,最好不要手动设置

2.2.1.4 局限

1)Delete操作会影响Put操作:原因在于Delete操作并不是立刻执行,而是给死亡数据设置墓碑标签,那么如果当你执行了一个Delete版本低于等于T的操作,而后有插入Put了一个版本为T的数据,此时新Put的数据也会被打上标签,那么会在系统的下一次清理工作中将打上标签的数据全部清理掉,执行查询时则会获取不到新Put的数据,如果你不手动设置版本的话,版本采用系统默认时间,则不会出现这种情况。

2)清理工作会影响查询:创建三个版本为t1,t2,t3的单元,并且设置最大版本数为2.所以当我们查询所有版本时,只会返回t2和t3。但是当你删除版本t2和t3的时候,版本t1会重新出现。显然,一旦重要精简工作运行之后,这样的行为就不会再出现。

查看更多关于数据模型的信息

2.2.2 架构

2.2.2.1 架构特点

1)主从架构

2)有三个组件:

组件名称 组件主要功能
HMaster 负责Region的分配和DDL操作(创建,删除表)
HRegionServer RegionServer负责数据的读写;和客户端通讯
ZooKeeper 维持集群的活动状态

3)底层储存是HDFS

2.2.2.2 组件

hbase:meta:所有region的信息

1)结构:

Key

  • 格式:([table],[region start key],[region id])

Values

2)存储位置:ZooKeeper中

HMaster:控制者

  • 分配Region:启动时分配,失效RegionServer上Region的再分配,Region切分时分配
  • 监控集群中的所有RegionServer,实现其负载均衡
  • DDL:Data Definition Language(表格的创建、删除和更新-列族的更新)
  • 管理namespace和table的元数据
  • 权限管理(ACL)
  • HDFS上的垃圾文件回收

HRegionServer:HBase实际读写者

  • 响应client的读写请求,进行I/O操作(直接绕过HMaster)
  • 与HDFS交互,管理table数据
  • 当Region的大小到达阀值时切分Region

本小节可参考Region Server详解

ZooKeeper:协调者

  • 保证集群中有且只有一个HMaster为Active
  • 存储hbase:meta,即所有Region的位置信息
  • 存储HBase中表格的元数据信息
  • 监控RegionServer状态,将RS的上下线情况汇报给HMaster
  • ZooKeeper集群本身使用一致性协议(PAXOS协议)保证每个节点状态的一致性

Region:Region是HBase数据存储和管理的基本单位

本小节可参考Region详解

2.3 相关流程

2.3.1 首次读写流程

本小节可参考Region Server详解中的首次读写流程

2.3.2 写流程

本小节可参考Region Server详解中的写流程

2.3.2 读流程

本小节可参考Region Server详解中的读流程

2.4 相关机制

2.4.1 Compaction机制(压缩合并)

2.4.1.1 次压缩

本小节可参考Region Server详解中的次压缩部分

2.4.1.2 主压缩

本小节可参考Region Server详解中的主压缩部分

2.4.2 WAL Replay机制

本小节可参考Region Server详解中的WAL Replay

2.5 版本更新内容

2.5.1 .META表 =>hbase:meta

2.5.1.1 -ROOT-和.META

在0.96.x之前是存在-ROOT-和.META两个表格来维持region的元数据

1)结构:

Key

• .META. region key (.META.,,1)

Values

info:regioninfo (hbase:meta的序列化实例)

info:server (存储 hbase:meta的RegionServer的server:port)

info:serverstartcode (存储 hbase:meta的RegionServer的启动时间)

2)读取region位置信息的流程

  1. 从ZooKeeper中读取-ROOT- Table所在HRegionServer
  2. 从该HRegionServer中根据请求的TableName,RowKey读取.META. Table所在HRegionServer
  3. 从该HRegionServer中读取.META. Table的内容而获取此次请求需要访问的HRegion所在的位置
  4. 访问该HRegionSever获取请求的数据

2.5.1.2 hbase:meta

本小节可参考2.2.2.2 组件中的hbase:meta和2.3 相关流程中的首次读写流程进行比较

2.5.1.3 升级的目的

1)0.96.x版本之前是参考Goole的BigTable设计的,从读取数据请求发起到真正读取到数据要经过4个步骤,Google设计BigTable的目的在于它的数据量巨大,多层的schema结构能够存储更多的Region,但是随着而来的就是访问性能的下降。

2)一般公司的数据量没有Google那么大,所以去掉-ROOT-表,留下.META(hbase:meta)表,提高Region的大小,不仅可以满足存储需求,而且访问性能得到提高。

2.5.2 HLog =>WAL

  • 0.94.x 之前HBase中的WAL实现称为HLog,存储在/hbase/.logs/目录下
  • 0.94.x之后更名为WAL,存储在/hbase/WALs/目录下

2.6 跟其他框架的联系

待续...

2.7 性能调优

待续...

2.8 高级特性

待续...

3 项目实战

3.1 入门指南

3.1.1 环境搭建

本小节可参考HBase部署入门指南

3.1.2 入门程序

本小节可参考HBase Shell 练习HBase Java API 练习使用MapReduce操作HBase

3.2 技术难点

待续...

3.3 开发中遇到的问题

待续...

3.4 应用

3.4.1 OpenTSDB开发

待续...

