初学HBase的几个问题
转自 http://itindex.net/detail/50571-hbase-%E9%97%AE%E9%A2%98
本文主要针对对HBase不了解的人。主要想基于个人的理解回答以下几个问题:
- 什么是HBase?
- 何时用HBase?
- 与Hive、Pig的区别?
- HBase的结构
- 为何HBase速度很快?
- HBase常用的操作有哪些?
- HBase的一些配置和监控
什么是HBase?
HBase,是Hadoop Database,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统。使用HBase技术可以在廉价的PC服务器上搭建起大规模结构化的存储集 群。它底层的文件系统使用HDFS,使用Zookeeper来管理集群的HMaster和各Region server之间的通信,监控各Region server的状态,存储各Region的入口地址等。
何时用HBase?
首先想想传统的关系型数据库都有哪些特点,大概的特点有:
- 支持事务,ACID(原子性、一致性、隔离性和持久性)特性;
- 行式存储;
- SQL语句使用起来比较方便;
- 支持索引、视图等;
接下来我们考虑一个场景:我们想要构建一个社交网站,我们可能会选择易于操作的LAMP(Linux、Apache、Mysql、PHP)模型来 快速的搭建一个原型。随着用户数的不断增加,每天有越来越多的人开始访问,这时候,共享的数据库服务器压力会越来越大,可以选择增加应用服务器,但因为这 些应用服务器共享中央数据库,所以,随着数据库的CPU和I/O负载升高,这种方案势必不可长久。
这时候,我们可能会增加从服务器,以便并行读取,将读写分离。这样做是因为考虑到用户访问产生的读次数比写入次数更多,但是如果用户数目增加很快,产生的内容越来越多,导致读写数目相差没那么大,这种方案也就不能长久。
接下来的常见做法就是增加缓存,比如使用Memcached。这样,读操作存入到内存中的数据库系统中,但又没办法保证数据一致性,因为用户更新 数据到数据库,而数据库不会主动更新缓存中的数据,而且,这种方案只能解决读请求的压力,对于写请求,还是没有解决。所以需要更多的服务器,更快的磁盘, 会导致硬件成本快速升高。
而且,随着用户的增多,网站功能势必增加,业务功能都会使用sql语句进行查询,而表数据过多会导致join操作变慢,所以会不得不采用一些逆范式的方式来设计数据库,这样导致无法使用存储过程。而且,数据过大时,索引的效果也没那么强了。因为索引也会变得很大。
这时候应该怎么办?有些人采用了数据库分区的方式,将数据拆分。但是大规模的拆分将导致大量复制操作,带来大量的I/O损耗。所以这种方式也不一定好。
03年,谷歌发表了一片论文叫做《The Google File System》,这个文件系统简称GFS,该文件系统中的数据在节点中冗余存储,即使一台服务器发生故障,也不会影响数据可用性。但是,GFS只适合存储 少量非常大的文件,不适合存储数量众多的小文件,因为文件的元信息存储在主节点的内存中,文件越多,主节点压力越大。经过Google的深入研究,在06 年,发表了另外一篇重量级论文《BigTable:A Distributed Storage System for Structed Data》。HBase就是BigTable的开源实现,当然,也建立在HDFS(GFS的开源实现)和Hadoop(MapReduce的开源实现)、 Zookeeper(Chubby的开源实现)的基础上。
何时用HBase呢?在下面几种情况下,可以考虑使用HBase替代关系数据库:
- 系统需要适应不同种类的数据格式和数据源,不能预先严格定义模式,需要处理大规模数据;
- 不强调数据之间的关系,所要存储的数据是半结构化或非结构化的;
- 数据非常稀疏;
- 想要更好的进行扩展;
比如谷歌就将BigTable用来存储网页的索引数据,索引数据就很好的满足了上面的几点要求。
与Hive、Pig的区别?
- HBase是低延迟、非结构化和面向编程的,而Hive是高延迟、结构化和面向分析的;
- Hive本身不存储和计算数据,它完全依赖与HDFS和MapReduce,Hive中的表是逻辑表;
- HBase通过组织起节点内所有机器的内存,提供一个超大的内存Hash表,它需要在磁盘和内存组织自己的数据结构,HBase中的表是物理表;
- 如果是全表扫描,就用Hive+Hadoop,如果是索引访问,就用HBase+Hadoop。
- Hive主要用于静态的结构以及需要经常分析的工作;
- Pig相比Hive相对轻量,它主要的优势是相对比于直接使用Hadoop Java APIs可大幅消减代码量;
- Hive和Pig都可以与HBase组合使用,Hive和Pig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得非常简单。
HBase的结构
1)表、行、列和单元格
先做一个简单的总结:最基本的单位是列(column),一列或者多列组成一行(row),并且由唯一的行键(row key)来确定存储。一个表中有很多行,每一列可能有多个版本,在每一个单元格(Cell)中存储了不同的值。
HBase的行与行之间是有序的,按照row key的字典序进行排序,行键是唯一的,在一个表里只出现一次,否则就是在更新同一行,行键可以是任意的字节数组。一行由若干列组成,其中的某些列又可以 构成一个列族(column family),一个列族的所有列存储在同一个底层的存储文件里,这个文件称之为HFile。
列族需要在创建表的时候就定义好,数量也不宜过多。列族名必须由可打印字符组成,创建表的时候不需要定义好列。对列的引用格式通常为 family:qualifier,qualifier也可以是任意的字节数组。同一个列族里qualifier的名称应该唯一,否则就是在更新同一列, 列的数量没有限制,可以有数百万个。列值也没有类型和长度限定。HBase会对row key的长度做检查,默认应该小于65536。
一个可视化的HBase表如下:
Timestamp代表时间戳,默认由系统指定,用户也可以显示设置。使用不同的时间戳来区分不同的版本。一个单元格的不同版本的值按照时间戳降
序排列在一起,在读取的时候优先取最新的值。用户可以指定每个值能保存的最大版本数,HBase-0.96版本默认的最大版本数为1。
HBase的存取模式如下(表,行键,列族,列,时间戳)-> 值。即一个表中的某一行键的某一列族的某一列的某一个版本的值唯一。
行数据的存取操作是原子的,可以读取任意数目的列。目前还不支持跨行事务和跨表事务。
同一列族下的数据压缩在一起,访问控制磁盘和内存都在列族层面进行。
2)自动分区
HBase中扩展和负载均衡的基本单元称作region,region本质上是以行键排序的连续存储空间。如果region过大,系统就会把它们动态拆分,相反的,就把多个region合并,以减少存储文件数量。
一个表最开始只有一个region,用户开始向表中插入数据时,系统会检查region大小,确保不会超过配置的最大值,如果超过,会从region中行键的中间值一分为二,将该region分为大小大致相等的两个region。
注意,每个region只能由一个region server加载,每一台region服务器可以同时加载多个region。下图展示了一个表,该表实际上是由很多region server加载的region集合组成的逻辑视图。
每台服务器能加载的region数量和每个region的最佳大小取决于单台服务器的有效处理能力。
3)HBase存储格式
HFile:HBase中KeyValue数据的存储格式。HFile是Hadoop的二进制格式文件。
HLog:HBase中WAL(Write-Ahead-Log,预写式日志)文件的存储格式,物理上是Hadoop的Sequence File。
HFile的格式如下图:
HFile文件的长度可变,唯一固定的是File
Info和Trailer。Trailer存储指向其他块的指针,它在持久化数据到文件结束时写入的,写入后,该文件就会变成不可变的数据存储文件。数据
块(data
blocks)中存储key-values,可以看做是一个MapFile。当block关闭操作时,第一个key会被写入index中,index文件
在hfile关闭操作时写入。
KeyValue的具体格式如下图:
上图中,keytype有四种类型,分别是Put、Delete、
DeleteColumn和DeleteFamily。RowLength为2个字节,Row长度不固定,ColumnFamilyLength为2个字
节,ColumnFamily长度不固定,ColumnQualifier长度不固定,TimeStamp为4个字节,KeyType为1个字节。之所以
不记录ColumnQualifier的长度是因为可以通过其他字段计算得到。
4)WAL(预写式日志)
region
server会将数据保存到内存,直到积攒到足够多的数据再将其刷写到磁盘,这样可避免很多小文件。但此时如果发生断电或其他故障,存储在内存中的数据没
来得及保存到磁盘,就会出现数据丢失情况。WAL能解决这个问题。每次更新(编辑)都会写入日志,只有日志写入成功后才会告知客户端写入成功,然后服务器
按需批量处理内存中的数据。
如果服务器崩溃,region server会回访日志,使得服务器恢复到服务器崩溃前的状态。下图显示了写入过程:
- 所有的修改都会先保存到WAL,然后再传给MemStore。整个过程是这样的:
- 客户端启动一个操作来修改数据,比如Put。每次修改都封装到一个KeyValue对象实例中,通过RPC调用发送出去。这些调用会发送给含有匹配region的Region Server;
