Hbase 基于HDFS分布式列存储Nosql数据库(三) 概念及原理介绍

Filter 过滤器

  • 背景知识:
    1. 在hbase中,所有数据在存储时按照rowkey的ASCII码表字典顺序进行排序的
    2. 在hbase中,rowkey的查询都是前缀匹配
    3. rowkey是hbase中的唯一索引,所有数据的读写要么通过rowkey查询,要么就是全表扫描
    4. hbase底层没有数据类型,数据全部都是按照字节数组存储,
    5. 按照keyvalue对格式存储每一列数据,key=ns+tb+cf+c+ts,value=value
    6. 一般搭配scan来使用
 shell过滤器种类:
    1. TimestampsFilter,时间戳过滤器
    2. QualifierFilter,列名过滤器,需要指定比较参数和比较值 QualifierFilter (>=, 'binary:xyz')
    3. ROWPREFIXFILTER,rowkey前缀过滤器

 javaapi过滤器种类:
       第一类:比较过滤器;通过比较的工具类,来实现过滤,返回符合的rowkey所有的数据
            1.RowFilter
            2.FamilyFilter
            3.QualifierFilter
            4.ValueFilter
       第二类:专有过滤器;用的比较多,封装好的方法来实现
             1.prexfixFilter:rowkey前缀过滤器
             2.singleColumnValueFilter/singleColumnValueExcludeFilter:单列值过滤器
             3.MultipleColumnPrefixFilter:多列过滤器
             4.pageFilter:分页过滤器,一般在工作中,必须指定对应的起始位置,一般搭配startrow来使用
      第三类:组合过滤器,就是各种过滤器组合在一起,FilterList
      
如何使用过滤器:
    1.shell中使用"{列属性}"指定,例如:
        {COLUMNS => ''};{STARTROW => '闭区间',STOPROW => '开区间'}
        {ROWPREFIXFILTER => '',FILTER => ''}

Hbase:ns/Hbase:meta

  • 内容:

    1. "hbase:namespace"表,这张表会记录hbase中所有namespace的信息,当用户进行请求时,会读取这张表的信息来判断用户访问的namespace是否存在

    2. "hbase:meta"表,hbase表中的元数据表,meta表中记录了:

      1. meta表中的rowkey包含了regioninfo和server两个部分,其中包含regioninfo的rowkey,记录了region的名称,startkey和stopkey。包含server的rowkey记录了这个region所在的regionserver的地址和端口
      2. meta表记录了除了自己之外所有的在hbase中的表的region的名称;其中“region名称”的构成:表名称+region的起始范围+region的时间+region的唯一id
  • 补充:
    1.数据读写请求,客户端如何找到对应的region的region的?
    A:zk记录了meta表的"region信息","region信息"包括region的名称,startkey和stopkey,还包含了这个region所在的节点地址和端口,通过这些去对应regionserver上找到的meta表的数据,然后meta表中记录了除了自己之外的hbase中所有表的"region信息",这些"region信息"也包括region的名称,startkey和stopkey,还包含了这个region所在的节点地址和端口。然后通过这些信息再去找到对应regionserver上的region

Hbase的存储原理:

  • 读写请求概述:

    1. 客户端第一次请求时,本地没有记录region信息,先去请求zk,获取meta表的region信息
    2. 然后再跟据region信息请求对应的regionserver,获取meta表的数据,得到要查询表中rowkey对应的region信息
    3. 客户端再次跟据返回的表中rowkey对应的region信息去请求regionserver提交读写请求,并缓存本地请求的地址及region信息,供下次使用,直接请求regionserver获取表数据
    4. regionserver跟据请求来操作region,跟据列簇来判断读写哪个store
  • 读请求:

    1. 请求会优先读取内存中数据,即memstore,若数据没有在内存中,就读缓存,然后读hdfs
  • 写请求:

    1. 请求会先写入内存memstore中,当memstore满足条件时,触发flush刷写,将memstore中的数据变成storefile文件
    2. 通过hbase底层封装的hdfs客户端,将文件生成在以hfile的文件类型存储在hdfs上

Hbase读写请求流程

写请求流程

  1. 客户端提交一条写的命令,根据这个请求的rowkey来获取对应的region信息,来请求对应的regionserver,以此来对rowkey进行操作
  2. 将请求提交给对应的regionserver,regionserver根据请求写入的region的名称来操作
  3. 根据请求中的列簇来判断要写入该region中的哪个store
  4. 将数据以keyvalue形式写入memstore
  5. memstore达到一定条件以后,会触发flush,内存中数据会写入hdfs,
  6. hdfs中的storefile达到一定条件以后,会触发compaction,将storefile文件归并排序进行合并
  7. 当整个region的数据大小达到一定条件以后,会触发split,一个region会分裂成两个region,原来的region被销毁

读请求流程

  1. 客户端请求zk,从zk获取meta表的地址
  2. 客户端读取meta表的数据,根据读命令中的表名来获取表所有的reigon信息,
  3. 找到要读取的region以及对应的regionserver地址
    如果是get请求,指定了rowkey,则返回这个rowkey对应的region信息
    如果是scan请求,则返回这张表对应的所有的region信息
  4. 根据返回的reigon地址,请求对应的regionserver,
  5. regionserver根据region名称来找到对应的region,并进行读操作
  6. 若请求中指定了列,则读取列簇对应的store,若请求中没有指定列,则读取所有store的数据
  7. 请求在读取store时,优先读取内存中的store,即memstore,若memstore中没有找到,若开启了缓存,则取memcache缓存中找,若没有开启缓存,则直接去hdfs上找storefile,若hdfs上也没有,就是数据不存在,直接返回,若是hdfs上有,就将这条数据返回,若开启了缓存,还需要将数据添加到memcache中,方便下次使用
    查询内存:
        有: 返回
        没有: 缓存:
                有: 返回
                没有:hdfs
                     有: 返回并添加缓存
                     没有:返回
  • 解释:
    1. 经实践分析,新写入的数据在请求访问是命中率最高,所以保存在内存中
    2. 根据LRU最近最少使用算法,将访问频率高的数据添加到缓存中,提高缓存访问的命中率

你可能感兴趣的:(Hbase 基于HDFS分布式列存储Nosql数据库(三) 概念及原理介绍)