HBase简介

HBase简介_第1张图片
hadoop生态系统

Mahout:机器学习的基本库

Zookeeper:分布式协作服务

Flume:日志收集工具

Sqoop:关系数据ETL工具

非关系型数据库知识面扩展

      •Cassandra hbase mongodb(文件型数据库)

       •Couchdb,文件存储数据库

       •Neo4j非关系型图数据库(图谱)

Hbase:(基于Bigtable思想)

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

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;

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)。

Hbase数据模型:

HBase简介_第2张图片
hbase数据模型

CF1,CF2,CF3称为列族。

q1,q2,q3称为列名。

ROW KEY:决定一行数据,按照字典顺序排序的。Row key只能存储64k的字节数据

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。

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

Cell单元格

由行和列的坐标交叉决定;

单元格是有版本的;

单元格的内容是未解析的字节数组;

      由{row key, column( = +), version} 唯一确定的单元。

      cell中的数据是没有类型的,全部是字节码形式存贮。

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。

HLog SequeceFile的Value是HBase的KeyValue对象,即对应HFile中的KeyValue。

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’;

列名以列族作为前缀,每个“列族”都可以有多个列成员(column);如course:math, course:english, 新的列族成员(列)可以随后按需、动态加入;

权限控制、存储以及调优都是在列族层面进行的;

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

Hbase架构

HBase简介_第3张图片
hbase架构

Client:包含访问HBase的接口并维护cache来加快对HBase的访问

Zookeeper:

保证任何时候,集群中只有一个master

存贮所有Region的寻址入口。

实时监控Region server的上线和下线信息。并实时通知Master

存储HBase的schema和table元数据。

Master:

为Region server分配region

负责Region server的负载均衡

发现失效的Region server并重新分配其上的region

管理用户对table的增删改操作

RegionServer:

Region server维护region,处理对这些region的IO请求

Region server负责切分在运行过程中变得过大的region

Region:

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。

Memstore 与 storefile:

一个region由多个store组成,一个store对应一个CF(列族)

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storefile

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

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简介_第4张图片


HBase简介_第5张图片

你可能感兴趣的:(HBase简介)