- KeyValue实例到达后,它们会被分配到管理对应行HRegion实例,数据被写入WAL,然后被放入实际拥有记录的MemStore中;
- 当MemStore达到一定大小或经历一个特定时间,数据会异步的连续的写入到文件系统中(HFile)。
- 如果写入过程出现问题,WAL能保证数据不丢失,因为WAL日志HLog存储在HDFS上。其他region server可以读取日志文件并回放修改,恢复数据。
5)HBase系统架构
HBase架构包括HBase Client、Zookeeper、HMaster、HRegionServer、HStore存储几个部分。下面一一叙述。一个大体的架构图如下:
a)HBase Client
HBase Client使用HBase的RPC机制与HMaster和HRegionServer进行通信。对于管理类操作(如建表,删表等),Client和HMaster进行RPC;对于数据读写类操作,Client和HRegionServer进行RPC。
b)Zookeeper
一个分布式的,开放源码的分布式应用程序协调服务,分布式应用程序可以基于它实现同步服务,配置维护和命名服务等。它是Chubby的开源实现。
Zookeeper Quorum中除了存储了-ROOT-表的地址和Master的地址,RegionServer也会把自己注册到Zookeeper中,使Master可以随时感知到各个RegionServer的健康状态。
c)HMaster
- 管理用户对Table的增、删、改、查操作;
- 管理HRegionServer的负载均衡,调整Region分布;
- 在Region Split后,负责新Region的分配;
- 在HRegionServer停机后,负责失效HRegionServer上的Regions迁移。
d)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;
- 当用户更新数据的时候会被分配到对应的HRegion服务器上提交修改,这些修改显示被写到MemStore写缓存和服务器的Hlog文件里面。在操作写入Hlog之后,commit()调用才会将其返回给客户端;
- 在读取数据的时候,HRegion服务器会先访问BlockCache读缓存,如果缓存里没有改数据,才会回到Hstores磁盘上面寻找,每一个列族都会有一个HStore集合,每一个HStore集合包含很多HstoreFile文件。
e)特殊的表
-ROOT-
表和.META.表是两个比较特殊的表。.META.记录了用户表的Region信息,.META.可以有多个regoin。-ROOT-记录
了.META.表的Region信息,-ROOT-只有一个region,Zookeeper中记录了-ROOT-表的location。具体如下:
为何HBase速度很快?
HBase能提供实时计算服务主要原因是由其架构和底层的数据结构决定的,即由LSM-Tree(Log-Structured
Merge-Tree) + HTable(region分区) + Cache决定——客户端可以直接定位到要查数据所在的HRegion
server服务器,然后直接在服务器的一个region上查找要匹配的数据,并且这些数据部分是经过cache缓存的。
前面说过HBase会将数据保存到内存中,在内存中的数据是有序的,如果内存空间满了,会刷写到HFile中,而在HFile中保存的内容也是有序的。当数据写入HFile后,内存中的数据会被丢弃。
HFile文件为磁盘顺序读取做了优化,按页存储。下图展示了在内存中多个块存储并归并到磁盘的过程,合并写入会产生新的结果块,最终多个块被合并为更大块。
多次刷写后会产生很多小文件,后台线程会合并小文件组成大文件,这样磁盘查找会限制在少数几个数据存储文件中。HBase的写入速度快是因为它其
实并不是真的立即写入文件中,而是先写入内存,随后异步刷入HFile。所以在客户端看来,写入速度很快。另外,写入时候将随机写入转换成顺序写,数据写
入速度也很稳定。
而读取速度快是因为它使用了LSM树型结构,而不是B或B+树。磁盘的顺序读取速度很快,但是相比而言,寻找磁道的速度就要慢很多。HBase的
存储结构导致它需要磁盘寻道时间在可预测范围内,并且读取与所要查询的rowkey连续的任意数量的记录都不会引发额外的寻道开销。比如有5个存储文件,
那么最多需要5次磁盘寻道就可以。而关系型数据库,即使有索引,也无法确定磁盘寻道次数。而且,HBase读取首先会在缓存(BlockCache)中查
找,它采用了LRU(最近最少使用算法),如果缓存中没找到,会从内存中的MemStore中查找,只有这两个地方都找不到时,才会加载HFile中的内
容,而上文也提到了读取HFile速度也会很快,因为节省了寻道开销。
HBase常用操作:
- List;
- Create;
- Put;
- Scan;
- Get;
- Delete;
- Disable;
- Drop;
更多内容请查看《 HBase学习笔记(一)》
HBase安装、配置和监控:
- HBase的安装详见:《 CentOS分布式环境安装HBase-0.96.0》
- HBase的部分配置详见:《 HBase学习笔记(二)》、《 HBase学习笔记(三)》以及后续博客;
- HBase的监控详见:《 centos集群上安装ganglia-3.6.0监控hadoop-2.2.0和hbase-0.96.0》
转载请注明出处: http://blog.csdn.net/iAm333
初学HBase的几个问题的更多相关文章
- HBase学习
记录HBase的学习过程.之后会陆续添加内容. 阅读hbase的博客,理解hbase是什么.推荐博文: 1,HBase原理,基础架构,基础概念 2,HBase超详细介绍 --------------- ...