4 声明

待续部分将会后期不定期更新,敬请期待。

参考文章:

Apache HBase ™ Reference Guide

An In-Depth Look at the HBase Architecture

若有侵权,请联系我。

HBase框架学习之路的更多相关文章

  1. 【SpringCloud之pigx框架学习之路 】2.部署环境

    [SpringCloud之pigx框架学习之路 ]1.基础环境安装 [SpringCloud之pigx框架学习之路 ]2.部署环境 1.下载代码 git clone https://git.pig4c ...

  2. 【SpringCloud之pigx框架学习之路 】1.基础环境安装

    [SpringCloud之pigx框架学习之路 ]1.基础环境安装 [SpringCloud之pigx框架学习之路 ]2.部署环境 1.Cmder.exe安装 (1) windows常用命令行工具 下 ...

  3. go server框架学习之路 - 写一个自己的go框架

    go server框架学习之路 - 写一个自己的go框架 用简单的代码实现一个go框架 代码地址: https://github.com/cw731/gcw 1 创建一个简单的框架 代码 packag ...

  4. 自己的Scrapy框架学习之路

    开始自己的Scrapy 框架学习之路. 一.Scrapy安装介绍 参考网上资料,先进行安装 使用pip来安装Scrapy 在开始菜单打开cmd命令行窗口执行如下命令即可 pip install Scr ...

  5. Hadoop学习笔记—15.HBase框架学习(基础知识篇)

    HBase是Apache Hadoop的数据库,能够对大型数据提供随机.实时的读写访问.HBase的目标是存储并处理大型的数据.HBase是一个开源的,分布式的,多版本的,面向列的存储模型,它存储的是 ...

  6. scrapy框架学习之路

    一.基础学习 - scrapy框架 介绍:大而全的爬虫组件. 安装: - Win: 下载:http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted pip3 ...

  7. Hadoop学习笔记—15.HBase框架学习(基础实践篇)

    一.HBase的安装配置 1.1 伪分布模式安装 伪分布模式安装即在一台计算机上部署HBase的各个角色,HMaster.HRegionServer以及ZooKeeper都在一台计算机上来模拟. 首先 ...

  8. python_flask框架学习之路(1)

    1.初识web,了解utl . 术语: scheme://host:port/path?query-string=xxx#yyyy 例子:https://i.cnblogs.com/EditArtic ...

  9. 【框架学习与探究之定时器--Hangfire】

    声明 本文欢迎转载,请注明文章原始出处:http://www.cnblogs.com/DjlNet/p/7603632.html 前言 在上篇文章当中我们知道关于Quartz.NET的一些情况,其实博 ...

随机推荐

  1. iOS可视化动态绘制连通图

    上篇博客<iOS可视化动态绘制八种排序过程>可视化了一下一些排序的过程,本篇博客就来聊聊图的东西.在之前的博客中详细的讲过图的相关内容,比如<图的物理存储结构与深搜.广搜>.当 ...

  2. Javascript 的执行环境(execution context)和作用域(scope)及垃圾回收

    执行环境有全局执行环境和函数执行环境之分,每次进入一个新执行环境,都会创建一个搜索变量和函数的作用域链.函数的局部环境不仅有权访问函数作用于中的变量,而且可以访问其外部环境,直到全局环境.全局执行环境 ...

  3. C语言 · 4-3水仙花数

    问题描述 打印所有100至999之间的水仙花数.所谓水仙花数是指满足其各位数字立方和为该数字本身的整数,例如 153=1^3+5^3+3^3. 样例输入 一个满足题目要求的输入范例.例:无 样例输出 ...

  4. javascript设计模式:策略模式

    前言 策略模式有效利用组合.委托.多态等技术和思想,可以有效避免多重条件选择语句. 策略模式对开放-封闭原则提供了很好的支持,将算法封装在strategy中,使得他们易于切换.理解.扩展. 策略模式中 ...

  5. 火星坐标、百度坐标、WGS-84坐标相互转换及墨卡托投影坐标转经纬度JavaScript版

    火星坐标 火星坐标是国家测绘局为了国家安全在原始坐标的基础上进行偏移得到的坐标,基本国内的电子地图.导航设备都是采用的这一坐标系或在这一坐标的基础上进行二次加密得到的.火星坐标的真实名称应该是GCJ- ...

  6. 设计模式之单例模式(Singleton)

    设计模式之单例模式(Singleton) 设计模式是前辈的一些经验总结之后的精髓,学习设计模式可以针对不同的问题给出更加优雅的解答 单例模式可分为俩种:懒汉模式和饿汉模式.俩种模式分别有不同的优势和缺 ...

  7. js闭包for循环总是只执行最后一个值得解决方法

    <style> li{ list-style: none;width:40px;height: 40px;text-align:center;line-height: 40px;curso ...

  8. JDK安装与配置

    JDK安装与配置 一.下载 JDK是ORACLE提供免费下载使用的,官网地址:https://www.oracle.com/index.html 一般选择Java SE版本即可,企业版的选择Java ...

  9. 2-1 Linux 操作系统及常用命令

    根据马哥linux初级视频 2-1.2-2来编辑 1. GUI与CLI GUI: Graphic User Interface CLI: Command Line Interface 注:在Windo ...

  10. nginx启动报错:/usr/local/nginx/sbin/nginx: error while loading shared libraries: libcrypto.so.1.1: cannot open shared object file: No such file or directory

    查看依赖库: