HBase (一) --------- HBase 简介

---

一、什么是 HBase

HBase 的原型是 Google 的 BigTable 论文，受到了该论文思想的启发，目前作为 Hadoop 的子项目来开发维护，用于支持结构化的数据存储。

官方网站：http://hbase.apache.org

• 2006 年 Google 发表 BigTable 白皮书
• 2006 年开始开发 HBase
• 2008 年 程序员默默地将 HBase 弄成了 Hadoop 的子项目
• 2010 年 HBase 成为 Apache 顶级项目
• 现在很多公司二次开发出了很多发行版本，你也开始使用了。

HBase 是一个NoSQL数据库，用于处理海量数据，可以支持10亿行百万列的大表，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用 HBASE 技术可在廉价 PC Server 上搭建起大规模结构化存储集群。

HBase 的目标是存储并处理大型的数据，更具体来说是仅需使用普通的硬件配置，就能够处理由成千上万的行和列所组成的大型数据。

HBase 是 Google Bigtable 的开源实现，但是也有很多不同之处。

比如：Google Bigtable 利用 GFS 作为其文件存储系统，HBase 利用 Hadoop HDFS 作为其文件存储系统。Google 运行 MAPREDUCE 来处理 Bigtable 中的海量数据，HBase 同样利用 Hadoop MapReduce 来处理 HBase 中的海量数据。Google Bigtable 利用 Chubby 作为协同服务，HBase 利用 Zookeeper 作为对应。

二、HBase 特点

1）海量存储

HBase 适合存储 PB 级别的海量数据，在 PB 级别的数据以及采用廉价 PC 存储的情况下，能在几十到百毫秒内返回数据。这与 HBase 的极易扩展性息息相关。正式因为 HBase 良好的扩展性，才为海量数据的存储提供了便利。

2）列式存储

这里的列式存储其实说的是列族存储，HBase 是根据列族来存储数据的。列族下面可以有非常多的列，列族在创建表的时候就必须指定。

3）极易扩展

HBase 的扩展性主要体现在两个方面，一个是基于上层处理能力(RegionServer) 的扩展，一个是基于存储的扩展 (HDFS)。通过横向添加 RegionSever 的机器，进行水平扩展，提升 HBase 上层的处理能力，提升 HBase 服务更多 Region 的能力。

备注：RegionServer 的作用是管理 region、承接业务的访问，这个后面会详细的介绍通过横向添加 Datanode 的机器，进行存储层扩容，提升 HBase 的数据存储能力和提升后端存储的读写能力。

4）高并发

由于目前大部分使用 HBase 的架构，都是采用的廉价 PC，因此单个 IO 的延迟其实并不小，一般在几十到上百 ms 之间。这里说的高并发，主要是在并发的情况下，HBase 的单个 IO 延迟下降并不多。能获得高并发、低延迟的服务。

5）稀疏

稀疏主要是针对 HBase 列的灵活性，在列族中，你可以指定任意多的列，在列数据为空的情况下，是不会占用存储空间的。

三、HBase 架构

从图中可以看出 HBase 是由 Client、Zookeeper、Master、 HRegionServer、HDFS 等几个组件组成，下面来介绍一下几个组件的相关功能：

1. 主要组件

1）Client

Client 包含了访问 HBase 的接口，另外 Client 还维护了对应的 cache 来加速 HBase 的访问，比如 cache 的 .META. 元数据的信息。

2）Zookeeper

HBase 通过 Zookeeper 来做 master 的高可用、RegionServer 的监控、元数据的入口以及集群配置的维护等工作。具体工作如下：

• 通过 Zoopkeeper 来保证集群中只有 1 个 master 在运行，如果 master 异常，会通过竞争机制产生新的 master 提供服务。
• 通过 Zoopkeeper 来监控 RegionServer 的状态，当 RegionSevrer 有异常的时候，通过回调的形式通知 Master RegionServer 上下线的信息。
• 通过 Zoopkeeper 存储元数据的统一入口地址。

3）Hmaster

master 节点的主要职责如下：

• 为 RegionServer 分配 Region
• 维护整个集群的负载均衡
• 维护集群的元数据信息
• 发现失效的 Region，并将失效的 Region 分配到正常的 RegionServer 上
• 当 RegionSever 失效的时候，协调对应 Hlog 的拆分

4）HregionServer

HregionServer 直接对接用户的读写请求，是真正的“干活”的节点。它的功能概括如下：

• 管理 master 为其分配的 Region
• 处理来自客户端的读写请求
• 负责和底层 HDFS 的交互，存储数据到 HDFS
• 负责 Region 变大以后的拆分
• 负责 Storefile 的合并工作

5）HDFS

HDFS 为 HBase 提供最终的底层数据存储服务，同时为 HBase 提供高可用(log 存储在HDFS) 的支持，具体功能概括如下：

提供元数据和表数据的底层分布式存储服务数据多副本，保证的高可靠和高可用性

2. 其他组件

Write-Ahead logs

HBase 的修改记录，当对 HBase 读写数据的时候，数据不是直接写进磁盘，它会在内存中保留一段时间 (时间以及数据量阈值可以设定)。但把数据保存在内存中可能有更高的概率引起数据丢失，为了解决这个问题，数据会先写在一个叫做 Write-Ahead logfile 的文件中，然后再写入内存中。所以在系统出现故障的时候，数据可以通过这个日志文件重建。

Region

HBase 表的分片，HBase 表会根据 RowKey 值被切分成不同的 region 存储在 RegionServer中，在一个 RegionServer 中可以有多个不同的 region。

Store

HFile 存储在 Store 中，一个 Store 对应 HBase 表中的一个列族。

MemStore

顾名思义，就是内存存储，位于内存中，用来保存当前的数据操作，所以当数据保存在 WAL 中之后，RegsionServer 会在内存中存储键值对

HFile

这是在磁盘上保存原始数据的实际的物理文件，是实际的存储文件。StoreFile 是以 Hfile 的形式存储在 HDFS 的。

五、HBase 中的角色

HMaster

功能

• 监控 RegionServer
• 处理 RegionServer 故障转移
• 处理元数据的变更
• 处理 region 的分配或转移
• 在空闲时间进行数据的负载均衡
• 通过 Zookeeper 发布自己的位置给客户端

RegionServer

功能

• 负责存储 HBase 的实际数据
• 处理分配给它的 Region
• 刷新缓存到 HDFS
• 维护 Hlog
• 执行压缩
• 负责处理 Region 分片