- HBase系列文章汇总
本文整理汇总了本博客自去年学习HBase以来写的全部关于HBase的相关内容.持续更新中,很多其它内容.敬请关注! 相关知识: 1.<布隆过滤器(Bloom Filter)> 2.< ...
- hbase (local mode) remote access
如果初学hbase,没必要弄一个集群,hbase的local mode够用了. 这里写一个简单的教程.适用于初学hbase,想要用代码访问hbase的童鞋们. 目录: 0. 准备 1). 开发环境 ...
- java初学的分析
java初学的分析第一阶段:入门阶段学习目标:简单项目开发学习内容:1.Java入门书籍,Java基础知识.关于Java入门级的书,给大家推荐过<Java编程思想>.<Java核心技 ...
- 大数据自学5-Python操作Hbase
在Hue环境中本身是可以直接操作Hbase数据库的,但是公司的环境不知道什么原因一直提示"Api Error:timed out",进度条一直在跑,却显示不出表. 但是在CDH后台 ...
- 初学hadoop的个人历程
在学习hadoop之前,我就明确了要致力于大数据行业,成为优秀的大数据研发工程师的目标,有了大目标之后要分几步走,然后每一步不断细分,采用大事化小的方法去学习hadoop.下面开始叙述我是如何初 ...
- superset 配置连接 hbase
1. 简单说明 最近配置superset查询hbase, 根据网上查询到的文档和经验,成功了一次(python3.4 superset 0.20.),后边重试换各种版本就不行了.最后根据错误终于发现 ...
- Hadoop + Hive + HBase + Kylin伪分布式安装
问题导读 1. Centos7如何安装配置? 2. linux网络配置如何进行? 3. linux环境下java 如何安装? 4. linux环境下SSH免密码登录如何配置? 5. linux环境下H ...
- Mapreduce的文件和hbase共同输入
Mapreduce的文件和hbase共同输入 package duogemap; import java.io.IOException; import org.apache.hadoop.co ...
随机推荐
- JavaScript 性能优化
加载和执行 1. </body>闭合标签之前,将所有的<script> 标签放在页面底部,确保在脚步执行之前页面已经完成渲染. 2. 合并脚本.下载单个 100KB 的文件将比 ...
- java.lang.ClassCastException: java.util.ArrayList cannot be cast to com.github.pagehelper.Page
出现这个错误,首先看配置mybatis-config.xml中的<plugins> <plugin interceptor="com.github.pagehelper.P ...
- iOS获取手机型号、iOS获取当前app的名称和版本号
NSDictionary *infoDictionary = [[NSBundle mainBundle] infoDictionary]; CFShow(infoDictionary); // ap ...
- SaltStack自动化安装配置haproxy
准备环境node1:192.168.217.149 (saltstack master)node2:192.168.217.150(saltstack minion)下载haproxy1.6.2.ta ...
- maven参数
mvn clean package -DskipTests mvn -T 2 clean install/mvn -T 2C clean install: maven支持并行构建,-T 2表示使用2个 ...
- 008 String to Integer (atoi) 字符串转换为整数
详见:https://leetcode.com/problems/string-to-integer-atoi/description/ 实现语言:Java class Solution { publ ...
- Windows Server 2016 安装Docker
使用Windows自带的Hyper-V 而不是安装Docker Enterprise. 废话不多说,撸起袖子开干 管理员权限打开PowerShell (因为server版本默认是cmd不是ps,所以需 ...
- SQL2008无法启动,报错"17051"解决方法
SQL2008无法启动,这是错误日志: C:/Program Files/Microsoft SQL Server/MSSQL10_50.MSSQLSERVER/MSSQL/Log 2011-06-0 ...
- sqoop导出hive数据到mysql错误: Caused by: java.lang.RuntimeException: Can't parse input data
Sqoop Export数据到本地数据库时出现错误,命令如下: sqoop export \ --connect 'jdbc:mysql://202.193.60.117/dataweb?useUni ...
- js 限制文本框不能输入单引号
<input onkeydown="if(event.keyCode==32||event.keyCode==188||event.keyCode==222){return false ...